1.一种机械焊接缝隙缺陷识别方法，其特征在于，所述方法包括：

S1、采集焊缝表面图像数据，得到标准化图像数据集，对标准化图像数据集进行特征提取，提取缺陷的边缘轮廓、纹理分布和灰度变化特征，生成包含缺陷空间位置坐标和形态特征的高维特征向量；

S2、根据高维特征向量中的边缘连续性参数和灰度均匀性参数，生成包含缺陷分布均匀性和缺陷严重性评分的焊缝质量评估数据库；

S3、采用在线学习算法，根据新增缺陷样本数据和缺陷趋势分析结果，动态调整多尺度卷积神经网络的权重更新频率和支持向量机的核函数选择，优化特征权重分配和核参数，生成更新后的缺陷识别模型参数；

S4、通过模型收敛性评估算法，计算更新后缺陷识别模型的损失函数值，结合增量样本标注结果，判断模型分类精度是否满足预设阈值，确定优化后的智能识别系统配置参数。

2.根据权利要求1所述的一种机械焊接缝隙缺陷识别方法，其特征在于：所述S1中采集焊缝表面图像数据，得到标准化图像数据集包括通过多光谱成像设备采集焊缝表面在可见光、红外和紫外波段下的图像数据，采用图像清晰度阈值和噪声水平阈值对采集图像进行筛选，剔除模糊或噪声过高的图像，得到标准化图像数据集。

3.根据权利要求1所述的一种机械焊接缝隙缺陷识别方法，其特征在于：所述S1还包括采用多尺度卷积神经网络对标准化图像数据集进行特征提取，设置3x3、5x5和7x7卷积核尺寸，提取缺陷的边缘轮廓、纹理分布和灰度变化特征。

4.根据权利要求1所述的一种机械焊接缝隙缺陷识别方法，其特征在于：所述S2包括根据高维特征向量中的边缘连续性参数和灰度均匀性参数，采用支持向量机分类算法进行缺陷类型识别，若边缘连续性参数大于0.8，则判断为裂纹缺陷，若灰度均匀性参数小于0.6，则判断为气孔缺陷，得到初步缺陷分类结果。

5.根据权利要求4所述的一种机械焊接缝隙缺陷识别方法，其特征在于：所述S2还包括根据焊接工艺的电流强度、焊接速度和保护气体流量参数，动态调整支持向量机分类算法的权重系数和判别阈值，通过加权融合算法整合工艺参数信息，生成适应当前工艺条件的优化缺陷分类结果。

6.根据权利要求5所述的一种机械焊接缝隙缺陷识别方法，其特征在于：所述S2还包括采用多传感器数据融合技术，通过加权融合算法整合优化缺陷分类结果和工艺参数信息，计算综合置信度分数，若综合置信度分数大于0.85，则确认缺陷类型和缺陷位置坐标的最终识别结果。

7.根据权利要求6所述的一种机械焊接缝隙缺陷识别方法，其特征在于：所述S2还包括根据缺陷类型和缺陷位置坐标，通过统计分析算法计算缺陷密度分布和缺陷空间聚类特征，结合缺陷尺寸统计和缺陷类型比例，生成包含缺陷分布均匀性和缺陷严重性评分的焊缝质量评估数据库。

8.根据权利要求1所述的一种机械焊接缝隙缺陷识别方法，其特征在于：所述S2根据高维特征向量中的边缘连续性参数和灰度均匀性参数，生成包含缺陷分布均匀性和缺陷严重性评分的焊缝质量评估数据库具体公式为：；

；

其中， 表示缺陷图像智能评估评分， 表示面积项权重因子， 表示灰度扰动权重因子， 表示形态复杂度调节因子， 表示缺陷区域面积， 表示面积幂指数， 表示灰度标准差， 表示灰度均值， 表示灰度扰动幂指数， 表示缺陷边缘扰动调节参数，表示边缘不连续性评分， 表示第k个边缘点的方向角， 表示边缘像素点数量。

9.根据权利要求8所述的一种机械焊接缝隙缺陷识别方法，其特征在于：所述 具体计算公式为：；

其中， 表示面积项权重因子， 表示缺陷区域面积， 表示缺陷区域最小外接椭圆的主轴长度。

10.根据权利要求8所述的一种机械焊接缝隙缺陷识别方法，其特征在于：所述 具体计算公式为：；

其中， 表示灰度扰动权重因子， 表示缺陷区域内局部灰度变化标准差， 表示梯度方向偏移均值；

所述 ＝1－ － ；

其中， 表示形态复杂度调节因子。