1.一种显示器瘢痕缺陷检测方法，其特征在于，包括以下步骤：

S1、采集显示器表面图像；

S2、提取显示器表面图像的R通道值、G通道值和B通道值，得到R通道图像、G通道图像和B通道图像；

S3、将R通道图像、G通道图像和B通道图像分别输入到缺陷检测神经网络中，得到R通道缺陷值、G通道缺陷值和B通道缺陷值；

S4、根据R通道缺陷值、G通道缺陷值和B通道缺陷值，计算显示器瘢痕缺陷程度；所述S3中缺陷检测神经网络包括：浅层特征提取单元、深层特征提取单元和缺陷值估算单元；

所述浅层特征提取单元的输入端作为缺陷检测神经网络的输入端，其输出端与深层特征提取单元的输入端连接；所述缺陷值估算单元的输入端与深层特征提取单元的输出端连接，其输出端作为缺陷检测神经网络的输出端；所述浅层特征提取单元包括：第一卷积层、第二卷积层、第三卷积层、第四卷积层和第一Concat层；

所述第一卷积层的输入端作为浅层特征提取单元的输入端，其输出端分别与第二卷积层的输入端、第三卷积层的输入端和第四卷积层的输入端连接；所述第一Concat层的输入端分别与第二卷积层的输出端、第三卷积层的输出端和第四卷积层的输出端连接，其输出端作为浅层特征提取单元的输出端；

所述缺陷值估算单元包括：特征增强层、第五卷积层和通道缺陷值估算层；

所述特征增强层的输入端作为缺陷值估算单元的输入端，其输出端与第五卷积层的输入端连接；所述通道缺陷值估算层的输入端与第五卷积层的输出端连接，其输出端作为缺陷值估算单元的输出端；

所述通道缺陷值估算层用于将第五卷积层输出的所有特征值进行分段处理，并将每段特征值构建为一个特征序列，在每一个特征序列中提取出最大特征值和特征均值，根据最大特征值和特征均值，计算通道缺陷值；

所述计算通道缺陷值的公式为：

其中， 为通道缺陷值， 为第 个特征序列中的最大特征值， 为第 个特征序列中的特征均值， 为第 个特征序列中的最大特征值的权重， 为第 个特征序列中的特征均值的权重， 为激活函数，为特征序列的数量，为无瘢痕缺陷的通道特征量；

所述S4中计算显示器瘢痕缺陷程度的公式为：

其中，为显示器瘢痕缺陷程度， 为R通道缺陷值， 为G通道缺陷值， 为B通道缺陷值。

2.根据权利要求1所述的显示器瘢痕缺陷检测方法，其特征在于，所述第一卷积层的卷积核大小为1*1，第二卷积层的卷积核大小为3*3，第三卷积层的卷积核大小为5*5，第四卷积层的卷积核大小为7*7。

3.根据权利要求1所述的显示器瘢痕缺陷检测方法，其特征在于，所述深层特征提取单元包括：最大池化层、平均池化层和第二Concat层；

所述最大池化层的输入端与平均池化层的输入端连接，并作为深层特征提取单元的输入端；所述第二Concat层的输入端分别与最大池化层的输出端和平均池化层的输出端连接，其输出端作为深层特征提取单元的输出端。

4.根据权利要求1所述的显示器瘢痕缺陷检测方法，其特征在于，所述特征增强层的表达式为：其中， 为特征增强层输出的第 个特征值， 为特征增强层输入的第 个特征值，为增强系数， 为特征增强层输入的特征值数量。

5.根据权利要求4所述的显示器瘢痕缺陷检测方法，其特征在于，所述增强系数的计算公式为：其中，为增强系数， 为反正切函数， 为R通道图像、G通道图像或B通道图像上的第 个通道值， 为通道值的数量，在处理R通道图像时， 为R通道图像上第 个R通道值，在处理G通道图像时， 为G通道图像上第 个G通道值，在处理B通道图像时， 为B通道图像上第 个B通道值，| |为绝对值。