1.一种金属件表面弯曲文本行矫正方法，其特征在于包括如下步骤：

步骤1：获取检测框中心点：使用深度学习模型对金属表面的每个字符进行检测，得到每个字符的检测框，并对每个检测框计算中心点pi，得到点集A，A＝{pi|i＝1,2...,n}，n表示点集A中检测框中心点的个数；

步骤2：扩充聚类点集：

步骤2.1：对点集A增加点pil和pir，得到新的点集A，其中，pil和pir分别表示第i个检测框左、右边缘的中点；

步骤2.2：采用DBSCAN方法进行聚类：聚类时将Eps设置为检测框的平均宽度MinPts设置为2，得到聚类簇集合B＝{Hj|j＝1,2,...,v}，其中，Hj表示B中的一个聚类簇，v为B中聚类簇的个数，Eps表示扫描半径，MinPts表示最小包含点数；

步骤2.3：文本行端部延伸：对Hj计算两端末尾处相邻两个检测框中心点的斜率，分别记为kleft和kright；从聚类簇Hj左右最末端的检测框中心点出发依据斜率kleft和kright延伸，延伸长度为一个 将延伸点添加到点集A中，得到新的点集A’；

步骤2.4：采用DBSCAN方法对新点集A’再次聚类：聚类时将Eps设置为检测框平均宽度MinPts设置为2；将聚类结果记为聚类簇点集B'＝{H'j|j＝1,2,...,v'}，其中，H′j表示B'中的一个聚类簇，v'为B'中聚类簇的个数，Eps表示扫描半径，MinPts表示最小包含点数；

步骤3：拟合曲线：

步骤3.1：以点集B'为约束，采用最小二乘法拟合得到金属件文本行走势曲线，记为y＝Φ(x)；

步骤3.2：去除离群点：根据式(1)-(3)计算聚类簇点集H'j内各点到拟合曲线y＝Φ(x)的距离dj，并计算距离均值uj与标准差σj；去除距离曲线y＝Φ(x)最远的点，该点距离拟合曲线距离表示为dout，重新拟合曲线，并重复步骤3.1-3.2，直到满足|dout-uj|＜4σj，记最终拟合得到的曲线为y＝Φ*(x)；

dj＝|Φ(xj)-yj|               (1)

式(1)-(3)中的(xj,yj)表示点集H'j中的点的坐标；

步骤4：将校正前的图像称为原图像，校正后的图像为目标图像；设置目标图像高度为

2Th，宽度为Wd，Wd为聚类簇点集H'j中左右两端最远点横坐标对应的曲线y＝Φ*(x)的弧长，Tw和Th分别表示点集H'j中对应的所有目标框的平均宽度和平均高度，Wd利用如式(4)所示的复合辛普森规则计算得到：其中：n为分段数表示计算的精度，a为曲线最左端横坐标坐标值，b为曲线最右端横坐标坐标值，x的取值范围应该是a-b；

步骤5：计算原图像与目标图像坐标点映射关系完成矫正：对原图采样像素值赋值到目标图像上从而完成矫正。

2.根据权利要求1所述的一种金属件表面弯曲文本行矫正方法，其特征在于步骤5中的采用双线性插值方法从原图像中采样坐标点并完成矫正的具体过程如下：将目标图像高度一半处的直线y＝Th表示为对原图拟合曲线的映射，目标图上其他高度的像素值由拟合曲线法线上获取，用(xd,yd)表示目标图像上的像素坐标点，(xs,ys)表示原图像上像素坐标点，特别的拟合曲线上的点表示为(xms,yms)，Φ'(x)表示拟合曲线的一阶偏导，原图像和目标图像的像素点映射关系如式(5)(6)所示，θ表示拟合曲线上点(xms,yms)处法线与水平线的夹角：ys＝(Th-yd)*sinθ+yms                         (5)xs＝(Th-yd)*cosθ+xms                         (6)具体为：将目标图像高度一半处的直线y＝Th表示为对原图拟合曲线的映射，目标图上其他高度的像素值由拟合曲线法线上获取，原图像和目标图像的像素点映射关系如式(5)(6)所示，θ表示拟合曲线上点(xms,yms)处法线与水平线的夹角：ys＝(Th-yd)*sinθ+yms                         (5)xs＝(Th-yd)*cosθ+xms                         (6)其中(xd,yd)表示目标图像上的像素坐标点，(xs,ys)表示原图像上像素坐标点，(xms,yms)表示拟合曲线上的点。