1.一种UV树脂涂料漆面缺陷检测方法，其特征在于，包括：

获取待检测漆面的第一漆面图像集合并进行反光点去除处理，得到第一待检测图像；

所述第一漆面图像集合为不同角度光源拍摄的漆面图像；

反光点去除处理包括：获取在固定位置拍摄的不同角度光源的漆面图像，图像集合记为{I(θe)}，其中e＝1，2，…，n，θe表示拍摄角度，n表示漆面图像的数量；将图像集合中的漆面图像进行融合，得到多光源融合图像，多光源融合图像中的像素点的像素值为全部漆面图像中对应位置的像素点中的亮度值最低的像素值；

若多光源融合图像中的像素点的亮度值超过预设亮度阈值，则将像素点的像素值归零，得到归零像素点；获取归零像素点的相邻像素点的像素值和对应的权重值并使用改进双三次插值公式，得到插值像素点；

获取多光源融合图像中的全部像素点并处理，得到待检测图像；

权重值包括：获取相邻像素点的像素值并处理，得到相邻像素点的梯度；获取梯度并处理，得到梯度权重，用于调节插值过程中不同像素值的权重；

获取相邻像素点的像素值并使用二次曲面拟合，通过最小二乘法得到像素曲面函数z(x,y)；获取像素曲面函数并处理，得到局部表面拟合权重，用于调节插值结果；

获取梯度权重和局部表面拟合权重并处理，得到综合权重，综合权重的计算公式为；

ω(i,j)＝η1·ω1(i,j)+η2·ω2(i,j)；

其中，ω(i,j)表示在(x+i,y+j)处的综合权重，η1表示梯度权重的比例系数，η2表示局部表面拟合权重的比例系数，ω1(i,j)表示在(x+i,y+j)处的梯度权重，ω2(i,j)表示在(x+i,y+j)处的局部表面拟合权重，(x,y)表示归零像素点的位置，(x+i,y+j)表示相邻像素点的位置；

获取溶剂清洗后的所述待检测漆面的第二漆面图像集合并进行所述反光点去除处理，得到第二待检测图像；对所述第一待检测图像和所述第二待检测图像进行相同分割，得到第一分割图像集合和第二分割图像集合；获取所述第一分割图像集合和所述第二分割图像集合的数据并处理，得到分割图像相似度指数，根据预设相似阈值检测未固化缺陷；

获取所述第二分割图像集合的数据并处理，得到分割区域均匀度指数，根据预设均匀度阈值检测颜色不均匀缺陷；

建立MSF‑CRA‑YOLOv5神经网络模型对所述待检测漆面进行缺陷检测，包括缺陷类型和位置；获取不规则表面的轮廓并进行分割，得到分割后轮廓集合，获取所述分割后轮廓集合和缺陷建立数据集；获取目标置信度损失、分类损失和坐标回归损失并处理，得到总损失函数；

获取检测结果，并生成检测报告，用于所述待检测漆面的质量跟踪和分析。

2.根据权利要求1所述的一种UV树脂涂料漆面缺陷检测方法，其特征在于，所述检测未固化缺陷包括：所述第一分割图像集合和所述第二分割图像集合内的图像数量均为G；获取所述第一分割图像集合内的第g个分割图像和所述第二分割图像集合内的第g个分割图像的数据并处理，得到所述分割图像相似度指数；所述第一分割图像集合内的第g个分割图像和所述第二分割图像集合内的第g个分割图像为相同位置；若所述分割图像相似度指数大于所述预设相似阈值，则所述第二待检测图像内存在所述未固化缺陷。

3.根据权利要求1所述的一种UV树脂涂料漆面缺陷检测方法，其特征在于，所述检测颜色不均匀缺陷包括：获取所述第二分割图像集合的数据并处理，得到图像特征；获取所述第二分割图像集合内的第g个分割图像的相邻分割图像的数据并处理，得到第g个所述分割图像的加权图像特征，获取所述加权图像特征和第g个所述分割图像的图像特征并处理，得到所述分割区域均匀度指数，若所述分割区域均匀度指数大于所述预设均匀度阈值，则第i个所述分割图像存在所述颜色不均匀缺陷。

4.根据权利要求1所述的一种UV树脂涂料漆面缺陷检测方法，其特征在于，所述数据集包括：获取所述轮廓，并进行曲线拟合和分割处理，得到分割后轮廓集合；所述分割处理包括获取拟合曲线的曲率，若曲率超过预设曲率阈值，则进行轮廓分割；获取所述分割后轮廓集合和所述缺陷建立数据集，所述缺陷包括：气泡、流挂、桔皮纹理、颗粒杂质、龟裂和划痕。

