1.一种针对异形轴接口尺寸的检测方法，其特征在于，包括如下内容：

S1、利用CMOS相机采集异形零件在实验台上的图像用于制作数据集，利用标注软件标注数据集；对数据集进行扩增，并将数据集划分为训练集和验证集；

S2、对S1中所得的数据集进行处理，处理完成后输入YOLOv8中训练得到modelv8.pt文件；具体包括如下内容：S2.1、根据灰度图像的直方图特征确定双边阈值；

S2.2、对零件像素值小于20和零件像素值大于240的区间分别确定阈值：对零件像素值小于20的区间内采用最大像素值和最小像素值取平均作为最小阈值；对零件像素值大于

240的区间，计算像素值大于240的像素个数取为中位数的阈值作为最大阈值；

S2.3、对S2.2中最大阈值和最小阈值之间的区间进行高斯滤波处理；

S2.4、利用Sobel算子对图像进行边缘提取；

S2.5、将S2.4中边缘提取之后的图片进行打标签，在YOLOv8中训练得到modelv8.pt文件；

S3、使用相机参数估计模型检测出目标框1和2的像素尺寸以及旋转角度；

S4、选取梯度下降算法SGDRegressor作为误差补偿模型，使用误差补偿模型将二维图片中目标框的尺寸和角度近似要检测部分的尺寸，间接的表示二维图片的所测部分的角度；将二维空间的尺寸和角度与三维空间的尺寸和角度的误差进行估计，训练出误差补偿模型，得到regression_model.pt文件；

S5、在YOLOv8中加入转换和矫正模块，结合相机参数估计模型与误差补偿模型构建基于YOLOv8‑SGDRegressor算法的相机参数估计‑误差补偿检测模型，对模型进行训练，具体包括如下内容：设置训练参数，采训练迭代次数为500次，前50次利用冻结方式训练，学习率为0.001；后250次迭代学习率为0.0001；所述训练过程采用退火余弦算法以及标签平滑算法；

然后输入modelv8.pt文件和regression_ model.pt文件，对预测值进行尺寸转换和校正，得到真实的尺寸和角度；

所述基于YOLOv8‑SGDRegressor算法的相机参数估计‑误差补偿检测模型中包括有卡尔曼滤波器模块和损失函数模块，所述卡尔曼滤波器模块设置有CBAM注意力机制，所述损失函数模块具体为分类loss和边框回归loss。

2.根据权利要求1所述的一种针对异形轴接口尺寸的检测方法，其特征在于，所述S1具体包括如下内容：利用CMOS相机采集异形零件在实验台上的图像用于制作异形轴接口零件图像数据集，对所得数据集进行扩增，并按照8：2的比例将数据集划分为训练集和验证集，并对所有图像中的检测部位相邻两部分标注出区域和类别信息。