1.一种基于改进YOLOv5的带钢表面缺陷检测方法，其特征在于，包括：搭建改进的anchor‑freeYOLOv5网络；

获取带钢表面图像；

将所述带钢表面图像输入至所述anchor‑freeYOLOv5网络，获得带钢表面缺陷检测结果；

输出所述带钢表面缺陷检测结果。

2.如权利要求1所述的一种基于改进YOLOv5的带钢表面缺陷检测方法，其特征在于，所述anchor‑freeYOLOv5网络包括：依次连接的特征图模块、特征融合模块、卷积模块和探测器模块。

3.如权利要求1所述的一种基于改进YOLOv5的带钢表面缺陷检测方法，其特征在于，所述anchor‑freeYOLOv5网络的工作机制包括：依次连接的input网络模块、Backbone网络模块、Neck网络模块和Prediction网络模块。

4.如权利要求3所述的一种基于改进YOLOv5的带钢表面缺陷检测方法，其特征在于，所述input网络模块对输入的所述带钢表面图像进行Mosaic数据增强。

5.如权利要求4所述的一种基于改进YOLOv5的带钢表面缺陷检测方法，其特征在于，所述Backbone网络模块中有用于对Mosaic数据增强后的所述带钢表面图像进行特征图提取的Focus结构、CSPDarknet结构；

所述CSPDarknet结构包含5个CSP模块。

6.如权利要求5所述的一种基于改进YOLOv5的带钢表面缺陷检测方法，其特征在于，所述Neck网络模块采用BiFPN模块+PAN模块结构；

所述Backbone网络模块的输出作为BiFPN模块的输入，进行特征融合，获得特征金字塔；

PAN模块先复制特征金字塔中最底下的一层，变成新特征金字塔的最底层；

将新特征金字塔的最底层进行下采样操作；

将特征金字塔的倒数第二层进行一个3x3的卷积，步幅为2，与下采样后的最底层进行一个横向连接两者相加；相加方式采用concat操作；

最后再来一个3x3卷积来融合相加结果的特征。

7.如权利要求6所述的一种基于改进YOLOv5的带钢表面缺陷检测方法，其特征在于，所述Prediction网络模块输出时使用EIoUloss。

8.如权利要求3所述的一种基于改进YOLOv5的带钢表面缺陷检测方法，其特征在于，所述anchor‑freeYOLOv5网络在训练时采用EIoU作为边界框回归损失。

9.如权利要求8所述的一种基于改进YOLOv5的带钢表面缺陷检测方法，其特征在于，所述Neck网络模块特征融合后，基于Anchor‑free边界框回归使用两个卷积层来预测编码边界框的三维张量、对象性和类预测。

10.一种基于改进YOLOv5的带钢表面缺陷检测方法，其特征在于，包括：搭建模块，用于搭建改进的anchor‑freeYOLOv5网络；

获取模块，用于获取带钢表面图像；

检测模块，用于将所述带钢表面图像输入至所述anchor‑freeYOLOv5网络，获得带钢表面缺陷检测结果；

输出模块，用于输出所述带钢表面缺陷检测结果。