1.轻量化多尺度特征融合缺陷检测方法，其特征在于，包括：

采集待检测目标的图像；

将所述图像输入预设的检测模型中，输出所述待检测目标的缺陷检测结果，其中，所述检测模型基于训练集训练获得，所述训练集包括包含缺陷的图像和标识该缺陷的标签；

所述检测模型包括：骨干特征提取网络、颈部特征提取网络、特征检测头，所述骨干特征提取网络用于对所述图像进行特征提取以及特征融合，获取第一特征图；所述颈部特征提取网络用于对所述第一特征图进行特征提取以及特征融合，获取第二特征图；所述特征检测头用于对所述第二特征图进行检测，获取缺陷检测结果；

所述骨干特征提取网络包括：卷积层、C2f层、轻量融合模块、高等级轻量融合模块和SPPF层；所述图像输入所述骨干特征提取网络中，经过所述卷积层和C2f层，获取特征图、特征图 ；所述特征图 、特征图 经过所述轻量融合模块、卷积层和C2f层，获取特征图 ；所述特征图 、特征图 、特征图 经过所述高等级轻量融合模块、卷积层、C2f层和SPPF层，获取特征图 ；

所述颈部特征提取网络包括：上采样层、拼接层、卷积层、C2f层、轻量融合模块和高等级轻量融合模块，所述特征图 输入所述颈部特征提取网络中，经过所述上采样层、拼接层和C2f层，获取特征图 ；所述特征图 经过所述卷积层、拼接层和C2f层，获取特征图；所述特征图 、特征图 经过所述轻量融合模块、卷积层、拼接层和C2f层，获取特征图 ；所述特征图 、特征图 、特征图 经过所述高等级轻量融合模块、卷积层、拼接层和C2f层，获取特征图 ；

所述轻量融合模块包括：第一分支和第二分支，所述第一分支和第二分支分别经过卷积、归一化、下采样操作后，获取所述第一分支和第二分支的特征信息，将所述第一分支和第二分支的特征信息经过Sigmoid激活函数处理并相加后，再引入三元组注意力机制，进一步提取所述第一分支和第二分支的融合特征信息；

所述高等级轻量融合模块包括：第三分支、第四分支和第五分支，所述第三分支和第四分支分别经过下采样和卷积操作，获取所述第三分支和第四分支的特征信息，将所述第三分支和第四分支的特征信息与所述第五分支经过Sigmoid激活函数处理并相加后，再引入三元组注意力机制，进一步提取所述第三分支、第四分支和第五分支的融合特征信息。

2.根据权利要求1所述的轻量化多尺度特征融合缺陷检测方法，其特征在于，采集所述待检测目标的图像采用多视角成像系统，所述多视角成像系统包括：成像单元、照明装置、垂直支撑杆和传送带，每个成像单元配置一个照明装置，且所述成像单元和所述照明装置设置在所述垂直支撑杆上，所述垂直支撑杆按矩形顶点排布，形成中间矩形区域，所述传送带设置在所述矩形区域内，用于放置待检测目标。

3.根据权利要求1所述的轻量化多尺度特征融合缺陷检测方法，其特征在于，所述三元组注意力机制包括：三个相同的第六分支，三个相同的所述第六分支分别进行Z‑池化、卷积和所述Sigmoid激活函数操作，获取三个相同的所述第六分支的输出，并将所述输出进行取平均，获取所述三元组注意力机制的输出。

4.根据权利要求1所述的轻量化多尺度特征融合缺陷检测方法，其特征在于，所述特征检测头用于对所述第二特征图进行检测包括：所述特征检测头分别对所述特征图 、特征图 、特征图 、特征图 进行检测，输出预测框和类别概率，所述预测框由坐标值表示，所述类别概率通过将所述坐标值映射到

0‑1范围内获得。

5.根据权利要求4所述的轻量化多尺度特征融合缺陷检测方法，其特征在于，获取所述缺陷检测结果包括：

根据所述特征检测头是否输出所述预测框判断所述待检测目标是否存在缺陷，若输出所述预测框，则代表所述待检测目标存在缺陷；若未输出所述预测框，则代表所述待检测目标不存在缺陷。