1.基于交替图像注意力机制的油罐商标颜色纯正检测方法，其特征在于：包括以下步骤：步骤1，先使用摄像头对颜色正常的油罐进行商标图像采集，得到正常颜色商标图像，再对正常颜色商标图像进行正常阈值外的颜色变化处理，得到异常颜色商标图像；

步骤2，建立基于图像注意力机制的ViT网络模型；

步骤3，对获取到的商标图像进行分类整理，处理后并以此构建数据集；

步骤4，通过基于图像注意力机制的ViT网络模型对油罐商标图像进行训练；

步骤5，对训练好的模型进行实际测试后投入使用；

步骤6，数据集更新后，重加载模型再次训练进行模型更新；

所述步骤2中，基于图像注意力机制的ViT网络模型包括图片块嵌入模块，注意力模块，位置编码生成模块，自适应平均池化层，维度转换层，全连接层组成；其中输入数据由图片块嵌入模块，注意力模块，编码生成模块组成的图像注意力模块组重复四次运算，输出数据再由一层自适应平均池化层池化后转换到低维度，最后由全连接层完成分类运算；

所述注意力模块还包括交替注意力机制的双层交叉出现的全局子采样注意力模块与局部分组的自注意力模块。

2.根据权利要求1所述的基于交替图像注意力机制的油罐商标颜色纯正检测方法，其特征在于：所述步骤1中对颜色正常的油罐使用的摄像头为高像素摄像头，异常颜色商标图像先将RGB格式转换成LAB格式，再转换成cmyk格式，再进行正常颜色阈值外的颜色变化处理后转回RGB格式，得到异常颜色商标图像。

3.根据权利要求1所述的基于交替图像注意力机制的油罐商标颜色纯正检测方法，其特征在于：所述步骤3中对获取到的商标图像按正常颜色图片与异常颜色图片两类进行文件整理，对文件中的图像进行名称编号标记并调用transforms方法处理以此构建训练数据集，验证数据集以及测试数据集。

4.根据权利要求1所述的基于交替图像注意力机制的油罐商标颜色纯正检测方法，其特征在于：所述步骤4中将做好的训练数据集与验证数据集传入模型中，训练使用Adam函数作为优化器，根据交叉熵损失函数进行反向传播优化模型的权重参数。

5.根据权利要求1所述的基于交替图像注意力机制的油罐商标颜色纯正检测方法，其特征在于：所述步骤5中对模型进行训练，使用得到的模型文件加载制作好的测试数据集测试得到模型效果，满足设定期待值后投入使用。

6.根据权利要求1所述的基于交替图像注意力机制的油罐商标颜色纯正检测方法，其特征在于：所述步骤6中后期实际生产中新的种类油罐样本数据集更新后，重新加载训练好的模型权重到网络模型中将新的数据加入旧的数据集中形成新的数据集再次训练进行模型更新。