1. 一种基于深度学习的损伤纤维复合材料图像三维重构方法，其特征在于： 包括如下步骤：

1），采集损伤纤维复合材料的XCT数字图像，以获得原始的数据集；然后对图像中的纱线进行人工标注，生成标签集；

2），将标签集与对应的图像输入深度学习实例分割网络进行训练，利用训练获得的权重对整个原始数据集进行推理，以得到连续的实例分割结果切片；随后，利用图像布尔运算将经纱和纬纱分离，得到经纱轮廓切片和纬纱轮廓切片；

3），分别对得到的经纱和纬纱轮廓的切片应用三维重构算法追踪纱线轮廓，将每个切片中属于同一根纱线的轮廓进行灰度归一化处理；

其中，所述三维重构算法具体为：

3‑1），在连续的图像数据集中选取一张无噪点且包含所有需要追踪纱线轮廓的种子图像；

3‑2），提取种子图像中所有纱线轮廓，用于更新初始轮廓库；并根据每个纱线轮廓计算其质心，建立质心库；

3‑3），建立监视器模块，统计某纱线编号在连续切片上无法匹配到合格轮廓的次数，每扫描一张切片为一次遍历；

3‑4），按切片命名顺序以灰度图8bit格式读取所有切片；

3‑5），依次调取轮廓库中每个轮廓及质心库中对应质心坐标，利用当前纱线编号的质心坐标在被扫描切片上进行定位，设置一个高为H、宽为W的视野矩，在被扫描切片中提取视野矩范围内的纱线轮廓；

3‑6），遍历步骤3‑5）所检测到的所有轮廓，分别与轮廓库中当前纱线编号的轮廓进行交并比计算；当某检测轮廓超过设定标准阈值R时，将当前轮廓判定为当前纱线编号在此被扫描切片上的轮廓，并将其灰度进行归一，调整为当前纱线编号指定的灰度值；

3‑7），当检测到的轮廓满足标准阈值R时，说明轮廓相似度极高，将此轮廓信息写入轮廓库中当前纱线编号轮廓进行覆盖更新，同时更新质心库中当前纱线编号的质心；

3‑8），再次遍历轮廓库，处理未成功追踪匹配的轮廓，即某纱线在轮廓库中的轮廓在完成一张切片的遍历后未更新，在输出图像时依然绘制轮廓库中未更新的纱线轮廓；

3‑9），根据被标记纱线轮廓未更新次数，利用监视器模块判定触发多级阈值判断，决定被标记纱线的预警等级；

3‑10），定义一个监视器记录更新函数，当检测到的纱线轮廓满足多级阈值中某个阈值要求时，该函数移除被锁定纱线编号并解除预警，同时更新轮廓库并在输出图像中绘制更新后的轮廓，但不更新质心库，质心更新只在轮廓满足标准阈值R时进行更新；

其中，所述步骤3‑8）具体为：

3‑8‑1），除标准交并比阈值R外，设置n级交并比阈值R1、R2、R3……Rn，其对应预警区M1、M2、M3……Mn；

3‑8‑2），若最大交并比达到最大阈值R，视为轮廓匹配成功，更新此纱线编号的轮廓库及质心库信息；

3‑8‑3），若最大交并比无法满足阈值R但达到阈值R1时，且当前追踪纱线编号已被步骤

3‑8‑1）所述对应的预警区M1记录，更新其轮廓库信息，但不更新质心库；若不满足，阈值降级进行判定，若满足某阈值Rn，操作和上述相同；当所有轮廓都无法满足设定的最低级阈值时，则跳过该纱线编号并在监视器中增加当前纱线轮廓未更新次数记录，用以提升预警等级Mn，随后继续对下一目标进行追踪；

4），由灰度归一化后的经纬纱轮廓切片实现经纬纱的三维精准重构，将经纬纱的三维精准重构模型合并，得到整个纤维复合材料的三维精准重构模型。

2.如权利要求1所述的基于深度学习的损伤纤维复合材料图像三维重构方法，其特征在于：所述步骤1）具体为：

1‑1），通过XCT扫描获得损伤纤维复合材料的原始数据；

1‑2），通过随机选取的300张XCT数字图像组成数据集，用Avizo软件对数据集上不同类纱线进行人工标记，同一类纱线涂抹为统一灰度值，完成标记后导出得到标签集。

3.如权利要求2所述的基于深度学习的损伤纤维复合材料图像三维重构方法，其特征在于：所述纤维复合材料具体为非卷曲双轴经编织纤维复合材料；所述纱线具体分为经纱或纬线。

4.如权利要求2所述的基于深度学习的损伤纤维复合材料图像三维重构方法，其特征在于：所述步骤2）具体为：

2‑1），将300张XCT数字图像组成的数据集与对应人工标注的标签集组成训练集对深度学习实例分割网络模型进行训练；

2‑2），用训练好的模型权重对整个XCT原始数据集进行推理，得到连续的实例分割结果切片；

2‑3），利用图像布尔运算将连续的实例分割结果切片中的经纬纱分离，得到连续的经纱轮廓切片和纬纱轮廓切片。

5.如权利要求1所述的基于深度学习的损伤纤维复合材料图像三维重构方法，其特征在于：所述步骤3‑8‑1）中，R>R1>R2>R3……>Rn。

6.如权利要求1所述的基于深度学习的损伤纤维复合材料图像三维重构方法，其特征在于：所述步骤3‑9）具体为：根据步骤3‑8‑1）设置的n级预警区M1、M2、M3……Mn，若轮廓监视器记录次数达到设定次数，则激活对应阈值Rn，将当前纱线编号加入对应等级预警区Mn；

当预警区内目标未更新的次数越来多时，预警等级Mn逐级提高，对应的阈值Rn值逐级递减，以促进其目标纱线编号的轮廓更新。

7.如权利要求1所述的基于深度学习的损伤纤维复合材料图像三维重构方法，其特征在于：所述步骤3‑10）中的监视器记录更新函数具体工作过程为：根据输入更新所建轮廓库中对应纱线编号的轮廓信息，以8bit灰度值在输出图像中绘制更新后的轮廓信息；所述纱线编号为1、2、3……n；以灰度8bit图像进行绘制，轮廓存在但不明显，需提高灰度值，增加基础灰度值80后，纱线轮廓绘制时以灰度值81对应纱线编号1开始绘制，以此类推；

对应纱线编号在轮廓库中更新和在输出图上绘制轮廓后，检查多级预警区内是否存在该纱线编号，若存在则清除当前纱线编号在监视器上的记录以解除预警，示意成功追踪目标轮廓。

8.如权利要求1所述的基于深度学习的损伤纤维复合材料图像三维重构方法，其特征在于：所述步骤4）具体为：

4‑1），将连续的追踪结果图像输入Avizo三维成像软件进行三维重建分别获得单纱级精度的纱线集群精准三维重构模型；

4‑2），通过Avizo软件将经纬纱模型断面对齐，实现模型合并获得完整的单纱级精度的纤维复合材料精准三维重构模型。