1.一种基于距离信息驱动的复杂工业图像异常检测方法，其特征是，该方法包括：获取待检测图像；

将所述待检测图像输入训练好的图像异常检测模型，获得异常定位图；

其中，所述图像异常检测模型包括待检测物体分割器、距离表示图像生成模块、距离特征映射模块和异常分割器，数据处理过程包括：提取待检测图像的特征，将待检测图像的特征输入待检测物体分割器，得到预测待检测物体分割图像 ；

将预测待检测物体分割图像 输入距离表示图像生成模块，得到彩色距离表示图像 ；

提取彩色距离表示图像 的特征，将彩色距离表示图像 的特征与待检测图像的特征分别输入距离特征映射模块，得到融合后的特征；

将融合后的特征输入异常分割器，得到预测异常分割图像 ，即为所求异常定位图。

2.根据权利要求1所述的基于距离信息驱动的复杂工业图像异常检测方法，其特征是，所述图像异常检测模型是利用人工合成的伪异常图像进行训练的。

3.根据权利要求2所述的基于距离信息驱动的复杂工业图像异常检测方法，其特征是，所述伪异常图像的合成方法包括：将无异常图像输入SAM模型，得到单通道的真实待检测物体分割图像 ；

计算真实待检测物体分割图像 中的白色区域大小及范围，得到每一个待检测物体的大小；

根据每一个待检测物体的大小确定生成的伪异常图像的长度length；

复制无异常图像，得到图像 ；

随机在图像 上选择一个坐标 ，构成一个正方形区域box ：；

在图像 上再次随机选择一个坐标 ，生成 区域：，将box区域内的内容粘贴在 区域上，得到第一阶段的伪异常图像 ；

保持length不变，采用上述方法再次构建新的box1和 区域；

在 图像上，将box1区域内的内容粘贴在 区域上，得到伪异常图像 。

4.根据权利要求3所述的基于距离信息驱动的复杂工业图像异常检测方法，其特征是，在合成伪异常图像 的过程中，同步生成真实异常分割图像 ，包括：生成一张与图像 大小相同的全黑色图片记作 ；

将 上与 的 区域对应的位置区域变为白色，得到第一阶段的真实异常分割图 ；

将第一阶段的真实异常分割图 上与 的 区域对应的位置区域变为白色，得到真实异常分割图像 。

5.根据权利要求4所述的基于距离信息驱动的复杂工业图像异常检测方法，其特征是，所述图像异常检测模型的训练方法包括：将真实的彩色距离表示图像 的提取特征和伪异常图像 的提取特征卷积后通过距离特征映射模块处理，得到若干组特征向量；

将若干组特征向量通过异常分割器处理，得到预测异常分割器图 ；

将预测异常分割器图 与真实异常分割图像 进行比对，计算损失loss1；

将伪异常图像 的提取特征通过待检测物体分割器处理，得到预测待检测物体分割图 ；

将预测待检测物体分割图 与真实待检测物体分割图像 进行比对，计算损失loss2；

利用loss1对距离特征映射模块以及异常分割器进行训练，loss2对待检测物体分割器进行训练，训练若干轮后，选择loss1与loss2加和最小的模型作为最终的图像异常检测模型。

6.根据权利要求1所述的基于距离信息驱动的复杂工业图像异常检测方法，其特征是，所述待检测物体分割器为三层，de_lay3，de_lay2，de_lay1，每层结构相同，包括： {1. Dropout2d层；

2.卷积层(Conv2d)，卷积核大小3，步长3；

3.卷积层(Conv2d)，卷积核大小3，步长1；

4.上采样层}；

其中，de_lay3上采样倍率为2，de_lay2和de_lay1上采样倍率为4；

将待检测图像的第5层特征输入de_lay3进行处理，de_lay3的处理结果输入de_lay2进行处理，de_lay2的处理结果输入de_lay1，得到的结果为测试阶段的预测待检测物体分割图像 。

7.根据权利要求1所述的基于距离信息驱动的复杂工业图像异常检测方法，其特征是，所述将预测待检测物体分割图像 输入距离表示图像生成模块，得到彩色距离表示图像 ，包括：输入预测待检测物体分割图像 ；

计算每个待检测物体的位置中心，生成单通道距离表示图像；

对单通道距离表示图像进行颜色映射，得到彩色距离表示图像 。

8.根据权利要求1所述的基于距离信息驱动的复杂工业图像异常检测方法，其特征是，所述距离特征映射模块包含特征信息增强模块和通道联系增强模块，所述待检测图像的特征通过特征信息增强模块，利用彩色距离表示图像 的特征进行增强，得到增强后的特征；

所述增强后的特征通过通道联系增强模块进行通道关联性信息的增强，得到融合后的特征。

9.根据权利要求1所述的基于距离信息驱动的复杂工业图像异常检测方法，其特征是，所述异常分割器分为五层，从下到上依次为：De_lay5，De_lay4，De_lay3，De_lay2，De_lay1，每层结构相同，包括：{1. Dropout2d层；

2.卷积层(Conv2d)，卷积核大小3，步长3；

3.卷积层(Conv2d)，卷积核大小3，步长1；

4.上采样层}；

将融合后的特征的对应部分输入第五层；

第五层对该层对应的融合后的特征处理，处理后的结果与第四层对应的融合后的特征共同送入第四层处理；采用同样的方法依次向上处理，最终输出的特征为预测异常分割图像 。

10.一种基于距离信息驱动的复杂工业图像异常检测装置，其特征在于，包括处理器及存储介质；

所述存储介质用于存储指令；

所述处理器用于根据所述指令进行操作以执行根据权利要求1至9任一项所述方法的步骤。