1.一种基于计算机视觉的机械零件表面气孔缺陷检测方法，其特征在于，包括：获取待处理的机械零件表面图像对应的缺陷概率图；

对获取的缺陷概率图进行阈值分割，获得缺陷概率图中的不确定区域；通过对该不确定区域中的像素点及其8邻域像素点进行缺陷概率值差异判断，获取不确定区域对应的图像分割图；

通过对分割后的区域图像中缺陷概率值较大的边缘像素点进行缺陷相似度计算，获取该区域图像对应的主要复制增强端；

通过对区域图像对应的主要复制增强端的边缘像素点进行缺陷差异度计算，获取该区域图像对应的起始旋转方向；

以主要复制增强端的最外边缘像素点为圆心，以区域图像为半径，沿着起始旋转方向进行旋转复制一周，获取不确定区域对应的旋转复制的新图像；

通过对不确定区域对应的旋转复制的新图像中增大的缺陷区域进行气孔检测，得到该不确定区域对应的原始图像中新的气孔缺陷像素点的位置；

其中，所述边缘像素点的缺陷相似度是按照如下方式获得：获取分割后的区域图像中缺陷概率较大的边缘像素点的缺陷概率值 ；

获取缺陷概率较大的边缘像素点对应的区域图像内部相邻像素点的缺陷概率值将缺陷概率较大的边缘像素点及其对应的内部相邻像素点的缺陷概率值作差，获得该缺陷概率较大的边缘像素点的缺陷相似度，缺陷相似度 的表达式如下：式中：  表示第i个像素点的坐标位置， 表示坐标为 的边缘像素点的缺陷概率值， 表示与坐标为 的边缘像素点内部相邻的像素点缺陷概率值；

其中，所述边缘像素点的缺陷差异度是按照如下方式获得：获取分割后的区域图像中缺陷概率较大的边缘像素点的缺陷概率值 ；

获取缺陷概率较大的边缘像素点对应的区域图像外部相邻像素点的缺陷概率值将缺陷概率较大的边缘像素点及其对应的外部相邻像素点的缺陷概率值作差，获得该缺陷概率较大的边缘像素点的缺陷差异度，缺陷差异度 的表达式如下：式中 表示第i个像素点的坐标位置， 表示坐标为 的边缘像素点的缺陷概率值， 表示与坐标为 的边缘像素点外部相邻的像素点缺陷概率值；

所述不确定区域对应的旋转复制的新图像是按照如下方式获取：获取分割后的区域图像中缺陷概率值较大的边缘像素点的缺陷相似度，将大于缺陷相似度阈值的边缘像素点作为主要复制增强端；

获取主要复制增强端的边缘像素点的缺陷差异度，将大于缺陷差异度阈值的边缘像素点一侧作为起始旋转方向；

以主要复制增强端的最外边缘像素点为圆心，以分割后的区域图像为半径，沿着起始旋转方向进行旋转复制一周，获取不确定区域对应的旋转复制的新图像。

2.根据权利要求1所述的一种基于计算机视觉的机械零件表面气孔缺陷检测方法，其特征在于，所述待处理的机械零件表面图像对应的缺陷概率图是按照如下方式获取：将采集到的待处理的机械零件表面图像进行灰度处理，获取该机械零件表面图像对应的灰度图；

对灰度图中的气孔缺陷位置的像素点进行标记，将标记好的灰度图输入缺陷识别网络进行训练，得到训练好的缺陷识别网络；

将待处理的机械零件表面图像对应的灰度图输入训练好的缺陷识别网络进行特征提取，获取待处理的机械零件表面图像对应的缺陷概率图。

3.根据权利要求1所述的一种基于计算机视觉的机械零件表面气孔缺陷检测方法，其特征在于，所述缺陷概率图中的不确定区域是按照如下方式获取：设定缺陷分类阈值 ，对缺陷概率图中的像素点进行初步缺陷识别：当缺陷概率图中第i个像素点的缺陷概率值 > 时，将该像素点识别为缺陷像素点；

设定缺陷分类阈值 ，对 的像素点进行进一步的缺陷识

别：当 时，将该像素点识别为正常像素点；当 时，将该像素点识别为不确定像素点；

将缺陷概率图中识别为缺陷和正常的像素点进行标记，获取缺陷概率图中的不确定区域。

4.根据权利要求1所述的一种基于计算机视觉的机械零件表面气孔缺陷检测方法，其特征在于，所述不确定区域对应的图像分割图是按照如下方式获取：获取缺陷概率图中不确定区域的概率值局部最大值的像素点；将该概率值局部最大值的像素点作为中心点，判断该中心点及其8邻域像素点的概率值差异，获取与中心点概率值差值最小的8邻域像素点；将该与中心点概率值差值最小的8邻域像素点和中心点进行连线；

获取缺陷概率图中不确定区域的概率值与中心点相近的像素点，判断该像素点及其8邻域像素点的概率值差异，获取与该像素点概率值差值最小的8邻域像素点；将与该像素点概率值差值最小的8邻域像素点和该像素点进行连线；

重复上述步骤，对不确定区域中的像素点及其8邻域像素点不断进行概率值差异判断，得到缺陷概率图中不确定区域的图像分割线；当该图像分割线形成闭合的连通域时，获得不确定区域对应的图像分割图。