1.一种增强含缺陷玄武岩纤维复合材料图像的智能分割方法，其特征在于：包括如下步骤：

1)，通过XCT扫描技术采集玄武岩纤维复合材料数字图像，构建原始数据集，基于这些原始数据进行筛选，选取其中一部分作为真实图像集，对真实图像中的纱线区域、裂隙区域、气泡区域涂抹不同颜色，以进行人工标注，生成与真实图像集相对应的真实标签集；

2)，基于上述真实标签集，以纱线的每个轮廓中选取六个顶点作多边形，平滑拟合生成伪纱线轮廓；之后在空白标签上进行随机投放，形成伪标签图像；再随机选点生成不同形状和角度的椭圆模拟初始气泡；最后利用柏林噪声在纱线截面上生成伪裂隙，继而导出伪标签集；

其具体为：

2‑1)，以真实纱线轮廓为模板，选取上下两个顶点和左右四个顶点作多边形，平滑拟合生成随机虚拟纱线轮廓；即，根据六个顶点坐标，串联后得到闭合六边形，在六边形连线的周围添加噪点后，控制噪点扰动幅度，即噪点在六边形周围的振幅，利用贝塞尔曲线对噪点连线进行拟合平滑，获得平滑的无棱角虚拟纱线轮廓；

2‑2)，将随机生成的虚拟纱线轮廓投放到空白标签中，形成伪标签图像；

2‑3)，利用OpenCV库生成不同大小、角度、形状的椭圆模拟真实样品中的气泡，随机投放到步骤2‑2）的伪标签图像时避开的虚拟纱线轮廓；

2‑4)，利用柏林噪声库生成不同长度、弯曲度、分支数的虚拟裂隙，在伪标签图像的虚拟纱线轮廓里进行投放；最终得到包含纱线、气泡、裂隙的伪标签集，其中灰度值标准和真实标签集相同；

3)，利用DP‑GAN风格转换网络将伪标签图像转换成伪图像，再用Palette网络模型进行纱线边缘重建，得到纱线边缘重建后的伪图像集；

4)，将真实图像集和真实标签集组成真实训练集，伪图像集和伪标签集组成伪训练集，将两个训练集组成混合训练集投入Mask DINO分割网络进行训练；训练结束后利用训练好的网络模型的.pth权重文件，对XCT原始数据集进行推理，划分图像中的纱线区域、裂隙区域、气泡区域，并附加彩色掩码，得到分割结果，其具体为：

4‑1)，将真实图像集和真实标签集组成真实训练集，伪图像集和伪标签集组成伪训练集，将两个训练集组成混合训练集投入Mask DINO分割网络进行训练，网络根据标签的标记指导对对应图像中的特征区域进行划分，然后对将分割结果与标签图像进行区域比对计算损失函数；通过不断周期迭代，最终获得准确度较高的分割模型权重文件；

4‑2)，训练完成后，利用训练好的网络模型权重.pth文件对整个.png格式的XCT原始图像进行推理，将原始图像中的不同区域划分，并标记成彩色掩码，得到分割结果。

2.如权利要求1所述的增强含缺陷玄武岩纤维复合材料图像的智能分割方法，其特征在于：所述步骤1）具体为：

1‑1)，通过XCT扫描采集玄武岩纤维复合材料样品，获取XCT原始数据，并选取部分层析数据构建真实图像集；

1‑2)，在所述真实图像集中，对纱线区域、裂隙区域、气泡区域采用不同颜色进行人工标注，颜色可随机选用，同一类区域使用同一种颜色即可，从而生成真实标记图像集；

1‑3)，上述真实标记图像集中被涂抹的区域变成灰度值相同的连通区，不同特征的连通区表达不同灰度值，对其利用OpenCV库中布尔运算进行标记提取，并将不同特征灰度值重新赋值，将24bit转为8bit灰度图，得到包含基质、纱线、裂隙、气泡特征的真实标签集，图像为8bit的.png文件，灰度标准为 ：背景：0，基质：1，纱线：2，裂隙：3，气泡：4，在图像中不同的灰度区域表示不同的特征划分。

3.如权利要求2所述的增强含缺陷玄武岩纤维复合材料图像的智能分割方法，其特征在于：所述步骤1‑1）中，玄武岩纤维复合材料具体为通过三维四向四步法编织后，经VARTM工艺封装制作的复合材料；编织所采用的纱线由1200Tex玄武岩纤维束构成。

4.如权利要求2所述的增强含缺陷玄武岩纤维复合材料图像的智能分割方法，其特征在于：所述步骤1‑1）中，XCT原始数据以.raw格式，16bit的大小存储；再在Avizo软件中将

16bit数据降至8bit，并旋转矫正、裁剪、对比度增强后，获取1350张8bit的.png格式层析原始数据，并随机选取111张数据构建.png格式真实图像集。

5.如权利要求1所述的增强含缺陷玄武岩纤维复合材料图像的智能分割方法，其特征在于：所述步骤3）具体为：

3‑1)，利用DP‑GAN风格转换网络将伪标签图像转换为伪图像；

3‑2)，利用伪标签集膨胀后和腐蚀后的图像进行轮廓布尔减运算，得到伪边缘掩码图像；

3‑3)，使用Palette网络模型对伪图像进行纱线边缘重建；Palette网络通过多尺度特征提取和融合，检测并优化伪图像中的边缘，最终生成纱线边缘重建后的伪图像集。

6.如权利要求5所述的增强含缺陷玄武岩纤维复合材料图像的智能分割方法，其特征在于：所述纱线边缘重建具体为：将伪图像利用3‑2)所述伪边缘掩码进行覆盖，Palette网络模型根据伪图像特征对被掩盖的纱线边缘区域重新生成。