1.一种基于云计算的焊缝缺陷智能检测系统，其特征在于：包括图像采集模块、图像预处理模块、模型训练与部署模块、缺陷检测评估模块和持续优化模块；

所述图像采集模块用于实时采集和上传焊缝图像；通过安装工业相机实时采集焊缝图像，并将焊缝图像数据通过网络上传至云端服务器；

所述图像预处理模块用于对图像进行处理和评估；所述图像预处理模块对上传的焊缝图像进行归一化、尺寸调整、去噪和数据增强处理，同时采集焊缝图像的属性参数，构建并提取图像属性数据集，计算获得图像属性指数Txsx，并对图像属性指数Txsx进行评估，最后去除重复图片；

所述模型训练与部署模块用于选择并训练卷积神经网络模型，验证并部署模型；将预处理后的焊缝图像分为训练集、验证集和测试集，再选择卷积神经网络模型，使用云计算平台进行模型训练，再对模型进行验证，最后将训练好的模型部署在云计算平台上，配置API接口，后续调用于缺陷检测评估模块；

所述缺陷检测评估模块用于对焊缝进行检测和评估；将焊缝图像输入到模型中，进行缺陷检测，通过模型输出焊缝缺陷，并采集焊缝缺陷，构建缺陷数据集；提取缺陷数据集计算获得焊缝缺陷指数Hqxs并进行评估；

所述持续优化模块用于收集检测结果，进行模型再训练，持续监控和优化系统性能；根据缺陷检测评估模块的评估结果，以及其他反馈数据，建立优化数据集，并实时更新；使用优化数据集对模型进行再训练，持续优化模型的检测能力。

2.根据权利要求1所述的一种基于云计算的焊缝缺陷智能检测系统，其特征在于：所述图像采集模块通过使用配有防尘和防震措施的高帧率工业相机，将工业相机部署在焊接设备附近，捕捉焊缝图像，同时在拍摄时控制工业相机的拍摄参数，包括曝光时间、增益和白平衡；再将采集到的焊缝图像数据通过无线网络上传至云端服务器。

3.根据权利要求1所述的一种基于云计算的焊缝缺陷智能检测系统，其特征在于：所述图像预处理模块包括处理单元、第一采集单元、第一计算评估单元和去除单元；所述处理单元将焊缝图像归一化处理，再调整焊缝图像尺寸，使其符合卷积神经网络模型的输入要求；最后使用图像滤波技术对焊缝图像去噪，再对焊缝图像进行数据增强处理；所述第一采集单元用于采集每张焊缝图像的分辨率Fbl、纹理特征指数Wlz、边缘特征指数Byz和颜色特征指数Yst，构建图像属性数据集；

纹理特征指数Wlz表示焊缝图像表面的视觉模式和结构；边缘特征指数Byz表示焊缝图像中物体的轮廓和边界；颜色特征指数Yst表示焊缝图像中不同颜色的分布和统计信息；且纹理特征指数Wlz、边缘特征指数Byz和颜色特征指数Yst均通过图像处理软件计算获取；分辨率Fbl表示图像的像素数量，直接读取焊缝图像的源数据获取。

4.根据权利要求3所述的一种基于云计算的焊缝缺陷智能检测系统，其特征在于：所述第一计算评估单元用于提取图像属性数据集中的分辨率Fbl、纹理特征指数Wlz、边缘特征指数Byz和颜色特征指数Yst，经过无量纲处理后，通过以下公式计算获得图像属性指数Txsx：式中，A表示为图像的像素总数；

所述计算评估单元通过预设属性阈值X与图像属性指数Txsx对比，生成以下结果：

若属性阈值X＜图像属性指数Txsx，则表示当前焊缝图像的属性符合焊缝图像检测要求，此时生成第一结果，并将当前图片保留，应用于模型检测当中；

若属性阈值X≥图像属性指数Txsx，则表示当前焊缝图像的属性不符合焊缝图像检测要求，当前焊缝图像无法用于焊缝的缺陷检测，此时生成第二结果，并将当前图片去除。

5.根据权利要求3所述的一种基于云计算的焊缝缺陷智能检测系统，其特征在于：所述去除单元通过哈希算法，对保留下的图片进行去重处理；通过哈希算法对保留下来的图像两两计算，计算图像之间的结构相似值，再去除结构相似值大于阈值的相似图像，将去重后的图像保存，上传至云计算平台，便于后续的缺陷计算。

