1.基于旋转目标和改进注意力机制的薄膜划痕瑕疵检测方法，其特征在于该方法包括如下步骤：
步骤1、使用工业相机采集薄膜图像，手工标注薄膜瑕疵，得到一个薄膜数据集；
步骤2、在coco大型目标检测数据集上训练centernet网络，得到一个centernet的预训练网络模型；
步骤3、对centernet的预训练网络模型的结构进行修改，具体是：
在centernet的主干网络resnet50中去除第一个下采样层，用于增强图像底层细节信息；
采用跨层融合将主干网络resnet50的第三模块layer3与第四模块layer4的输出像素采取相似度加权来对第三模块layer3的输出进行增强，再对第三模块layer3进行通道维度的注意力操作，然后与第一模块layer1的输出加权增强；
使用子像素卷积替代centernet的主干网络之后的上采样层；
对centernet的主干网络的输出增加一个旋转角度分支，用于对目标的角度进行检测；
步骤4、在薄膜数据集上，将薄膜数据输入修改后的centernet网络模型，重新训练修改过的网络模型，来得到目标网络模型；
步骤5、将目标网络模型加载到薄膜实时检测系统中，将相机采集的实时薄膜数据载入系统中进行薄膜划痕瑕疵检测。
2.根据权利要求1所述的基于旋转目标和改进注意力机制的薄膜划痕瑕疵检测方法，其特征在于：
步骤3中使用子像素卷积代替反卷积进行上采样，通过两个卷积层处理特征图像，为每个输出通道得到r2个特征通道，将每个像素的r2个通道的低分辨率特征周期性地重新排列成一个r×r区域，得到高分辨率的图像，其中r为上采样倍数。
3.根据权利要求1所述的基于改进的注意力机制的薄膜瑕疵检测方法，其特征在于：
步骤4中heatmap预测使用focalloss，宽高、中心点偏移和角度预测均使用l1loss；对得到的heatmap损失、中心点偏移损失、宽高损失和角度预测损失设置不同的权重进行加权融合。