1.锅炉防磨防爆检测方法，其特征在于，包括：

S1：获取锅炉内部历史检修图像，识别所述历史检修图像，获得潜在缺陷区域；在所述S1中，将所述历史检修图像分割为多个区块，将所述区块输入预先训练的鉴别模型，判断所述区块是否存在缺陷，将连通在一起的所述区块组成的区域作为所述潜在缺陷区域；

S2：获取所述潜在缺陷区域所在位置的历史厚度数据，并建立厚度预测模型；根据设计信息为锅炉构建三维模型，根据预先在锅炉上选定的参照点以及各所述区块与参照点的像素距离，将所述潜在缺陷区域占据的区块对应至所述三维模型，从而确定所述潜在缺陷区域在锅炉上的位置；

以T‑3检修时刻、T‑2检修时刻和T‑1检修时刻的厚度数据、锅炉运行参数、形状参数、位置参数作为输入，将T检修时刻的厚度数据作为输出，训练长短期记忆网络，得到所述厚度预测模型；其中，采集多个相似锅炉的检修记录，得到检修时刻的厚度数据，建立训练集，训练集内包括各检修时刻的厚度数据、锅炉运行参数和形状参数、位置参数，锅炉运行参数包括煤量、煤含硫量、送风量、炉膛温度、风压，形状参数、位置参数用于区分潜在缺陷区域的形状、位置对厚度变化的影响，位置包括水冷壁、过热器，形状参数为潜在缺陷区域的面积和形状，形状参数、位置参数的预先根据经验赋予初始值，和厚度数据、锅炉运行参数一起训练；

S3：实时利用所述厚度预测模型推算所述潜在缺陷区域的厚度，得到推算厚度，并在所述推算厚度小于预定阈值时，发出报警信号。

2.如权利要求1所述的锅炉防磨防爆检测方法，其特征在于，还包括：

在发出所述报警信号后，检测所述潜在缺陷区域的实际厚度，并与所述推算厚度比较，若所述实际厚度与所述推算厚度不一致，则调整所述形状参数、位置参数，重新训练长短期记忆网络，得到修正后的所述厚度预测模型。

3.如权利要求1所述的锅炉防磨防爆检测方法，其特征在于，所述鉴别模型由卷积神经网络训练得到。

4.如权利要求1所述的锅炉防磨防爆检测方法，其特征在于，所述历史检修图像在检修期间，将图像采集设备伸入锅炉内获得。

5.如权利要求1所述的锅炉防磨防爆检测方法，其特征在于，所述历史厚度数据在检修时刻，利用超声波测厚仪测得。