1.一种具有增强特征融合能力的金属表面缺陷检测方法，其特征在于，包括以下步骤：根据预设样本金属的缺陷信息构建标注有预设样本金属表面缺陷的数据集；

获取原始YOLOv7‑tiny检测模型并将原始YOLOv7‑tiny检测模型中的所有ELAN‑T模块均替换为C5New3模块，获取第一检测模型；

在第一检测模型的模型网络中加入具有自适应加权特征融合能力的add模块，获取第二检测模型；

将第二检测模型的边界框回归损失函数进行替换，获取第三检测模型；

利用数据集对第三检测模型进行迭代训练，在第三检测模型收敛后选取最佳检测模型作为最终的金属表面缺陷检测模型；

利用金属表面缺陷检测模型对待检测金属进行表面缺陷检测。

2.根据权利要求1所述具有增强特征融合能力的金属表面缺陷检测方法，其特征在于，所述根据预设样本金属的缺陷信息构建标注有预设样本金属表面缺陷的数据集，包括：获取预设样本金属的表面缺陷检测图像，将表面缺陷检测图像的图像尺寸调整为预设尺寸，获取调整后的表面缺陷检测图像；

根据调整后的表面缺陷检测图像获取预设样本金属的缺陷信息；

基于预设样本金属的缺陷信息生成多个缺陷标签并将每个缺陷标签与其对应的目标缺陷特征相关联；

根据每个缺陷标签和其关联的目标缺陷特征构建标注有预设样本金属表面缺陷的数据集。

3.根据权利要求1所述具有增强特征融合能力的金属表面缺陷检测方法，其特征在于，所述获取原始YOLOv7‑tiny检测模型并将原始YOLOv7‑tiny检测模型中的所有ELAN‑T模块均替换为C5New3模块，获取第一检测模型，包括：获取原始YOLOv7‑tiny检测模型中ELAN‑T模块的第一卷积分布，根据第一卷积分布分别确定1×1卷积和3×3卷积的数量和排布方式；

根据ELAN‑T模块的1×1卷积和3×3卷积的数量和排布方式生成卷积优化方案；

根据卷积优化方案增加ELAN‑T模块的1×1卷积和3×3卷积各自的数量以构建C5New3模块；

将原始YOLOv7‑tiny检测模型中的所有ELAN‑T模块均替换为C5New3模块，获取第一检测模型。

4.根据权利要求1所述具有增强特征融合能力的金属表面缺陷检测方法，其特征在于，所述在第一检测模型的模型网络中加入具有自适应加权特征融合能力的add模块，获取第二检测模型，包括：配置具有自适应加权特征融合能力的add模块的模块运行逻辑；

调取第一检测模型的模型网络，将配置后的具有自适应加权特征融合能力的add模块加入到模型网络中，获取第二检测模型。

5.根据权利要求4所述具有增强特征融合能力的金属表面缺陷检测方法，其特征在于，所述配置具有自适应加权特征融合能力的add模块的模块运行逻辑，包括：获取第一检测模型的主干特征提取网络的网络输出，根据网络输出获取多个不同分辨率的第一特征张量；

通过Sigmoid函数基于每个第一特征张量的分辨率为该特征张量设置权重数值；

将每个第一特征张量与该特征张量的权重数值进行乘积操作，获取多个第二特征张量，将多个第一特征张量和第二特征张量进行求和操作；

将多个第一特征张量和第二特征张量的求和结果作为具有自适应加权特征融合能力的add模块的模块逻辑输出。

6.根据权利要求1所述具有增强特征融合能力的金属表面缺陷检测方法，其特征在于，所述将第二检测模型的边界框回归损失函数进行替换，获取第三检测模型，包括：利用损失函数Focal‑SIoU替换第二检测模型中原有的边界框回归损失函数CIoU；

根据替换后的第二检测模型获取第三检测模型。

7.根据权利要求1所述具有增强特征融合能力的金属表面缺陷检测方法，其特征在于，所述利用数据集对第三检测模型进行迭代训练，在第三检测模型收敛后选取最佳检测模型作为最终的金属表面缺陷检测模型，包括：利用数据集对第三检测模型进行第一迭代训练，检测每次训练时损失值停止下降后的模型权重作为该次训练的最佳权重，并获取当前模型；

采用迁移学习的方式对当前模型的最佳权重进行多次第二迭代训练，获取多个训练后的当前模型；

通过预设评测指标获取每个训练后的当前模型的模型检测精度；

选择模型精度最高的目标模型作为最终的金属表面缺陷检测模型。

8.根据权利要求1所述具有增强特征融合能力的金属表面缺陷检测方法，其特征在于，所述利用金属表面缺陷检测模型对待检测金属进行表面缺陷检测，包括：获取待检测金属存在缺陷的区域图像，对区域图像进行像素优化和去噪预处理，获取预处理后的区域图像；

利用金属表面缺陷检测模型对预处理后的区域图像进行纹理特征检测，获取检测结果；

根据检测结果确定区域图像的纹理缺陷参数，根据纹理缺陷参数确定每个区域图像对应的缺陷类型；

基于每个区域图像对应的缺陷类型生成待检测金属的整体缺陷报告并上传到终端服务器上。

9.根据权利要求7所述具有增强特征融合能力的金属表面缺陷检测方法，其特征在于，所述预设评测指标包括：召回率、精准度、平均精度值以及每秒处理图片数量。

10.一种具有增强特征融合能力的金属表面缺陷检测系统，其特征在于，该系统包括：构建模块，用于根据预设样本金属的缺陷信息构建标注有预设样本金属表面缺陷的数据集；

第一替换模块，用于获取原始YOLOv7‑tiny检测模型并将原始YOLOv7‑tiny检测模型中的所有ELAN‑T模块均替换为C5New3模块，获取第一检测模型；

添加模块，用于在第一检测模型的模型网络中加入具有自适应加权特征融合能力的add模块，获取第二检测模型；

第二替换模块，用于将第二检测模型的边界框回归损失函数进行替换，获取第三检测模型；

选取模块，用于利用数据集对第三检测模型进行迭代训练，在第三检测模型收敛后选取最佳检测模型作为最终的金属表面缺陷检测模型；

检测模块，用于利用金属表面缺陷检测模型对待检测金属进行表面缺陷检测。