1.超长编织管内部瑕疵在线检测方法，其特征在于：包括如下步骤：
s1、训练缺陷识别模型；
s2、采集超长编织管的内部图案，将得到的图案输入缺陷识别模型中，获得处理后的二值化管道内部掩码图；
s3、缺陷识别模型对二值化管道内部掩码图进行进一步识别，提取图案中的颜色、亮度、面积、位置等信息，与预先学习得到的标准区间值进行比对，当查找到符合区间内设定的特征出现时，判定出现缺陷；
s4、通过现场i/o总线，将所有采集到的现场数字量讯息与模拟量讯息传输给plc控制器，通过plc控制器对采集到的信号进行初步识别处理，再发送给现场pc，现场pc对现场的信号作出数据整合，在接收到全卷积神经网络发出的缺陷信号时，通过警示模块发出警告，使生产线停机；
s5、所述现场pc的数量根据现场车间的数量一一设置，所述现场pc将整合的数据信息实时传输给中控pc，中控pc对所有的现场pc进行实时监控，以监控现场所有车间的设备状态。
2.根据权利要求1所述的超长编织管内部瑕疵在线检测方法，其特征在于：所述步骤s1具体包括如下步骤：
a、利用预先采集的若干张编织管内部样本图案，对其中的各类缺陷进行标注；
b、将标注后的样本图案输入全卷积神经网络，对全卷积神经网络进行训练，全卷积神经网络获取图案中的颜色、亮度、面积、位置等信息，并针对这些信息的标准值进行区间设定，直至损失函数值不再减小时停止训练，获得训练好的缺陷识别模型。
3.根据权利要求1所述的超长编织管内部瑕疵在线检测方法，其特征在于：所述步骤s2中的采集超长编织管的内部图案具体包括如下步骤：
a、利用图像采集模块，检测编织软管顶端的一个圆环区域，随着编织软管的编织过程进行，编织软管会逐渐增长，因此圆环区域相对于编织软管会不断移动，从而在不移动图像采集模块的情况下采集到编织软管内部的全部位置信息；
b、对采集到的图案进行预处理。
4.根据权利要求3所述的超长编织管内部瑕疵在线检测方法，其特征在于：所述步骤b中的预处理包括裁切、旋转、拉伸、平移、色彩空间调整、对比度调整中的一种或多种。
5.根据权利要求2所述的超长编织管内部瑕疵在线检测方法，其特征在于：所述步骤s1还包括存储模块、构建模块、测试模块和诊断模块，所述存储模块用于存储输入的样本图案和测试图案，所述构建模块用于构建全卷积神经网络模型，并对全卷积神经网络模型进行迭代训练，所述测试模块用于对构建的全卷积神经网络模型进行测试。
6.根据权利要求5所述的超长编织管内部瑕疵在线检测方法，其特征在于：所述全卷积神经网络模型每迭代3000-4000次后，进行测试。
7.根据权利要求6所述的超长编织管内部瑕疵在线检测方法，其特征在于：所述测试包括如下步骤：测试模块将测试图案输入全卷积神经网络模型中，全卷积神经网络模型得到判断结果，并将结果输入诊断模块，诊断模块对全卷积神经网络模型的判断结果与预先设定的区间值进行比对，当输出准确率低于阈值时，返回无效结果，构建模块重新构建并迭代全卷积神经网络模型，当输出准确率等于或高于阈值时，返回有效结果，构建模块将全卷积神经网络模型标记为有效的缺陷识别模型并输出。
8.根据权利要求2所述的超长编织管内部瑕疵在线检测方法，其特征在于：所述全卷积神经网络为fasterr-cnn，包括基础特征提取网络、rpn、fastr-cnn，所述rpn、fastr-cnn共享特征提取卷积层，并实现端到端的检测。