1.一种基于生成热成像的复合材料缺陷无损检测方法，其特征在于：包括以下步骤:(1)获取聚合物试样的红外热图像数据集：通过发射热脉冲作为辐射热源加热待检试样，在样品冷却阶段，使用红外摄像机捕获待检试样表面温度分布，在获得nt张原始热图像后，取图像的感兴趣区域nx×ny作为后续模型的红外热成像IRT数据集，数据集的三维表示为(nx×ny)×nt；

(2)建立谱归一化生成对抗网络模型并训练：建立谱归一化生成对抗网络SNGAN，将步骤(1)中获取的原始热图像作为训练数据对谱归一化生成对抗网络SNGAN进行训练，最后，利用谱归一化生成对抗网络SNGAN生成ng张假的热图像；

(3)热图像预处理：

将原始热图像与步骤(2)中生成的热图像合并为三维的综合数据集nx×ny×(nt+ng)；随后将三维的数据集转换为二维矩阵X用于流形学习降维，此外，为了加快模型的训练速度，对X矩阵做归一化处理，

其中，nx表示坐标轴x方向上热图像的像素点数，即热图像的长度，ny表示坐标轴y方向上热图像的像素点数，即热图像的宽度，nt表示步骤(1)中t时间内获得的原始热图像数量；

ng表示步骤(2)中生成的假的热图像数量；

(4)等度量映射ISOMAP降维：将热图像二维矩阵X作为输入，采用等度量映射ISOMAP算法对其进行降维：通过构造邻域图，近邻样本点采用欧氏距离来代替，非近邻的样本点通过最短路径算出距离，所述近邻样本点为k个最近点之一，k为人为设置的近邻点数，最终热图像数据的固有流形结构被保留，降维完成后，获得热成像数据在低维空间中的嵌入表示及Y矩阵；

(5)缺陷可视化：

采用偏最小二乘回归PLSR来拟合降维过程中的映射关系，将偏最小二乘回归PLSR中求解得到的转换矩阵的每列重构成尺寸为nx×ny的二维矩阵，可视化为热图像后从中能够发现缺陷的形态；

(6)模型表现评估：

采用信噪比SNR指标评价方法定量缺陷检测效果，信噪比SNR值越大，表示缺陷识别能力越强。

2.根据权利要求1所述的一种基于生成热成像的复合材料缺陷无损检测方法，其特征在于，所述谱归一化生成对抗网络SNGAN包括生成器和判别器，所述生成器、判别器均由输入层、隐含层和输出层组成，所述步骤(2)的具体过程为：步骤2.1：生成器的目标是产生假的热图像来欺骗判别器，判别器的目标是将生成器生成的图像与真实的图像分离，谱归一化生成对抗网络谱归一化生成对抗网络SNGAN中判别器的每一层权值矩阵进行了谱归一化处理：假设判别器有m层神经网络，W和其谱范数σ(W)可以表示为：对判别器各层的权矩阵Wi进行光谱归一化：其中，m表示SNGAN的判别器结构中神经网络的参数；

i表示在m层神经网络中的第i层，1≤i≤m；

D表示对角矩阵，Di表示第i层神经网络对应的对角矩阵 为各层光谱归一化后的权值矩阵，此时判别器的所有层都满足1‑Lipshcitz限制；

步骤2.2：谱归一化生成对抗网络SNGAN模型训练收敛后，作为数据增强策略，谱归一化生成对抗网络SNGAN被嵌入复合材料缺陷检测GMLT框架用于产生ng张假的热图像生成，以扩充原始数据集。

3.根据权利要求1或2所述的一种基于生成热成像的复合材料缺陷无损检测方法，其特征在于，所述步骤(3)的过程为：步骤3.1：为进行图像分析，将原始的热图像数据(nx×ny)×nt与生成的热图像数据(nx×ny)×ng合并为三维的综合数据集nx×ny×(nt+ng)；

步骤3.2：将三维的综合数据集转换为维度为nxny×(nt+ng)的二维矩阵X，其中矩阵X的行向量表示热图像中每个像素点处的温度变化，矩阵X的列向量为每张热像图的展开，步骤3.3：为了减少计算量，更有效地提取特征，对矩阵X的列向量进行最大‑最小归一化处理，归一化后的矩阵仍用X表示，归一化的具体公式如下：式中：x′表示归一化后得到的图像样本数据；x表示通过红外摄像机采集到的原始图像，xmin表示图像中的最小值，xmax表示图像中的最大值。

4.根据权利要求1所述的一种基于生成热成像的复合材料缺陷无损检测方法，其特征在于，所述步骤(4)的过程为：步骤4.1：将矩阵X作为输入，矩阵X的每一列作为一个样本点，每一行都是一个维度，等度量映射ISOMAP的目标函数表示为：式中：i、j分别表示n个样本中的第i个与第j个样本点，其中，1≤i≤n，1≤j≤n，n是样本的数量；G表示邻域图；dG(i,j)是样本点xi和xj之间的最短路径；yi和yj是样本点xi和xj在低维欧式空间的嵌入坐标，

通过将坐标向量y设为距离矩阵D的前d个特征值对应的特征向量，可以得到上述公式的全局最优解，由此计算获得热图像数据矩阵X在低维空间的表示Y矩阵。

5.根据权利要求1所述的一种基于生成热成像的复合材料缺陷无损检测方法，其特征在于，所述步骤(5)的过程为：T T T T

步骤5.1：采用偏最小二乘回归PLSR方法求解矩阵X 与Y之间的转换矩阵B，将X和Y 矩阵的行向量定义为样本，列向量定义为变量，两个矩阵均按行进行归一化，根据主成分回归T T

思想，对X和Y的主成分进行回归建模：T

X＝VP+E

T

Y＝UQ+F

T T T T T T

式中：V、U分别为X、Y的得分矩阵；P、Q分别为X、Y的载荷矩阵；E、F分别为X、Y的残差矩阵；

然后，利用列向量的相关性对得分矩阵V和U进行回归分析，得到转换矩阵B：U＝VB

T ‑1 T

式中：转换矩阵B是关联矩阵，B＝(VV )VU；

步骤5.2：将转换矩阵B的每一列向量重构为大小为nx×ny的二维矩阵，每一列向量记作指示向量IV，将指示向量IV重构的二维矩阵可视化后，从热图像中可以检测到缺陷。

6.根据权利要求1所述的一种基于生成热成像的复合材料缺陷无损检测方法，其特征在于，所述步骤(6)的过程为：采用信噪比SNR指标评价方法定量缺陷检测效果，其计算公式如下：式中：Mdef是缺陷区域像素值的平均值，Min是非缺陷区域像素值的平均值，σin是非缺陷区域像素值的标准偏差，SNR值越大，表明方法的缺陷识别能力越强。