1.一種alc綠色環(huán)保墻板缺陷識(shí)別方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種alc綠色環(huán)保墻板缺陷識(shí)別方法，其特征在于，在s1步驟中，alc綠色環(huán)保墻板缺陷數(shù)據(jù)集制作，收集包含各種缺陷類型的alc綠色環(huán)保墻板圖片，包括裂紋、氣泡、變色、剝落、污漬和凹陷，對(duì)每張收集到的圖片進(jìn)行缺陷標(biāo)注包括缺陷的類型和位置，將標(biāo)注后的圖片和相應(yīng)的標(biāo)注信息整理成統(tǒng)一格式，構(gòu)建alc綠色環(huán)保墻板缺陷數(shù)據(jù)集。
3.根據(jù)權(quán)利要求1所述的一種alc綠色環(huán)保墻板缺陷識(shí)別方法，其特征在于，在s2步驟中，構(gòu)建多頭自注意力，輸入特征，，、和分別代表的高、寬和通道，把拆分成n個(gè)特征，得到，，代表第i個(gè)拆分的特征，把n個(gè)頭獨(dú)立計(jì)算注意力，，分別代表第i個(gè)頭的線性變換權(quán)重矩陣，分別代表第i個(gè)頭的查詢、鍵和值，對(duì)和進(jìn)行自適應(yīng)池化，，，是池化后的固定尺寸，為第i個(gè)拆分特征的通道數(shù)，對(duì)每個(gè)頭分別計(jì)算注意力權(quán)重，，，是第i個(gè)頭的注意力權(quán)重矩陣，是縮放因子等于鍵向量的維度，將應(yīng)用于池化后的鍵，，，是第i個(gè)頭的加權(quán)輸出，并進(jìn)行殘差連接和卷積操作進(jìn)一步捕捉局部特征信息，，，代表1×1卷積，將所有的頭的輸出拼接，關(guān)注不同子空間的特征，并恢復(fù)原始通道維度，，，將拼接的輸出特征通過深度可分離卷積減少參數(shù)量并提高計(jì)算效率，，，最終通過殘差連接將輸入特征與處理后的特征相加，保留輸入特征的原始信息，得到最終的輸出，，。
4.根據(jù)權(quán)利要求1所述的一種alc綠色環(huán)保墻板缺陷識(shí)別方法，其特征在于，在s3步驟中，構(gòu)建像素聚焦塊，輸入，，把輸入特征展平，空間信息轉(zhuǎn)化為序列信息，利用序列模型對(duì)位置的敏感性來捕捉信息，，，為，在展平的特征上添加位置嵌入，增強(qiáng)位置感知能力，避免展平后序列化特征丟失空間結(jié)構(gòu)，，，代表一個(gè)長為的序列位置嵌入，通過歸一化調(diào)整特征分布以提高模型的穩(wěn)定性，，，代表歸一化操作，通過leakyrelu函數(shù)激活，在序列化特征中引入非線性，從而更好地表達(dá)復(fù)雜的特征，，，代表激活函數(shù)，通過多通道1d卷積在多個(gè)特征通道上提取序列維度上的特征，捕捉相鄰位置特征之間的相關(guān)性，并進(jìn)行殘差連接避免梯度消失，，，?代表多通道1d卷積，代表連接操作，代表逐元素相加。
5.根據(jù)權(quán)利要求1所述的一種alc綠色環(huán)保墻板缺陷識(shí)別方法，其特征在于，在s4步驟中，構(gòu)建特征傳遞前饋網(wǎng)絡(luò)，輸入特征，，將特征通過全局平均池化，保留每個(gè)通道整體的特征，，，代表全局平均池化，通過兩個(gè)全連接層生成自適應(yīng)通道權(quán)重，增加非線性表達(dá)，自適應(yīng)地調(diào)整各個(gè)通道的權(quán)重，，，，為權(quán)重矩陣，為縮放比例，代表偏置項(xiàng)，?代表激活函數(shù)，將生成的權(quán)重廣播到空間維度，將廣播的權(quán)重與輸入的特征圖進(jìn)行逐通道乘法，使每個(gè)通道的權(quán)重影響到整個(gè)特征圖，并進(jìn)行殘差連接避免梯度消失得到輸出，，，代表逐通道乘法，代表逐通道逐元素相加。
6.根據(jù)權(quán)利要求1所述的一種alc綠色環(huán)保墻板缺陷識(shí)別方法，其特征在于，在s5步驟中，構(gòu)建高效特征提取塊，輸入特征，，將n個(gè)高效特征提取模塊堆疊，將長距離依賴的全局特征和細(xì)粒度的局部特征的融合，提高模型的性能和效率，，，，代表第個(gè)高效特征提取模塊，，代表多頭自注意力，代表像素聚焦塊，代表特征傳遞前饋網(wǎng)絡(luò)。
7.根據(jù)權(quán)利要求1所述的一種alc綠色環(huán)保墻板缺陷識(shí)別方法，其特征在于，在s6步驟中，構(gòu)建高效特征增強(qiáng)模塊，輸入特征，，通過5×5卷積增強(qiáng)模型對(duì)局部信息的捕捉和第一個(gè)高效特征提取塊得到，，通過下采樣縮小空間尺寸、降低計(jì)算復(fù)雜度，并通過第二個(gè)高效特征提取塊進(jìn)一步提取深層特征得到，，通過下采樣進(jìn)一步減小空間分辨率，提取更深層次的特征，并通過第三個(gè)高效特征提取塊進(jìn)一步提取深層特征得到，，通過上采樣保留不同分辨率層之間的特征信息，殘差連接保留中層特征表達(dá)，再通過1×1卷積融合特征，并通過第四個(gè)高效特征提取塊進(jìn)一步提取深層特征得到，，通過上采樣恢復(fù)到原始分辨率，殘差連接保留初始特征信息，1×1卷積融合特征和第五個(gè)高效特征提取塊提取最終的增強(qiáng)特征得到，，最后通過5×5卷積在最終特征圖上做出進(jìn)一步的平滑和整合得到輸出，，，代表5×5卷積操作。
8.根據(jù)權(quán)利要求1所述的一種alc綠色環(huán)保墻板缺陷識(shí)別方法，其特征在于，在s7步驟中，構(gòu)建alc綠色環(huán)保墻板缺陷識(shí)別模型，輸入圖像，通過骨干網(wǎng)絡(luò)得到圖像特征，輸入高效特征增強(qiáng)模塊得到增強(qiáng)后的輸出特征，再通過檢測(cè)頭進(jìn)行檢測(cè)，得到alc綠色環(huán)保墻板缺陷檢測(cè)結(jié)果，檢測(cè)結(jié)果包括alc綠色環(huán)保墻板缺陷的位置和種類。