1.基于计算机视觉的结构件焊缝检测方法，其特征在于，该方法包括以下步骤：采集拼装完成的结构件图像，利用神经网络识别出所述结构件图像中存在焊缝的目标图像；

根据所述目标图像对应的神经网络获取所述目标图像以焊缝为敏感区域的类激活图；

对所述类激活图的灰度图像进行阈值分割，得到焊缝的最小外接矩形；

对所述最小外接矩形进行扩增，获取焊缝分割区域，在所述目标图像中裁剪出所述焊缝分割区域作为焊缝参考图，并根据所述最小外接矩形的区域和扩增的区域对所述焊缝参考图进行分区；

通过计算所述焊缝参考图中每两个像素点之间的颜色距离、空间距离和类激活差异获取每两个像素点之间的综合差异，依据所述综合差异和所述焊缝参考图分区的数量对所述焊缝参考图进行超像素分割，得到焊缝区域；

所述目标图像的识别方法为：

以归一化的结构件图像作为所述神经网络的输入，分类函数采用Softmax函数，损失函数采用交叉熵损失，输出该图像是否存在焊缝的概率，取概率最大的索引，得出该图像是否包含焊缝；

所述类激活图的获取方法为：

基于梯度的可解释性对所述目标图像对应的神经网络中最后一层卷积层进行再次计算，获取所述类激活图；

所述阈值分割的方法为：

将所述类激活图进行灰度转换，得到灰度图像，对所述灰度图像根据灰度值采用最大类间方差法进行自适应的阈值分割；

所述最小外接矩形的获取方法为：

通过所述阈值分割得到所述灰度图像的二值图像，对所述二值图像进行连通域提取，并去除噪点连通域，获取去除噪点后的连通域的最小外接矩形作为所述最小外接矩形；

所述焊缝分割区域的获取方法为：

将所述最小外接矩形的角点坐标沿短边向两端分别扩增，得到新的角点坐标，以新的角点坐标形成的区域作为所述焊缝分割区域；

所述颜色距离的获取方法为：

将所述焊缝参考图转换为LAB颜色空间图像，根据所述LAB颜色空间图像中每两个像素之间的要素值的差值计算所述颜色距离；

所述类激活差异的获取方法为：

根据所述灰度图像中每两个像素之间的类激活灰度值的差值计算所述类激活差异；

所述焊缝区域的获取方法为：

以所述焊缝参考图分区的数量作为超像素分割的超像素数量，根据所述综合差异对所述焊缝参考图中的每个像素进行聚类，并不断迭代优化，得到所述焊缝区域。