6.根据权利要求1所述的一种基于云计算的焊缝缺陷智能检测系统，其特征在于：所述模型训练与部署模块包括模型训练单元和模型部署单元，所述模型训练单元将预处理后的焊缝图像依据7:2:1的比例划分为训练集、验证集和测试集，根据焊缝图像的特征选择卷积神经网络模型，并配置训练模型的参数；通过训练集进行模型训练，再结合验证集监控模型性能，最后利用测试机评估训练完成后的模型性能；最后保存训练好的模型，使用云计算平台部署模型，配置模型服务的访问接口。

7.根据权利要求1所述的一种基于云计算的焊缝缺陷智能检测系统，其特征在于：所述缺陷检测评估模块包括输入检测单元、第二采集单元和第二计算评估单元；所述输入检测单元从云计算平台中读取焊缝图像，并传入模型中进行推理；所述第二采集单元基于推理结果采集焊缝缺陷的表面缺陷体积Btj、边缘缺陷体积Bytj，凹陷深度Asd和热影响区域面积Rmj，同时构建缺陷数据集；

所述表面缺陷体积Btj通过模型输出焊缝裂纹面积Hlw、焊缝气孔面积Hqk和焊缝未熔合面积Hwrh计算获得，具体计算公式为：边缘缺陷面积Bytj表示焊缝边缘区域的缺陷面积，通过将焊缝图像转换为灰度图检测分析获得；

凹陷面积Asd表示焊缝表面凹陷区域的面积，通过激光扫描分析获得；

热影响区域面积Rmj表示焊接过程中受热影响的区域面积，通过热成像设备获取焊缝及周围的热成像图，并分析图中热影响区域的像素数获得。

8.根据权利要求7所述的一种基于云计算的焊缝缺陷智能检测系统，其特征在于：所述第二计算评估单元通过提取缺陷数据集中的表面缺陷体积Btj、边缘缺陷面积Bytj，凹陷面积Asd和热影响区域面积Rmj，进行无量纲处理后，通过以下公式计算获得焊缝缺陷指数Hqxs：式中，A表示为第一修正常数；

所述第二计算评估单元通过预设缺陷阈值Y与焊缝缺陷指数Hqxs进行对比，得出以下缺陷等级：

若缺陷阈值Y＞焊缝缺陷指数Hqxs，则表示当前焊缝存在轻微缺陷或无缺陷，此时评为A级缺陷，并根据缺陷情况做出相应的补救措施；

若缺陷阈值Y≤焊缝缺陷指数Hqxs，则表示当前焊缝存在严重缺陷，此时评为B级缺陷，并进行缺陷细化评估，具体评估方案为：将表面缺陷体积Btj、边缘缺陷面积Bytj，凹陷面积Asd和热影响区域面积Rmj归一化处理后，由高到低进行排序，找出造成焊缝缺陷的首要原因，再依据缺陷顺序，对每一个缺陷进行补救。

9.根据权利要求1所述的一种基于云计算的焊缝缺陷智能检测系统，其特征在于：所述持续优化模块基于优化数据集对现有模型再训练，并实时更新优化数据集，通过不断地再训练和优化，更新模型的参数和结构，逐步提升模型的缺陷检测能力，同时持续监控系统性能，通过反馈循环，不断改进模型和系统性能。

10.一种基于云计算的焊缝缺陷智能检测方法，应用于权利要求1~9任一项所述的一种基于云计算的焊缝缺陷智能检测系统，其特征在于：包括以下步骤：步骤一：通过图像采集模块实时采集和上传焊缝图像；通过安装工业相机实时采集焊缝图像，并将焊缝图像数据通过网络上传至云端服务器；

步骤二：通过图像预处理模块对图像进行处理和评估；所述图像预处理模块对上传的焊缝图像进行归一化、尺寸调整、去噪和数据增强处理，同时采集焊缝图像的属性参数，构建并提取图像属性数据集，计算获得图像属性指数Txsx，并对图像属性指数Txsx进行评估，最后去除重复图片；

步骤三：通过模型训练与部署模块，选择并训练卷积神经网络模型，验证并部署模型；将预处理后的焊缝图像分为训练集、验证集和测试集，再选择卷积神经网络模型，使用云计算平台进行模型训练，再对模型进行验证，最后将训练好的模型部署在云计算平台上，配置API接口，后续调用于缺陷检测评估模块；

步骤四：通过缺陷检测评估模块对焊缝进行检测和评估；将焊缝图像输入到模型中，进行缺陷检测，通过模型输出焊缝缺陷，并采集焊缝缺陷，构建缺陷数据集；提取缺陷数据集计算获得焊缝缺陷指数Hqxs并进行评估；

步骤五：通过持续优化模块收集检测结果，进行模型再训练，持续监控和优化系统性能；根据缺陷检测评估模块的评估结果，以及其他反馈数据，建立优化数据集，并实时更新；使用优化数据集对模型进行再训练，持续优化模型的检测能力。