1.一种基于特征增强和深度网络的温控器质量检测方法，其特征在于，包括：

S1：收集温控器状态数据集，将其转化为YOLO训练格式，制作数据集的状态标签，并将其构建为训练集、测试集；

S2：引入DCNv2可变形卷积网络、FEM特征增强模块、DPAG集成双路径门控注意力模块、MDC模块、DC模块以及改进的特征融合部分来优化YOLOv8检测算法，构建了基于特征增强和改进YOLOv8的温控器质量检测模型；

S3：将采集构建的温控器状态图像数据集的输入改进的YOLOv8网络进行训练，保存最优训练结果的检测模型；

S4：将新采集的温控器状态图像作为测试集，输入保存的最优检测模型中，输出具体的检测结果；

S5：设定15分钟为温控器质量的检测时间阈值，在15分钟内，有标签为1的为不合格进行筛选，在15分钟时，有标签为0的为不合格也进行筛选；

包括，步骤S1中构建温控器状态检测数据集，本发明首先用扫描摄像头在加热铝板装置加热的15分钟内进行图像采集，使用标注工具labelimg标注温控器的状态标签，训练集、测试集都包括若干温控器不同状态温控器有标签图像其中小杆弹起状态图像标签为1，小杆未弹起状态的图像标签为0；

包括，EFM‑DPAG特征增强模块包括第一EFM‑DPAG模块、第二EFM‑DPAG模块，并且EFM‑DPAG模块包含两个部分：EFM模块和DPAG模块；FEM模块为特征增强模块，它是通过在多个分支上使用不同的卷积和尺度构建多分支结构连接多通道特征映射，从而横向扩展网络宽度，提高了特征的提取能力；DPAG模块集成了分支通道注意力模块和通道注意力模块两种连续注意机制，其中分支通道注意模块通过通道关系门和位置关系门增强通道相关性和特征精度，通道注意模块通过抓取空间信息对目标进行定位，EFM‑DPAG模块提高了特征利用和识别能力的效率。

2.如权利要求1所述的基于特征增强和深度网络的温控器质量检测方法，其特征在于，包括，步骤S2中基于改进YOLOv8的温控器状态检测模型包括输入、骨干网络、颈部网络和头部网络；

骨干网络依次包括第一卷积模块、第二卷积模块、第一C2f模块、第三卷积模块、第一C2f‑DCN模块、第一EFM‑DPAG模块、第四卷积模块、第二C2f‑DCN模块、第二EFM‑DPAG模块、第五卷积模块、第三C2f‑DCN模块、SPPF模块；

C2f‑DCN模块包括第一C2f‑DCN模块、第二C2f‑DCN模块、第三C2f‑DCN模块，C2f‑DCN模块由2个DCNv2和n个Bottleneck‑j模块组成；YOLOv8的骨干网络首先使用两个连续的3×3卷积直接将输入图像分辨率降低了4倍，过度压缩像素会导致一些目标特征难以提取；利用DCNv2变形卷积的位置，可以有效地求解图像中已经变形的目标，更准确地提取想要的特征，解决原C2f模块带来的参数过多的问题，使模型更加的轻量化。

3.如权利要求1所述的基于特征增强和深度网络的温控器质量检测方法，其特征在于，包括，骨干网络第一FEM‑DPAG模块与颈部网络的第二聚合模块相连；骨干网络的第二FEM‑DPAG模块与颈部网络的第一聚合模块相连；

颈部网络依次包括第一上采样模块、第一聚合模块、C2f模块、第二上采样模块、第二聚合模块、第一DC模块、第一MDC模块、第三聚合模块、第二DC模块、第二MDC模型、第四聚合模块、第三DC模块，C2f模块和第三聚合模块相连；在第一、第三和第四聚合模块上，有来自骨干网络的连接去进一步改进特征融合部分，提高特征的利用。

4.如权利要求1所述的基于特征增强和深度网络的温控器质量检测方法，其特征在于，包括，改进的特征融合部分是在骨干网络的第二卷积模块后进行最大池化层下采样操作，将特征提取的浅层特征信息传递给特征融合层，操作为：将第二卷积模块后的特征图进行下采样，分别与颈部网络中的第一聚合模块、第三聚合模块和第四聚合模块相连；

MDC模块包括第一MDC模块、第二MDC模块，MDC模块是来替换颈部网络(Neck)中的普通卷积层，使传递到特征融合层的特征信息有很好的融合。

5.如权利要求1所述的基于特征增强和深度网络的温控器质量检测方法，其特征在于，包括，DC模块包括第一DC模块、第二DC模块、第三DC模块；DC模块将替换为位于检测头前面的C2f模块，有效去改善物体重叠导致的检测精度下降的问题；

头部网络包括三个检测头，三个检测头分别与颈部网络的第一DC模块、第二DC模块、第三DC模块相连。

6.一种应用如权利要求1～5任意一项所述基于特征增强和深度网络的温控器质量检测方法的基于特征增强和深度网络的温控器质量检测系统，其特征在于，包括：数据集制作模块：用于收集温控器状态数据集，将其转化为YOLO训练格式，制作数据集的状态标签，并将其构建为训练集、测试集；

质量检测模型构建模块：用于引入DCNv2可变形卷积网络、FEM特征增强模块、DPAG集成双路径门控注意力模块、MDC模块、DC模块以及改进的特征融合部分来优化YOLOv8检测算法，构建基于特征增强和改进YOLOv8的温控器质量检测模型；

最优训练结果检测模型保存模块：用于将采集构建的温控器状态图像数据集的输入改进的YOLOv8网络进行训练，保存最优训练结果的检测模型；

检测结果输出模块：用于将新采集的温控器状态图像作为测试集，输入保存的最优检测模型中，输出具体的检测结果；

不合格筛选模块：用于设定15分钟为温控器质量的检测时间阈值，在15分钟内，有标签为1的为不合格进行筛选，在15分钟时，有标签为0的为不合格也进行筛选。

7.一种计算机设备，计算机设备包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行如权利要求1～5任意一项所述的基于特征增强和深度网络的温控器质量检测方法的步骤。

8.一种信息数据处理终端，信息数据处理终端用于实现如权利要求6所述的基于特征增强和深度网络的温控器质量检测系统。