1.一种基于图像识别物体打磨位置的方法，其特征在于，包括：
2.根据权利要求1所述的基于图像识别物体打磨位置的方法，其特征在于，所述第一卷积神经网络模型包含3-5个卷积层。
3.根据权利要求2所述的基于图像识别物体打磨位置的方法，其特征在于，将所述待打磨产品图像通过作为浅层特征图提取器的第一卷积神经网络模型以得到产品浅层特征图，包括：使用所述作为浅层特征图提取器的第一卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：
4.根据权利要求3所述的基于图像识别物体打磨位置的方法，其特征在于，将所述产品浅层特征图通过空间注意力模块以得到空间增强产品浅层特征图，包括：
5.根据权利要求4所述的基于图像识别物体打磨位置的方法，其特征在于，将所述空间增强产品浅层特征图通过作为深层特征提取器的第二卷积神经网络模型以得到产品深层特征图，包括：使用所述作为深层特征提取器的第二卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：
6.根据权利要求5所述的基于图像识别物体打磨位置的方法，其特征在于，融合所述产品深层特征图和所述空间增强产品浅层特征图以得到产品特征图，包括：以如下级联公式来融合所述产品深层特征图和所述空间增强产品浅层特征图以得到产品特征图；
7.根据权利要求6所述的基于图像识别物体打磨位置的方法，其特征在于，对所述产品特征图进行特征去冗余化处理以得到优化后产品特征图，
8.根据权利要求7所述的基于图像识别物体打磨位置的方法，其特征在于，基于所述产品三维模型图，计算待打磨产品的表面粗糙度和几何误差，包括：
9.根据权利要求8所述的基于图像识别物体打磨位置的方法，其特征在于，基于所述产品三维模型图，计算待打磨产品的表面粗糙度和几何误差，包括：
10.一种基于图像识别物体打磨位置的系统，其特征在于，包括：