1.一种工业电缆缺陷图像数据处理方法，其特征在于，包括以下步骤：

S1、创建工业电缆缺陷图像数据集，摄像机获取不同缺陷类型的电缆图像，包括受潮、老化、破损、裂损四种状态下的电缆缺陷图像，对电缆缺陷图像进行标注，包括缺陷的位置与类型；

S2、对工业电缆缺陷图像数据集进行预处理，包括对数据集中的图像进行裁剪和归一化操作；

S3、构建卷积池化增强模块，包括平均池化层与轻量级通道注意力机制ECANet；

S4、构建工业电缆缺陷分类模块，包含去除最大池化层的原始VGG16模型与池化增强卷积模块；

S5、构建解码器，包括上采样、空洞卷积、跳跃连接和输出，

S6、构建工业电缆缺陷位置分割模块，模块结构基于编码器-解码器架构。编码器部分为去除全连接层和Softmax激活函数的工业电缆缺陷分类模块，解码器包括上采样、空洞卷积、跳跃连接和输出；

S7、使用工业电缆缺陷检测算法训练工业电缆缺陷图像数据集，整体算法包含输入、工业电缆缺陷分类模块、工业电缆缺陷位置分割模块和输出，训练完成之后得到工业电缆缺陷检测算法；

S8、对工业电缆缺陷检测算法进行优化，使用独立测试集评估模型性能，根据评估结果，对模型进行优化；

S9、使用工业电缆缺陷检测算法对光缆缺陷进行检测，获得单张检测图像，并输入到工业电缆缺陷检测算法，得到输出结果，结果分为受潮、老化、破损、裂损四种状态；

S10、受潮、老化、破损、裂损四种状态持续学习与更新，工业光缆随着外力、环境、施工和材料质量等因素而变化，持续收集新的电缆缺陷数据和图像，并对模型进行再训练，以适应新的电缆缺陷类型。

2.根据权利要求1所述的一种工业电缆缺陷图像数据处理方法，其特征在于，所述步骤S1中，采用Logitech C920高清摄像头在稳定光源条件下对高湿度环境下受潮、因长期过载运行产生的热量加速绝缘材料老化、明显破损和裂损不同状态下的电缆缺陷图像进行拍摄，图像清晰度高，能够充分展示各缺陷特征，每种状态下收集的样本数量充足且均匀，保证数据集中各类别分布均衡，有助于提升模型的泛化能力，此外，使用图像标注软件LabelImg绘制边界框，以标记缺陷区域，并为每个边界框分配相应的“受潮”、“老化”、“破损”或“裂损”类别标签，以精确标识工业电缆缺陷的位置及其类型。

3.根据权利要求2所述的一种工业电缆缺陷图像数据处理方法，其特征在于，所述步骤S2中，对于数据集中的图像进行预处理，首先统一裁剪为224×224×3大小，随后对电缆缺陷图像归一化，将RGB图像中所有像素值除以255，调整到[0,1]范围内，有助于网络更快速收敛以提升模型稳定性，预处理确保了所有图像的尺寸一致，并且像素值被适当地归一化，这有助于提高后续图像处理和模型训练的效率与效果。

4.根据权利要求3所述的一种工业电缆缺陷图像数据处理方法，其特征在于，所述步骤S3中，原始图像首先经过卷积层得到特征图，特征图接着通过池化增强卷积模块将每个区域的所有值计入最终的输出值，池化增强卷积模块包含了平均池化层和轻量级通道注意力模块，首先特征图进入平均池化层操作Z′＝avgpool(Z)；经过平均池化计算的特征图进入轻量级通道注意力模块，首先为每个通道的特征图执行全局平均池化操作，得到每个通道的统计信息z：其中H，W，分别为输入图像的通道数、高和宽；随后通过一维卷积层对得到的向量进行卷积，以建模通道间的相关性：W＝Conv1D(z；k，r)，其中w是一维卷积的结果，卷积核大小为k，步幅大小为r；接下来使用Sigmoid激活函数将得到的权重向量映射到[0，1]之间：s＝σ(w)，最后将得到的权重与原始特征图相乘，以重新加权每个通道的重要性：F是重标定后的特征图，o表示按元素相乘，为了进一步平滑特征图，特征F′进入平均池化层：其中k为卷积核大小。

5.根据权利要求4所述的一种工业电缆缺陷图像数据处理方法，其特征在于，所述步骤S4中，经过五次卷积层和池化增强模块处理后，输出特征向量F″通过Softmax函数得到最终的分类概率分布O′：O′＝Softmax(0)，其中O是特征向量F″经过两次全连接层得到的特征向量，通过上述步骤，改进的VGG16网络能够有效提取工业电缆缺陷的关键特征，而Softmax函数则负责将这些特征转换为分类概率，从而实现对电缆缺陷的有效分类。

6.根据权利要求5所述的一种工业电缆缺陷图像数据处理方法，其特征在于，在S5步骤中，首先使用双线性插值进行上采样，Wout＝Win×scale_factor，Hout＝Hin×scale_factor，其中Wout和Hout表示输出特征图的宽度和高度，Win和Hin表示输入特征图的宽度和高度，scale_factor表示上采样的比例因子；上采样后添加空洞卷积恢复图像细节：其中K代表卷积核，S代表步长，P代表填充数量，R代表空洞率，为卷积核的相邻元素之间插入空洞卷积扩大感受野，从而捕获更大范围的上下文信息。

7.根据权利要求6所述的一种工业电缆缺陷图像数据处理方法，其特征在于，在S6步骤中，对于编码器得到的特征向量Ei(x，y)，将编码器部分对应的特征图与解码器部分的特征向量Di(x，y)通过各像素点对应相加的方式进行融合：Fi(x，y)＝Di(x，y)+Ei(x，y)；最后经过解码器的特征还原，使用Sigmoid激活函数将特征向量转换为图像中每个像素为分割目标和背景的概率分布，概率越大，该像素属于分割目标的置信度就越大。

8.根据权利要求7所述的一种工业电缆缺陷图像数据处理方法，其特征在于，在S7步骤中，工业电缆缺陷图像数据集中每个类别的训练集和测试集按照4：1比例划分，训练使用SGD优化器，初始学习率设置为0.001，训练轮次为200；使用准确率、精确率、召回率和F1得分作为评价指标，准确率为正确预测样本数占总样本数的比例，精确率为被模型预测为正例的样本中实际为正例的比例，召回率为所有实际为正例的样本中被模型正确识别的比例；F1得分为精确率和召回率的调和平均值。