5.根据权利要求1所述的一种UV树脂涂料漆面缺陷检测方法，其特征在于，所述损失函数包括：目标置信度损失函数最小化预测和真实目标之间的差距，用于预测是否存在缺陷；分类损失函数用于缺陷分类任务；坐标损失函数用于优化缺陷边界框的位置和尺寸；

总损失函数的计算公式为：

Ltotal＝λ1·Lobj+λ2·Lcls+λ3·Lloc；

其中，Ltotal表示总损失函数，λ1表示所述目标置信度损失函数的权重系数，Lobj表示所述目标置信度损失函数，λ2表示所述分类损失函数的权重系数，Lcls表示所述分类损失函数，λ3表示所述坐标损失函数的权重系数，Lloc表示所述坐标损失函数。

6.根据权利要求1所述的一种UV树脂涂料漆面缺陷检测方法，其特征在于，所述损失函数还包括：获取损失数据并处理，得到预测阶段损失函数，用于优化边界框的位置精度，所述损失数据包括交并比、预测框和真实目标框中心点之间的距离和框对角线长度。

7.根据权利要求1所述的一种UV树脂涂料漆面缺陷检测方法，其特征在于，还包括：记录全部缺陷信息，所述全部缺陷信息包括：缺陷类型、缺陷面积、缺陷位置和缺陷出现次数，根据所述全部缺陷信息生成样品缺陷数据，用于所述待检测漆面的质量跟踪和分析。

8.一种UV树脂涂料漆面缺陷检测系统，其特征在于，包括：

未固化缺陷检测模块，用于获取待检测漆面的第一漆面图像集合并进行反光点去除处理，得到第一待检测图像；所述第一漆面图像集合为不同角度光源拍摄的漆面图像；

反光点去除处理包括：获取在固定位置拍摄的不同角度光源的漆面图像，图像集合记为{I(θe)}，其中e＝1，2，…，n，θe表示拍摄角度，n表示漆面图像的数量；将图像集合中的漆面图像进行融合，得到多光源融合图像，多光源融合图像中的像素点的像素值为全部漆面图像中对应位置的像素点中的亮度值最低的像素值；

若多光源融合图像中的像素点的亮度值超过预设亮度阈值，则将像素点的像素值归零，得到归零像素点；获取归零像素点的相邻像素点的像素值和对应的权重值并使用改进双三次插值公式，得到插值像素点；

获取多光源融合图像中的全部像素点并处理，得到待检测图像；

权重值包括：获取相邻像素点的像素值并处理，得到相邻像素点的梯度；获取梯度并处理，得到梯度权重，用于调节插值过程中不同像素值的权重；

获取相邻像素点的像素值并使用二次曲面拟合，通过最小二乘法得到像素曲面函数z(x,y)；获取像素曲面函数并处理，得到局部表面拟合权重，用于调节插值结果；

获取梯度权重和局部表面拟合权重并处理，得到综合权重，综合权重的计算公式为；

ω(i,j)＝η1·ω1(i,j)+η2·ω2(i,j)；

其中，ω(i,j)表示在(x+i,y+j)处的综合权重，η1表示梯度权重的比例系数，η2表示局部表面拟合权重的比例系数，ω1(i,j)表示在(x+i,y+j)处的梯度权重，ω2(i,j)表示在(x+i,y+j)处的局部表面拟合权重，(x,y)表示归零像素点的位置，(x+i,y+j)表示相邻像素点的位置；

获取溶剂清洗后的所述待检测漆面的第二漆面图像集合并进行所述反光点去除处理，得到第二待检测图像；对所述第一待检测图像和所述第二待检测图像进行相同分割，得到第一分割图像集合和第二分割图像集合；获取所述第一分割图像集合和所述第二分割图像集合的数据并处理，得到分割图像相似度指数，根据预设相似阈值检测未固化缺陷；

喷涂不均匀检测模块，用于获取所述第二分割图像集合的数据并处理，得到分割区域均匀度指数，根据预设均匀度阈值检测颜色不均匀缺陷；

缺陷检测模块，用于建立MSF‑CRA‑YOLOv5神经网络模型对所述待检测漆面进行缺陷检测，包括缺陷类型和位置；获取不规则表面的轮廓并进行分割，得到分割后轮廓集合，获取所述分割后轮廓集合和缺陷建立数据集；获取目标置信度损失、分类损失和坐标回归损失并处理，得到总损失函数；

数据分析模块获取检测结果，并生成检测报告，用于所述待检测漆面的质量跟踪和分析。