1.一种基于多尺度特征的免锚框表面缺陷检测方法，其特征在于：所述基于多尺度特征的免锚框表面缺陷检测方法包括如下步骤：S1、建立表面缺陷检测模型，所述表面缺陷检测模型包括Swin Transformer模型、第一特征提取单元、N层特征金字塔网络、第二特征提取单元和N个FCOS检测头，其中：所述第一特征提取单元包括多个并行的第一卷积层，所述Swin Transformer模型的各阶段分别通过第一卷积层与前N‑1层特征金字塔网络一一对应顺序连接，所述第二特征提取单元包括多个并行的第二卷积层，所述特征金字塔网络与FCOS检测头通过第二卷积层一一对应连接，将所述Swin Transformer模型的最末阶段对应的特征金字塔网络视为基准层，从基准层开始通过逐步上采样操作自顶向下融合对应特征金字塔网络的输入特征图，并将基准层的输出特征图经过第三卷积层后输入第N层特征金字塔网络，所述第一卷积层的卷积核尺寸为1×1，通道为256维，所述第二卷积层的卷积核尺寸为3×3，所述第三卷积层的卷积核尺寸为3×3，步长为2；

所述FCOS检测头包括分类分支和回归分支，所述分类分支包括类别预测分支和center‑ness分支，通过各FCOS检测头进行对应第二卷积层的输出特征图的回归和分类，所述FCOS检测头基于FCOS中心采样优化方法更新目标框；

S2、采集零件图片作为数据集训练所述表面缺陷检测模型；

S3、将待检测零件图片输入训练好的表面缺陷检测模型，预测出目标框的中心点(cx,* * * *

cy)及该中心点到真实框的四条边的距离(l ,t ,r ,b)，计算出预测框的左上角坐标(cx‑* * * * *l ,cy‑t)和右下角坐标(cx+r ,cy+b)作为表面缺陷检测结果，其中，l 为目标框的中心点*(cx,cy)到真实框的左边框的距离，t为目标框的中心点(cx,cy)到真实框的上边框的距离，* *r为目标框的中心点(cx,cy)到真实框的右边框的距离，b为目标框的中心点(cx,cy)到真实框的下边框的距离。

2.如权利要求1所述的基于多尺度特征的免锚框表面缺陷检测方法，其特征在于：所述FCOS中心采样优化方法，具体如下：以目标框的中心点为圆心取出一个小于目标框的圆外接子矩形，并更新目标框为子矩形，将落入子矩形内的采样点视为正样本，其他采样点视为负样本，所述子矩形的位置参数为(cx‑rs,cy‑rs,cx+rs,cy+rs)，其中，(cx,cy)为目标框的中心点坐标，s为对应FCOS检测头的输入特征图的下采样倍率，r为超参数。

3.如权利要求1所述的基于多尺度特征的免锚框表面缺陷检测方法，其特征在于：所述Swin Transformer模型包括依次连接的Patch Partition操作模块、第一阶段、第二阶段、第三阶段和第四阶段，所述第一阶段包括依次连接的Linear Embedding操作模块和多个Swin transformer模块，所述第二阶段、第三阶段和第四阶段均包括依次连接的Patch Merging操作模块和多个Swin transformer模块。

4.如权利要求3所述的基于多尺度特征的免锚框表面缺陷检测方法，其特征在于：所述第一阶段、第二阶段和第四阶段的Swin transformer模块均为2个，第三阶段的Swin transformer模块为6个。