1.一種基于改進yolov5的鋰輝石分選方法，其特征在于，所述方法包括：
2.如權利要求1所述的基于改進yolov5的鋰輝石分選方法，其特征在于，s1中改進后頸部網絡包括依次連接的第一卷積層、第一動態(tài)采樣層、第一拼接層、第一跨階段連接層、第二卷積層、第二動態(tài)采樣層、第二拼接層、第二跨階段連接層、第三卷積層、第三拼接層、第三跨階段連接層、第四卷積層、第四拼接層、第四跨階段連接層，其中，第一卷積層還與第四拼接層連接，第二卷積層還與第三拼接層連接，改進后頸部網絡的第一卷積層、第一拼接層和第二拼接層分別接收主干特征提取模塊輸出的不同尺度的特征圖，通過卷積、動態(tài)采樣、拼接處理，并分別通過改進后頸部網絡的第二、第三和第四跨階段連接層輸出不同尺度增強后的特征圖。
3.如權利要求2所述的基于改進yolov5的鋰輝石分選方法，其特征在于，改進后頸部網絡中的兩個動態(tài)采樣層具體工作過程如下：
4.如權利要求3所述的基于改進yolov5的鋰輝石分選方法，其特征在于，s12中的偏移采樣網格o可具體表示為：
5.如權利要求4所述的基于改進yolov5的鋰輝石分選方法，其特征在于，s13中采樣后的特征圖m'具體可表示為：
6.如權利要求2所述的基于改進yolov5的鋰輝石分選方法，其特征在于，s1中改進后頭部網絡包括asff模塊和若干個檢測頭模塊，asff模塊包括與若干個檢測頭數量相同的若干個asff層，若干個asff層與若干個檢測頭模塊一一對應連接，每個asff層接收改進后頸部網絡輸出的不同尺度增強后的特征圖并采用自適應注意力機制進行恒等縮放和自適應融合，輸出融合后的特征圖，將融合后的特征圖輸入至與其對應連接的檢測頭模塊。
7.如權利要求6所述的基于改進yolov5的鋰輝石分選方法，其特征在于，每個asff層輸出的融合后的特征圖具體可表示為：
8.如權利要求7所述的基于改進yolov5的鋰輝石分選方法，其特征在于，s2中預設的損失函數包括定位損失函數、分類損失函數和置信度損失函數，其中定位損失函數具體為：
9.一種鋰輝石分選系統，采用如權利要求1至8任一項所述的基于改進yolov5的鋰輝石分選方法進行鋰輝石分選，其特征在于，所述分選系統包括自動化分選設備、圖像采集模塊、圖像預處理模塊、鋰輝石分選模型和計算機系統，自動化分選設備和圖像采集模塊分別與計算機系統連接，圖像預處理模塊與鋰輝石分選模型依次連接并設置在計算機系統中，其中：