1.一种基于偏振图像的目标检测数据集构建方法，其特征在于，包括如下步骤：

步骤一、构建偏振图像的目标检测数据集，并对目标检测数据集进行预处理，根据图像中散射介质的散射浊度的进行分组，然后对目标检测数据集中的图像打标签，标记图像目标物的位置与类别，构建适用于训练目标检测模型的原始数据；

步骤二、结合偏振双向反射分布函数(pBRDF)模型与菲涅尔反射模型推导目标物表面的反射光偏振信息的分布规律，推导出目标物表面的物理特性与目标物表面反射光的偏振信息之间的关系表达式；

步骤三、不同材质目标表面的物理性质存在差异，偏振成像技术能够将这种差异存储到偏振图像中，然而，在充满高浓度的散射介质的环境中，偏振图像也不可避免地出现大量噪声，这对提取偏振特征产生了干扰，根据目标物区域与背景区域的像素差异，基于统计的思想，通过统计偏振图像中偏振信息的变化，能够将淹没在噪声中的偏振信息凸显出来，根据统计学中离散度的度量方法，推导出计算偏振图像离散度的表达式，目标物的偏振离散度由下式给出：基于卷积神经网络构造，根据表达式构建用于提取偏振离散度特征的网络层；

步骤四、结合主流目标检测网络框架——YOLOv4，构建基于偏振离散度的目标检测网络模型，所述目标检测网络模型由偏振态计算层、离散度计算网络层、目标检测网络构成；

步骤五、将偏振分量图像(0°，45°，90°线偏振)作为模型的输入，在偏振态计算层根据斯托克斯矢量对偏振分量图像进行矩阵运算，计算斯托克斯参数，从而获得AOP与DOLP图像，然后将AOP与DOLP图像传入构建的所述离散度计算网络层，使用AOP与DOLP图像的像素灰度值计算偏振特性的离散度，获得偏振信息的分布状态，在骨干网络中,用更高维度的特性信息表征目标物的物理特性参数，在颈部网络处理不同维度的特征图，结合全局信息与局部信息得到更多维度的特征，并对特征图进行修饰，然后根据概率分布在头部网络输出目标物的位置与类别信息，根据目标物位置坐标与类别信息在原始光强图像上画出边界框并标注目标物的类别与置信度的文本信息；

步骤六、利用步骤一中的所述目标检测数据集对搭建的网络进行训练，得到目标检测模型的权重文件，利用测试集图像对步骤四中的所述目标检测网络模型进行测试，使用Mean Average Precision、Intersection Over Union评价指标衡量模型效果。

2.根据权利要求1所述的一种基于偏振图像的目标检测数据集构建方法，其特征在于，步骤一中的所述目标检测数据集的构建方法：利用常见的散射介质7创造空气或水中复杂环境，将不同材质的物体放入该环境作为目标物5，基于主动偏振成像原理，调制偏振光作为主动光源，并控制散射介质浓度，使用配备偏振片的CMOS相机8拍摄不同环境中所述目标物5的偏振分量图像，获取原始偏振图像的目标检测数据集，提取原始偏振图像的目标检测数据集中的偏振信息，获取图像中偏振角、偏振度多维偏振信息，同时去除被噪声干扰的数据，在数据筛选的基础上进行数据裁剪转置处理，提高目标检测数据集质量。

3.根据权利要求2所述的一种基于偏振图像的目标检测数据集构建方法，其特征在于，步骤一中的所述目标检测数据集的构建方法采用的装置包括光源(1)，所述光源(1)的一侧依次设置有偏振片(2)、四分之一波片(3)、扩束器(4)，所述扩束器(4)的远离所述四分之一波片(3)的一侧设置有玻璃水缸(6)，所述玻璃水缸(6)内有散射介质(7)，所述散射介质(7)内有目标物(5)，所述玻璃水缸(6)的靠近所述扩束器(4)的一侧还设置有CMOS相机(8)以及配备偏振片的步进电机(9)。

4.根据权利要求3所述的一种基于偏振图像的目标检测数据集构建方法，其特征在于，所述散射介质包括烟雾，脱脂牛奶。