1.一种基于目标检测的工业焊接图像缺陷的检测方法，其特征在于，包括以下步骤:步骤S1、获取工业焊接图像；

步骤S2、依据所述工业焊接图像中存在的焊接缺陷生成训练样本集；

步骤S3、建立焊接缺陷检测模型；

步骤S4、依据所述训练样本集对所述焊接缺陷检测模型进行深度学习训练；

步骤S5、利用深度学习训练后的焊接缺陷检测模型对所述工业焊接图像进行焊接缺陷检测；

所述建立焊接缺陷检测模型具体包括建立焊接缺陷区域框推测模块、焊接缺陷分类与回归模块；

所述焊接缺陷区域框推测模块包括图像特征提取器和区域框推测网络；输入所述工业焊接图像至所述图像特征提取器，提取所述工业焊接图像的语义特征；

依据所述工业焊接图像的语义特征确定所述焊接缺陷的候选区域，并生成候选区域框；

所述焊接缺陷分类与回归模块包括焊接缺陷类型分类器和焊接缺陷区域回归器；输入所述工业焊接图像的语义特征、所述候选区域框至所述焊接缺陷分类与回归模块；

依据所述候选区域框在所述工业焊接图像的语义特征中截取相应的感兴趣区域；使用可变型池化层将所述感兴趣区域下采样为特征向量，使用所述焊接缺陷类型分类器对所述特征向量进行分类得到焊接缺陷类型分类结果，表示为p*；

输入所述特征向量至所述焊接缺陷区域回归器获取焊接缺陷区域框回归结果，表示为t*＝[x*,y*,w*,h*]；

其中，x*为预测区域框的左上角横坐标，y*为所述预测区域框的左上角竖坐标，w*为所述预测区域框的宽度，h*为所述预测区域框的高度；

步骤S4中，所述深度学习训练方法为随机梯度下降方法，通过最小化损失函数学习所述焊接缺陷检测模型的目标参数；

所述损失函数为：

其中，pi为标注的焊接缺陷类别，为焊接缺陷检测模型预测的焊接缺陷类别，ti为标注的焊接缺陷区域框，为焊接缺陷检测模型预测的焊接缺陷区域框，Ncls为焊接缺陷类别数，Nreg为焊接缺陷区域框数，λ为平衡因子，取值为10；Lcls为焊接缺陷类别分类损失函数，Lreg为焊接缺陷区域位置回归损失函数，{x,y,w,h}为焊接缺陷区域位置的左上角坐标及区域宽和高。

2.根据权利要求1所述的基于目标检测的工业焊接图像缺陷的检测方法，其特征在于，步骤S1中，所述获取工业焊接图像具体为：通过拍摄设备拍摄所述工业焊接图像并进行保存。3.根据权利要求1所述的基于目标检测的工业焊接图像缺陷的检测方法，其特征在于，步骤S2具体包括如下步骤：参照焊接外观缺陷范例标定所述工业焊接图像中的焊接缺陷区域框；根据缺陷外观特征判断并标记焊接缺陷类型，以获取包含所述焊接缺陷区域框和所述焊接缺陷类型相对应的所述训练样本集。

4.根据权利要求3所述的基于目标检测的工业焊接图像缺陷的检测方法，其特征在于，所述参照焊接外观缺陷范例标定所述工业焊接图像中的焊接缺陷区域框，具体为：所述焊接缺陷区域框为所述焊接缺陷在所述工业焊接图像中的具体区域范围，每个区域框表示一个焊接缺陷区域，表示为t＝[x,y,w,h]；

其中，x为所述焊接缺陷区域框的左上角横坐标，y为所述焊接缺陷区域框的左上角竖坐标，w为所述焊接缺陷区域框的宽度，h为所述焊接缺陷区域框的高度。

5.根据权利要求3所述的基于目标检测的工业焊接图像缺陷的检测方法，其特征在于，所述根据缺陷外观特征判断并标记焊接缺陷的类型，具体为：根据每个标定的所述焊接缺陷区域框内的焊接缺陷的特征判断焊接缺陷的类型并进行标记，表示为p，使得所述训练样本集包含的焊接缺陷区域框和焊接缺陷类型相对应。