1.一种基于图像的建筑钢管横截面尺寸测量方法，将建筑钢管的图像输入到训练好的边缘检测模型中，进行边缘检测，其特征在于，其边缘检测模型包括主干网络、深监督模块和特征融合模块；在得到图像的边缘信息后，对边缘图像进行腐蚀、连通域处理，最后对处理后的边缘图像在Hough圆检测的基础上，先获得Hough圆检测的初始半径及圆心，取初始圆心的八邻域，计算图像上所有的点到八个圆心的距离，取其平均值作为半径；以八邻域的圆心计算得到的半径做八个圆，分别计算这八个圆和初始运用Hough圆检测得到的圆与图像中圆的重复度，其重合度最高的圆来确定钢管横截面直径尺寸；

所述主干网络实现了边缘特征的自动提取，主干网络提取建筑钢管图像的多尺度特征，包括五层特征 ；

所述深监督模块对每一个stage进行监督学习，使得每一个stage输出一张边缘图像，深监督模块对主干网提取的多尺度特征 进行增强，在主干网络每一个卷积层后添加一个1×1‑21的卷积层，用于升维，然后通过深监督模块的1×1‑1的卷积层进行多通道合并，实现不同通道之间的信息交互，最后对每一层合并后得到的信息进行反卷积操作，获取每一层的特征图像并充分感知全局上下文信息；

所述特征融合模块利用1*1的卷积层将每一个stage生成的特征图进行融合，最后输出融合后的特征图像。

2.根据权利要求1所述的一种基于图像的建筑钢管横截面尺寸测量方法，其特征在于，构建并训练边缘检测模型和粗边缘图像处理的方法包括：S11，将预先采集的图像数据集划分为训练集和测试集；

S12，构建边缘检测模型；

S13，使用训练集对已构建的边缘检测模型进行训练；

S14，使用测试集对已训练的边缘检测模型进行测试；

S15，使用腐蚀、连通域对粗边缘图像进行处理；

S16，使用优化的Hough圆检测进行准确计算半径。

3.根据权利要求1所述的一种基于图像的建筑钢管横截面尺寸测量方法，其特征在于，主干网络得到全局上下文特征，其中主干网络共包含五层特征，每一层之间使用2×2的最大池化层连接，在主干网络的第五层采用扩张卷积技术，以此来增加感受野。

4.根据权利要求1所述的一种基于图像的建筑钢管横截面尺寸测量方法，其特征在于，在特征融合模块，对每一层得到边缘特征输出叠加，再进行一遍1×1‑1卷积多通道合并，来达到获取多种混合信息的能力，在特征融合模块中运用了sigmoid激活函数和交叉熵损失函数，计算每个像素点的损失函数表示为：其中Y+和Y‑分别代表正负样本的数量，超参数λ用来平衡正负样本的数量差，Xi代表神经网络的激活值，yi代表标签图中像素点 i 是边缘点的概率值，W代表神经网络中可学习的参数，在去掉深监督模块的损失计算后，每张图片的损失公式为：。

5.根据权利要求1所述的一种基于图像的建筑钢管横截面尺寸测量方法，其特征在于，对边缘图像进行腐蚀，利用二值图像腐蚀操作，将腐蚀系数设置为2，得到精细的边缘信息。