1.一种钢材表面缺陷检测模型的训练方法，其特征在于，包括：获取钢材表面缺陷图像并进行放缩与归一化处理；

将归一化处理后的钢材表面缺陷图像输入数据增强网络，所述数据增强网络包括图像数据生成模块和图像数据鉴别模块，所述图像数据生成模块对所述钢材表面缺陷图像进行正向加噪处理，再对正向加噪处理后的钢材表面缺陷图像进行反向去噪处理，以重复直至获取与所述钢材表面缺陷图像具有相同分布特征的增强合成图像，所述图像数据鉴别模块对所述钢材表面缺陷图像和所述增强合成图像进行真实概率判断，以将筛选获取到的图像制作成钢材表面缺陷图像数据集；

根据所述钢材表面缺陷图像数据集，构建钢材表面缺陷检测模型并进行模型训练，所述钢材表面缺陷检测模型包括自适应矩估计优化模块，所述自适应矩估计优化模块进行动量更新，再进行梯度平方的指数移动平均更新，以进行学习率的自适应调整，又进行参数更新，以迭代后获取最终钢材表面缺陷检测模型。

2.根据权利要求1所述的钢材表面缺陷检测模型的训练方法，其特征在于，所述获取钢材表面缺陷图像并进行放缩与归一化处理的步骤包括：采集原始钢材表面缺陷图像并根据缺陷种类进行分类分割，以获取钢材表面缺陷图像，所述钢材表面缺陷图像包括碳化痕迹缺陷图像、斑点缺陷图像、凹坑缺陷图像、氧化层缺陷图像、划痕缺陷图像、焊缝线缺陷图像、油斑缺陷图像、丝斑缺陷图像和新月形缝隙缺陷图像；

根据预先设定的模型网络输入尺寸进行放缩与归一化处理。

3.根据权利要求1所述的钢材表面缺陷检测模型的训练方法，其特征在于，所述图像数据生成模块对所述钢材表面缺陷图像进行正向加噪处理的步骤包括：图像数据生成模块根据如下公式对钢材表面缺陷图像进行正向加噪处理，以将钢材表面缺陷图像转化为各向同性的高斯纯噪声图像，其中，

4.根据权利要求1所述的钢材表面缺陷检测模型的训练方法，其特征在于，所述再对正向加噪处理后的钢材表面缺陷图像进行反向去噪处理的步骤包括：图像数据生成模块根据如下公式对钢材表面缺陷图像进行反向去噪，以滤除噪声后获取与原始输入图像具有相同分布特征的新图像，其中，

其中，

5.根据权利要求1所述的钢材表面缺陷检测模型的训练方法，其特征在于，所述图像数据鉴别模块对所述钢材表面缺陷图像和所述增强合成图像进行真实概率判断，以将筛选获取到的图像制作成钢材表面缺陷图像数据集的步骤包括：将钢材表面缺陷图像和增强合成图像输入图像数据鉴别模块，以根据如下公式进行图像筛选：其中，

并进行真实概率判断，若

6.根据权利要求1所述的钢材表面缺陷检测模型的训练方法，其特征在于，所述自适应矩估计优化模块进行动量更新，再进行梯度平方的指数移动平均更新，以进行学习率的自适应调整，又进行参数更新的步骤包括：自适应矩估计优化模块根据如下公式进行动量更新：

其中，

再根据梯度的二阶矩估计进行自适应学习率调整，所述自适应学习率调整根据如下公式进行梯度平方的指数移动平均更新：其中，

最后根据如下公式进行参数更新：

其中，

7.根据权利要求1所述的钢材表面缺陷检测模型的训练方法，其特征在于，所述自适应矩估计优化模块进行动量更新，再进行梯度平方的指数移动平均更新，以进行学习率的自适应调整，又进行参数更新的步骤之后还包括：根据二元交叉熵损失函数进行目标对象损失和目标类别损失的计算，计算公式如下：其中，

根据均方误差损失进行边界框坐标损失计算，计算公式如下：其中

根据GIOU损失函数计算预测框与真实框之间的重叠程度，计算公式如下：其中，

8.一种钢材表面缺陷检测模型的训练系统，其特征在于，包括：图像采集模块，用于获取钢材表面缺陷图像并进行放缩与归一化处理；

数据增强模块，用于将归一化处理后的钢材表面缺陷图像输入数据增强网络，所述数据增强网络包括图像数据生成模块和图像数据鉴别模块，所述图像数据生成模块对所述钢材表面缺陷图像进行正向加噪处理，再对正向加噪处理后的钢材表面缺陷图像进行反向去噪处理，以重复直至获取与所述钢材表面缺陷图像具有相同分布特征的增强合成图像，所述图像数据鉴别模块对所述钢材表面缺陷图像和所述增强合成图像进行真实概率判断，以将筛选获取到的图像制作成钢材表面缺陷图像数据集；

优化训练模块，用于根据所述钢材表面缺陷图像数据集，构建钢材表面缺陷检测模型并进行迭代训练，所述钢材表面缺陷检测模型包括自适应矩估计优化模块，所述自适应矩估计优化模块进行动量更新，再进行梯度平方的指数移动平均更新，以进行学习率的自适应调整，又进行参数更新，以迭代后获取最终钢材表面缺陷检测模型。

9.一种存储介质，其特征在于，所述存储介质存储一个或多个程序，该程序被处理器执行时实现如权利要求1-7任一项所述的钢材表面缺陷检测模型的训练方法。

10.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，其中：所述存储器用于存放计算机程序；

所述处理器用于执行所述存储器上所存放的计算机程序时，实现权利要求1-7任一项所述的钢材表面缺陷检测模型的训练方法。