1.一种基于语义分割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、获取存在焊接缺陷的工业焊接图像；

步骤S2、根据焊接缺陷规范对所述焊接缺陷进行像素级别标注，以生成焊接缺陷训练样本集；

步骤S3、建立焊接缺陷分割模型，并使用所述焊接缺陷训练样本集进行深度学习训练；

步骤S4、利用深度学习训练后的焊接缺陷分割模型对所述工业焊接图像进行焊接缺陷检测；

步骤S3中，所述建立焊接缺陷分割模型具体包括建立编码器、解码器；

建立所述编码器具体包括如下步骤：

输入所述工业焊接图像至所述编码器；

采用不同比率的带孔卷积以获取不同尺度的卷积特征；

特征融合所述不同尺度的卷积特征；

其中，所述编码器包括五层，第一层包括第一深度可分离卷积层、第一激活层和第一池化层，第二层包括第二深度可分离卷积层、第二激活层和第二池化层，第三层包括第三深度可分离卷积层、第三激活层和第三池化层，第四层包括第四深度可分离卷积层、第四激活层和第四池化层，第五层包括带孔空间金字塔池化层；

所述深度可分离卷积具体用于：

将标准卷积分解为空间卷积与深度卷积的组合；

对空间维和通道维度分别进行映射并将结果进行组合；

所述带孔空间金字塔池化层具体用于：

通过不同尺寸的池化层将特征信息转换到尺寸由小到大的特征空间；

使用所述带孔卷积获取不同特征空间下的特征信息；

通过调节所述带孔卷积的卷积核步幅，使得每个所述特征空间获取的所述特征信息的尺寸相同；

通过特征融合对每一所述特征信息进行拼接以获取所述工业焊接图像的语义特征；

建立所述解码器具体包括如下步骤：

输入所述工业焊接图像至所述解码器；

通过对每个像素点的概率值进行分类以输出缺陷分割结果；

其中，所述解码器包括五层，第一层包括第一反卷积层、第五激活层和第一上采样层，第二层包括第二反卷积层、第六激活层和第二上采样层，第三层包括第三反卷积层、第七激活层和第三上采样层，第四层包括第四反卷积层、第八激活层和第四上采样层，第五层包括柔性最大值传输函数分类器。

2.根据权利要求1所述的基于语义分割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：参照所述焊接缺陷规范标记所述工业焊接图像中的焊接缺陷的区域边界点，连接所述区域边界点形成闭合区域；

根据缺陷外观特征判断并标记每个焊接缺陷区域的类型，以获取包含所述焊接缺陷区域的边界信息的像素级别标注数据；

对所述像素级别标注数据进行数据增强以获取所述焊接 缺陷训练样本集。

3.根据权利要求2所述的基于语义分割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每个焊接缺陷区域的类型，以获取包含所述焊接缺陷区域的边界信息的像素级别标注数据，具体包括如下步骤：通过标记焊接缺陷的边界缺陷的方法将所述焊接缺陷区域与背景区域进行区分；

以像素区域为单位将所述工业焊接图像分割为多个相互独立的子区域，标记每个所述子区域的焊接缺陷类型；

以区域覆盖像素点的方式实现对于所述工业焊接图像中每个像素点的标注。

4.根据权利要求2所述的基于语义分割的工业焊接图像缺陷的检测方法，其特征在于，以像素级别标注为所述工业焊接图像内的每个像素点均分配相应的标签，所述焊接 缺陷训练样本集可表示为X，X中的第i个样本表示为(Ii,Mi)；

其中，I为所述工业焊接图像，M为对应的所述像素级别标注数据，且M∈[0,n]，n为焊接缺陷类型数量。

5.根据权利要求1所述的基于语义分割的工业焊接图像缺陷的检测方法，其特征在于，步骤S3中，所述深度学习训练过程中使用AMSGrad优化器作为训练策略，通过最小化损失函数学习焊接缺陷分割模型的目标参数。