1.基于改進yolov10的輕量化手機屏幕缺陷檢測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于改進yolov10的輕量化手機屏幕缺陷檢測方法，其特征在于，所述s1中，具體步驟包括：
3.根據權利要求1所述的基于改進yolov10的輕量化手機屏幕缺陷檢測方法，其特征在于，所述s2中，改進yolov10目標檢測網絡模型包括主干網絡、頸部結構和頭部結構，用于多尺度的目標檢測任務；
4.根據權利要求3所述的基于改進yolov10的輕量化手機屏幕缺陷檢測方法，其特征在于，yolo-star網絡結構的手機屏幕缺陷檢測模型具體為：
5.根據權利要求4所述的基于改進yolov10的輕量化手機屏幕缺陷檢測方法，其特征在于，所述s21中，starnet模塊由stem層和多尺度特征提取階段組成，其前向傳遞方法為：
6.根據權利要求4所述的基于改進yolov10的輕量化手機屏幕缺陷檢測方法，其特征在于，所述s22中，c2f-odconv模塊在c2f模塊的基礎上融合od_attention注意力機制，使用odconv替換c2f中bottleneck的卷積模塊；其中，od_attention注意力機制同時考慮了通道注意力、過濾器注意力、空間注意力和卷積核注意力四個維度的信息；設輸入為其中b是批大小，cin是輸入通道數，h和w分別是高度和寬度，則odconv卷積的具體實現方式為：
7.根據權利要求6所述的基于改進yolov10的輕量化手機屏幕缺陷檢測方法，其特征在于，所述s221中，od_attention模塊的具體計算方式為：設輸入為首先對輸入進行全局平均池化，池化后的特征圖經過全連接層，最后計算通道注意力；具體表示為：
8.根據權利要求4所述的基于改進yolov10的輕量化手機屏幕缺陷檢測方法，其特征在于，所述s23中，detect_lscd模塊采用share_conv共享卷積層，所述共享卷積層包括兩個卷積層，用于對特征圖進行進一步的特征提取和融合，share_conv共享卷積層的具體結構為：
9.根據權利要求1所述的基于改進yolov10的輕量化手機屏幕缺陷檢測方法，其特征在于，所述s3中，具體包括：使用改進后的yolov10模型架構，以s1構建的數據集為輸入，在訓練過程中，設置學習率和迭代次數，使用隨機梯度下降(sgd)優化器，使模型逐漸收斂，學習手機屏幕目標的特征表示和檢測規律。
10.根據權利要求1所述的基于改進yolov10的輕量化手機屏幕缺陷檢測方法，其特征在于，所述s4中，目標檢測方法應用于手機屏幕檢測場景，模型部署到移動設備上后，還對模型進行量化處理，所述量化處理的方式包括將模型的權重和激活值從浮點數轉換為定點數，通過量化進一步減少模型的存儲空間和計算量；在手機屏幕上實時采集圖像時，還對圖像進行預處理，所述預處理的方式包括調整圖像大小、歸一化像素值，使圖像符合模型的輸入要求。