1.一种基于大型工件的超声波灵敏度检测方法，其特征在于，包括以下步骤：

a.在试块上设置多组反射体，每组包含至少三个不同深度的等效反射体，深度覆盖被检工件的全厚度范围，且所述等效反射体的当量根据被检材料的声学特性按深度自适应调整，其中相邻反射体的深度间隔基于深度间隔计算公式动态确定，其中Δd为深度间隔，γ为材料衰减系数，Z为声阻抗，f为探头频率，α和β为通过扫查实验数据反演优化的校准因子；

b通过超声探头对试块进行自动化扫查，实时获取不同深度等效反射体的反射回波幅值，并同步记录扫查位置、回波幅值及对应深度；

c.基于所述回波幅值与预设目标幅值的动态偏差，利用增益控制器动态调整增益值，生成动态增益补偿数据集；

d.将所述动态增益补偿数据集输入基于声场传播的拟合，生成TCG曲线和DAC曲线；

e.将所述TCG曲线与DAC曲线集成至系统，根据当前扫查位置的深度及局部曲率，动态调整增益值并对缺陷的回波幅值进行归一化处理，输出缺陷的定量尺寸及置信度评估。

2.根据权利要求1所述的一种基于大型工件的超声波灵敏度检测方法，其特征在于：所述校准因子α和β的优化方法包括：通过扫查实验获取不同深度等效反射体的初始增益补偿数据；将扫查实验数据按深度分段，每段数据独立处理；对每段数据，计算其线性回归系数，得到初步的α和β估计值；根据各段数据的回归系数，动态调整α和β的估计值，使其在不同深度段之间过渡；通过迭代调整，直至各段数据的回归系数趋于一致，输出最终的α和β优化值；将优化后的α和β输入深度间隔计算公式，实现反射体分布的动态适配。

3.根据权利要求1所述的一种基于大型工件的超声波灵敏度检测方法，其特征在于：步骤c中所述增益控制器的动态调整过程包括：针对每个深度的等效反射体，计算当前回波幅值与目标幅值的实时差值；根据所述差值的幅值及变化率，利用基于模糊神经网络控制器动态调整增益值，直至回波幅值稳定在目标幅值的±1％误差范围内；记录达到稳态时的增益值及对应深度，生成动态增益补偿数据集。

4.根据权利要求3所述的一种基于大型工件的超声波灵敏度检测方法，其特征在于：所述模糊神经网络控制器的输入变量包括回波幅值偏差、偏差变化率及扫查加速度，输出为增益调整量，且网络权重通过反向传播算法实时更新，学习率与扫查速度成反比。

5.根据权利要求1所述的一种基于大型工件的超声波灵敏度检测方法，其特征在于：步骤d中所述拟合模块的操作包括：结合声束扩散角和材料非均匀性参数，对数据集进行预校正，消除探头近场效应及界面反射干扰；采用分段加权最小二乘法，对不同深度区间的增益值进行非线性插值，生成TCG曲线；基于所述TCG曲线反向推导DAC曲线，并通过实验数据交叉验证优化双曲线的自洽性。

6.根据权利要求5所述的一种基于大型工件的超声波灵敏度检测方法，其特征在于：分段加权最小二乘法中，权重函数为：式中，w(d)为深度d处的权重，k和λ为基于材料衰减系数和探头频率的调整参数，用于抑制深部数据的噪声干扰。

7.根据权利要求1所述的一种基于大型工件的超声波灵敏度检测方法，其特征在于：步骤e中所述动态调整和归一化处理包括：根据当前扫查位置的深度及局部曲率，调用TCG曲线对应的增益补偿值，并叠加曲率修正因子动态调整增益；基于DAC曲线对缺陷回波幅值进行归一化处理，消除深度差异对幅值的影响；通过归一化幅值与预设缺陷当量阈值的比对，结合缺陷的空间分布密度及声场能量分布特征，输出缺陷的定量尺寸及置信度评估。