1.一种激光立体成形过程检测方法，其特征在于，包括以下步骤：
步骤1：通过设备运行状态检测装置获得各设备运行状态的工艺参数数据、通过结构光三维形貌检测装置(3)获得激光立体成形过程中零件或当前层或熔池区域及其附近的三维形貌的热构件表面形貌数据，通过ccd熔池检测装置(1)获得激光立体成形过程中熔池形态、羽流和飞溅的图像形式的熔池数据，通过高温计温度检测装置(2)获得激光立体成形过程的熔池中心点平均温度的温度数据；
步骤2:利用数据融合评价模型(4)对热构件表面形貌数据、熔池数据、温度数据进行深度学习网络训练；深度学习网络训练包括步骤21、步骤22、步骤23；
步骤21：利用精度标签、缺陷标签、力学性能标签将热构件表面形貌数据、熔池数据、温度数据等进行标签化处理获得标签化的样本数据；并对标记有缺陷的样本数据结合相互比较评价剔除明显的错误数据和误差较大的样本数据；
步骤22：分别通过不同的卷积神经网络对热构件表面形貌数据、熔池数据、温度数据提取精度和质量特征；
步骤23：利用特征融合层对步骤22获取的精度和质量特征进行融合处理，再通过深度学习网络训练决策处理；
步骤3：利用数据管理系统(5)按照采样时间点和控制时序无差别的将热构件表面形貌数据、熔池数据、温度数据与工艺参数数据、精度和质量特征进行映射存储在结构化数据中；且该结构化数据通过融合处理后深度学习网络训练决策处理获得的精度和质量特征数据与零件过程质量特征建立的关系模型。
2.根据权利要求1所述的一种激光立体成形过程检测方法，其特征在于，
所述精度和质量特征包括：当前层宽度演变状态、实时层高演变状态、塌陷形态及定位坐标、未融化缺陷形态及定位坐标、零件当前总层高及趋势、零件当前壁厚及趋势、成形零件的当前层及关联层的力学性能演变趋势。
3.根据权利要求1所述的一种激光立体成形过程检测方法，其特征在于，
所述结构光三维形貌检测装置(3)为在激光立体成形过程中激光发光状态下或成形对象处于热态高温的状态下或所测区域是固液态混合的情况下进行光栅投影的三维形貌成像；所述的结构光三维形貌检测装置(3)包括单或双数字光栅投影设备(301)、带特定波长的线滤光片和衰减片(304)的高速摄影成像系统(302)、背景图像衰减和条纹增强和修复系统。
4.根据权利要求3所述的一种激光立体成形过程检测方法，其特征在于，所述单或多数字光栅投影设备(301)的光源(303)的波长是与具体加工对象材料特征相关的某特定波长，且随着加工对象的变化该投影波长随之变化。
5.根据权利要求4所述的一种激光立体成形过程检测方法，其特征在于，
单或双数字光栅投影设备(301)的光源(303)为紫外线光源或中长红外光源，并避开963nm左右波长的光源。
6.根据权利要求4所述的一种激光立体成形过程检测方法，其特征在于，
针对钛合金成形时，单或双数字光栅投影设备(301)的光源(303)波长选择为830nm±10nm或300nm±40nm；
针对铁基高强度钢材料时，其单或双数字光栅投影设备(301)的光源(303)波长为300nm±10nm或中长红外光源，且高速摄影成像系统(302)的线滤光片和衰减片(304)的适用波长范围与其一一对应，线滤光片对其他波长光源的衰减率大于或等于10-5。
7.根据权利要求6所述的一种激光立体成形过程检测方法，其特征在于，铁基高强度钢材料为30crni2move或30crmnsini2a。
8.实现一种激光立体成形过程检测方法的系统，其特征在于，
包括成形过程多源异构信息实时监控装置、数据融合评价模型(4)、数据管理系统(5)，
所述成形过程多源异构信息实时监控装置包括：设备运行状态检测装置、结构光三维形貌检测装置(3)、ccd熔池检测装置(1)、高温计温度检测装置(2)；设备运行状态监控装置：用于获得各设备运行状态的工艺参数数据；所述的结构光三维形貌检测装置(3):用于获得激光立体成形过程中零件或当前层或熔池区域及其附近的三维形貌的热构件表面形貌数据，结构光三维形貌检测装置(3)包括单或双数字光栅投影设备(301)、带特定波长的线滤光片和衰减片(304)的高速摄影成像系统(302)、背景图像衰减和条纹增强和修复系统；所述的ccd熔池检测装置(1):用于获得激光立体成形过程中熔池形态、羽流和飞溅的图像形式的熔池数据；所述的高温计温度检测(2):用于获得激光立体成形过程的熔池中心点平均温度的温度数据；
数据融合评价模型(4)：
用于对热构件表面形貌数据、熔池数据、温度数据的数据进行相互比较评价剔除明显的错误数据和误差较大的数据、再进行融合分析；
数据管理系统(5)：
用于对过程数据进行存储管理，过程数据包括检测获得的热构件表面形貌数据、熔池数据、温度数据，过程数据还包括含有成形过程的速度数据、材料数据以及运动坐标数据的工艺参数数据，过程数据还包括融合评价模型(4)的所有数据；
用于将热构件表面形貌数据、熔池数据、温度数据、数据融合评价模型(4)的所有数据按照采样时间点和控制时序无差别的与工艺参数数据进行映射存储在结构化数据中，且该结构化数据通过融合处理后获得的精度和质量特征与零件过程质量特征建立关系模型。
9.根据权利要求8所述的系统，其特征在于，
所述数据融合评价模型(4)包括：
标签化处理模块：用于将热构件表面形貌数据、熔池数据、温度数据进行标签化处理，
使得热构件表面形貌数据、熔池数据、温度数据具有精度标签、缺陷标签、力学性能标签；
筛选模块：将具有缺陷标签的热构件表面形貌数据、熔池数据、温度数据进行结合相互比较评价剔除明显的错误数据和误差较大的数据；
特征提取模块：分别通过不同的卷积神经网络对热构件表面形貌数据、熔池数据、温度数据提取精度和质量特征；
特征融合模块：利用特征融合层将提取到的不同精度和质量特征进行融合；
决策层模块：利用平均池化层、全连接层、回归层对融合后的精度和质量特征进行深度学习网络训练决策处理。
10.一种激光立体成形过程检测方法的应用，其特征在于，
一种激光立体成形过程检测方法可应用于激光立体成形过程的前馈控制或反馈控制或自适应控制系统中；
应用时，所述的数据管理系统(5)包括优先工艺数据库，且所述的数据管理系统(5)能够根据所述的关系模型进行在线预测成形过程的质量演变趋势并据此推送优先工艺数据库的某组数据给成形过程控制系统优选的工艺控制参数。