1.一种预制混凝土裂缝检测模型的训练方法，其特征在于，包括以下步骤：

首先获取基础模型和学习样本，学习样本为相关联的裂缝拍摄图像和裂缝标注图像；

基础模型在YOLOv5模型的基础上，将相连接的Upsample单元和Concat单元替换为LW模块，LW模块首先对YOLOv5模型中Upsample单元的输入数据进行池化处理，然后将池化数据与YOLOv5模型中Upsample单元和Concat单元组合模块的两路输入进行三向拼接后输出；

再令基础模型对学习样本进行学习，以迭代模型参数，直至收敛；将收敛后的基础模型作为预制混凝土裂缝检测模型，其输入为拍摄图像，输出为裂缝标注图像。

2.如权利要求1所述的预制混凝土裂缝检测模型的训练方法，其特征在于，LW模块包括平均池化层、最大池化层、维度叠加单元和第五Concat单元；第五Concat单元设有三个输入端；LW模块设有两个输入端；令YOLOv5模型中Upsample单元和Concat单元组合模块中，Upsample单元的输入端记作所述组合模块的第一输入端，Concat单元连接第二C3模块的输入端记作所述组合模块的第二输入端；LW模块的第一输入端取代所述组合模块的第一输入端，LW模块的第二输入端取代所述组合模块的第二输入端；

LW模块的第一输入端分别连接平均池化层的输入端、最大池化层的输入端和第五Concat单元的第一输入端，平均池化层的输出端和最大池化层的输出端均连接维度叠加单元的输入端，维度叠加单元的输出端连接第五Concat单元的第二输入端，第五Concat单元的第三输入端连接LW模块的第二输入端；第五Concat单元的输出端作为LW模块的输出端。

3.如权利要求1所述的预制混凝土裂缝检测模型的训练方法，其特征在于，令YOLOv5模型中，相同结构的模块沿着数据流转方向顺序命名；基础模型在YOLOv5模型的基础上，还将数据流通方向上的第一C3模块和第四C3模块均替换为MMT模块，MMT模块包括顺序连接的Bottleneck单元、MultiAttenCat单元和第十Conv单元；MMT模块的输入端分别连接Bottleneck单元的输入端和MultiAttenCat单元的输入端，第十Conv单元的输出端作为MMT模块的输出端。

4.如权利要求3所述的预制混凝土裂缝检测模型的训练方法，其特征在于，基础模型在YOLOv5模型的基础上，还将第四Conv单元和第五Conv单元均替换为RepVGG单元。

5.如权利要求1所述的预制混凝土裂缝检测模型的训练方法，其特征在于，模型参数的迭代过程包括以下步骤：St1、将学习样本划分为训练集和测试集；

St2、从训练集中抽取多个样本作为训练样本，令基础模型对训练样本进行学习，以迭代模型参数；

St3、从测试集中抽取多个样本作为测试样本，令基础模型对测试样本进行预测并输出裂缝标注图像；

St4、在测试样本上计算基础模型的损失，判断基础模型是否收敛；否，则返回步骤St2；

是，则固定基础模型。

6.如权利要求5所述的预制混凝土裂缝检测模型的训练方法，其特征在于，St4中，基础模型的损失为交叉熵损失或者是均方差损失。

7.一种采用如权利要求1‑6任一项所述的预制混凝土裂缝检测模型的训练方法的预制混凝土裂缝检测方法，其特征在于，首先采用如权利要求1‑6任一项所述的预制混凝土裂缝检测模型的训练方法获取检测模型；再对待检测目标进行拍照，获取目标图像；然后将目标图像输入检测模型，检测模型输出裂缝标注图像，以标注裂缝类型。

8.如权利要求7所述的预制混凝土裂缝检测方法，其特征在于，裂缝类型包括：横向裂缝、纵向裂缝和疲劳裂缝。

9.一种预制混凝土裂缝检测系统，其特征在于，包括存储器和处理器，存储器中存储有计算机程序，处理器连接存储器，处理器用于执行所述计算机程序，以实现如权利要求1‑6任一项所述的预制混凝土裂缝检测模型的训练方法。

10.一种可读介质，其特征在于，存储有计算机程序，所述计算机程序被执行时用于实现如权利要求1‑6任一项所述的预制混凝土裂缝检测模型的训练方法。