1.一种基于模板匹配的齿轮缺陷检测方法，其特征在于，该方法包括以下步骤：

分别采集同批次中每个齿轮的齿轮图像以得到对应的灰度图像；

对当前灰度图像进行图像分割得到齿身图像和齿牙图像，基于齿身的圆形特性，结合齿牙图像中的齿身半径和齿身边缘上相邻像素点之间的位置差异获取齿身与标准圆之间的相似程度，所述标准圆是指生产要求的齿身圆形标准；根据每张灰度图像中齿身与标准圆之间的所述相似程度获取齿身标准模板；

根据齿牙图像中一个齿牙的两个齿根直线长度获取齿牙的长度差异值；对齿牙轮廓进行角点检测以将齿顶对应的曲线分为多个子曲线，将多个所述子曲线分为圆弧曲线和非圆弧曲线，根据圆弧曲线或非圆弧曲线上的像素点数量对霍夫梯度法中的累加器阈值进行自适应调整，由调整后的累加器阈值得到每个圆弧曲线对应的第一圆心和每个非圆弧曲线对应的第二圆心；基于齿牙轮廓的对称性，根据多个第一圆心的位置偏差计算齿牙轮廓的对称性差异值，由每个第二圆心与其相邻第一圆心之间的距离获取非圆弧曲线异常值；结合所述长度差异值、所述对称性差异值和所述非圆弧曲线异常值得到齿牙的异常程度，根据每张灰度图像中每个齿牙的异常程度获取齿牙标准模板；

基于齿身标准模板和齿牙标准模板对每张齿轮图像中齿轮进行缺陷检测；

所述根据多个第一圆心的位置偏差计算齿牙轮廓的对称性差异值的方法，包括：

根据齿牙的两个齿根直线获取齿牙轮廓的对称线，分别计算每个第一圆心到对称线的距离，将距离从小到大排列得到距离序列，对距离序列中每两个相邻距离之间的距离差值进行累加得到所述对称性差异值。

2.如权利要求1所述的一种基于模板匹配的齿轮缺陷检测方法，其特征在于，所述结合齿牙图像中的齿身半径和齿身边缘上相邻像素点之间的位置差异获取齿身与标准圆之间的相似程度的方法，包括：对齿身进行霍夫圆检测得到齿身半径，对比齿身半径和标准齿身半径得到半径差异指标；

将齿身边缘上的每两个相邻像素点构成一条直线，计算每个像素点对应的两条直线之间的直线角度差值，得到齿身边缘对应的平均角度差值，根据每个像素点的直线角度差值和平均角度差值之间的差异得到圆形差异指标；

结合所述半径差异指标和所述圆形差异指标得到所述相似程度。

3.如权利要求2所述的一种基于模板匹配的齿轮缺陷检测方法，其特征在于，所述将多个所述子曲线分为圆弧曲线和非圆弧曲线的方法，包括：计算每个所述子曲线对应的平均角度差值，根据任意两个所述子曲线之间平均角度差值的差异利用k‑means聚类方法将多个所述子曲线分为圆弧曲线和非圆弧曲线。

4.如权利要求1所述的一种基于模板匹配的齿轮缺陷检测方法，其特征在于，所述根据圆弧曲线或非圆弧曲线上的像素点数量对霍夫梯度法中的累加器阈值进行自适应调整的方法，包括：由圆弧曲线上的像素点数量和确定圆所需像素点的最小数量得到圆弧曲线的初始累加器阈值；由非圆弧曲线上的像素点数量和确定圆所需像素点的最小数量得到非圆弧曲线的初始累加器阈值；

基于初始累加器阈值得到齿牙轮廓对应的多个初始圆心，根据初始圆心的数量分别对圆弧曲线和非圆弧曲线的初始累加器阈值进行调整，得到相对应的新累加器阈值。

5.如权利要求1所述的一种基于模板匹配的齿轮缺陷检测方法，其特征在于，所述由每个第二圆心与其相邻第一圆心之间的距离获取非圆弧曲线异常值的方法，包括：对第二圆心和相邻的两个第一圆心进行任意两个圆心之间的欧式距离获取，得到第二圆心的位置特征值；结合每个第二圆心的位置特征值得到所述非圆弧曲线异常值。

6.如权利要求1所述的一种基于模板匹配的齿轮缺陷检测方法，其特征在于，所述基于齿身标准模板和齿牙标准模板对每张齿轮图像中齿轮进行缺陷检测的方法，包括：对每张齿轮图像中的齿身和齿身标准模板进行第一相似度计算、齿牙与齿牙标准模板进行第二相似度计算；设置相似度阈值，将第一相似度和第二相似度分别与相似度阈值进行对比，根据对比结果确定齿轮是否存在缺陷。

7.一种基于模板匹配的齿轮缺陷检测系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1‑6任意一项所述方法的步骤。