1.一种基于改进的ACA‑Zernike矩磁瓦边缘检测方法，其特征在于：包括如下步骤：

1)采集磁瓦图像f(x,y)并进行预处理，利用改进蚁群算子进行获取磁瓦图像的像素级边缘；

2)根据步骤1)所获得的像素级边缘坐标，将采集的原始磁瓦图像f(x,y)中的边缘领域像素灰度值与Zernike矩的模板系数M00、M11、M20、M31、M40,进行卷积，得到Zernike矩的子模板系数Z00、Z11、Z20、Z31、Z40；

3)通过边缘阶跃模型得到不同阶次的Zernike矩Z，00、Z，11、Z，20、Z，31、Z，40，代入步骤2)所得到Zernike矩的子模板系数Z00、Z11、Z20、Z31、Z40，得到模型参数l、h、k、θ；

4)利用二维Otsu算法获取最佳判断阈值kt，判断边缘像素点是否满足边缘判断条件k≥kt∩l≤lt，kt、lt为判断阈值；

5)根据优化后最小二乘法直线拟合，将平方总和作为度量指标来替代经典二乘法的距离，获取磁瓦尺寸。

2.如权利要求1所述的基于改进的ACA‑Zernike矩磁瓦边缘检测方法，其特征在于：磁瓦图像采集时，通过圆顶LED光源照射磁瓦，工业相机拍摄采集磁瓦图像。

3.如权利要求1所述的基于改进的ACA‑Zernike矩磁瓦边缘检测方法，其特征在于：利用改进蚁群算子进行获取磁瓦图像的像素级边缘，具体包括：

1)蚂蚁通过信息素和启发函数来选择下一节点，转移概率公式如下：式中，pk(i,j)是蚂蚁从节点i注意到节点j的概率，τ(i,j)是节点i与节点j路径上的信息素，η(i,j)是节点i与节点j之间的启发函数，通常取两点之间欧氏距离的倒数，α,β分别表示转移时信息素与启发函数的重要程度；

当蚂蚁按照转移概率公式完成第一次寻路后，信息素需要更新，公式如下：式中，m是蚂蚁个数，ρ是信息素的蒸发率，规定0＜ρ≤1；△τk(i,j)是第k只蚂蚁在它经k过的边上释放的信息素量，它等于蚂蚁k本轮构建路径长度的倒数；Ck表示路径长度，它是R中所有边的长度和；

2)启发信息改进：

首先令每只蚂蚁随机分布在M×N的二维网格点阵上，蚂蚁在所述二维网格点阵上运动，规定蚂蚁每步仅能移动一个像素点，接着选取Sobel算子作为启发信息，用Sobel算子得到的边缘将作为蚁群边缘检测算法的启发信息η，像素点的启发信息的公式如下：

3)信息素改进：

改进的信息素添加格外项称之为精英蚂蚁，对信息素量采取如下自适应改进：每次循环之后给予最优路径额外的信息素量，找出这个解的蚂蚁成为精英蚂蚁，将这条最有路径记为Tb,针对路径Tb的额外强化是通过向Tb中的每一条边增加e/Lb大小的信息素得到的，其中e是一个参数，它定义了给予路径Tb的权值大小，Lb代表了Tb的长度，△定义为：对e的取值进行如下改进：

4.如权利要求1所述的基于改进的ACA‑Zernike矩磁瓦边缘检测方法，其特征在于：使用Zernike矩的7×7模板，将得到的像素级边缘坐标度值进行卷积从而得到所需要的Z00、Z11、Z20、Z31、Z40。

5.如权利要求1所述的基于改进的ACA‑Zernike矩磁瓦边缘检测方法，其特征在于：步骤3)包括：

建立一个理想的边缘阶跃模型，然后提取该模型的四个参数l、k、h、θ后，将其映射到Zernike矩中进行计算，得到不同阶次的Zernike矩Z，00、Z，11、Z，20、Z，31、Z，40，此时可得到Z，00、Z，11、Z，20、Z，31、Z，40与所述四个参数l、k、h、θ的关系式，再将得到的Z00、Z11、Z20、Z31、Z40代入得到四个参数l、k、h、θ具体数值。

6.如权利要求1所述的基于改进的ACA‑Zernike矩磁瓦边缘检测方法，其特征在于：步骤5)中，最小二乘法优化包括：

传统最小二乘法可以用以下公式表示：

传统最小二乘法要求 的值最小，分别对该式a、b进行偏导后可得最佳估计值：

对最小二乘法进行优化，首先对目标点集进行初步的最小二乘法拟合，得到第一次拟合的直线后，将点到拟合直线的平方和作为度量指标来替代传统最小二乘法中的两点直线距离，假定所求回归直线为：

yi＝a0xi+b0

定义平方和函数如下：

根据拟合精度要求设定距离阈值，判断点S是否小于该阈值，将满足筛选条件的点放入拟合点集合中进行第二次直线拟合，然后使用目标点集合中的点对新拟合的直线进行点到直线的距离筛选，直到拟合点集合中的点到拟合直线的距离均在设定范围内，输出直线拟合结果。