1.一种基于fpga与mnasnet的钢材表面缺陷识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于fpga与mnasnet的钢材表面缺陷识别方征在于，所述步骤二中灰度化公式：
3.根据权利要求1所述的一种基于fpga与mnasnet的钢材表面缺陷识别方法，其特征在于，所述步骤三中的中值滤波原理公式：
4.根据权利要求1所述的一种基于fpga与mnasnet的钢材表面缺陷识别方法，其特征在于，所述步骤四中边缘检测的具体方式为：
5.根据权利要求1所述的一种基于fpga与mnasnet的钢材表面缺陷识别方法，其特征在于，所述步骤六中将图像像素值归一化公式：
6.根据权利要求1所述的一种基于fpga与mnasnet的钢材表面缺陷识别方法，其特征在于，所述步骤七中mnasnet对处理后的图像进行检测并识别的步骤：
7.根据权利要求6所述的一种基于fpga与mnasnet的钢材表面缺陷识别方法，其特征在于，所述卷积层是cnn中的核心组件，通过卷积运算对输入数据进行特征提取。卷积运算的目的是提取输入数据的局部特征，卷积操作的基本公式可以表示为：
8.根据权利要求6所述的一种基于fpga与mnasnet的钢材表面缺陷识别方法，其特征在于，所述池化层主要用于减少特征图的维度，同时保留重要的特征信息，通过设定窗口在特征图滑动，对窗口内的数据进行聚合操作，从而减小特征图的尺寸，对于池化窗口内的每个子区域，取该区域内的最大值作为输出。
9.根据权利要求6所述的一种基于fpga与mnasnet的钢材表面缺陷识别方法，其特征在于，所述全连接层将前一层的所有神经元与当前层的每个神经元相连，实现特征的综合和分类，公式：