1.一種基于swin-transformer的刀具損傷智能定量檢測(cè)方法，其特征在于，包括以下步驟：
2.如權(quán)利要求1所述的一種基于改進(jìn)swin-transformer的刀具損傷智能定量檢測(cè)方法，其特征在于：步驟1.3中刀具損傷類型數(shù)量設(shè)置為i，i≥2，i∈n，i的設(shè)置基于刀具損傷類別。
3.如權(quán)利要求1所述的一種基于改進(jìn)swin-transformer的刀具損傷智能定量檢測(cè)方法，其特征在于：步驟2中網(wǎng)絡(luò)結(jié)構(gòu)部分的劃分，應(yīng)按照一個(gè)patch?partition分區(qū)模塊、一個(gè)linear?embeding線性嵌入層、三個(gè)patch?merging合并層、一個(gè)layer?norm層、一個(gè)全局池化層以及全連接層的順序進(jìn)行劃分，具體的模塊數(shù)量可以按照任務(wù)需求添加刪減。
4.如權(quán)利要求1所述的一種基于改進(jìn)swin-transformer的刀具損傷智能定量檢測(cè)方法，其特征在于：步驟4.4中損失函數(shù)的添加，其中一般為損傷帶寬度損失、交叉熵?fù)p失以及掩碼二元交叉熵?fù)p失，損失函數(shù)如式i所示：
5.如權(quán)利要求1所述的一種基于改進(jìn)swin-transformer的刀具損傷智能定量檢測(cè)方法，其特征在于：步驟4.1中訓(xùn)練刀具損傷分割模型，初始迭代次數(shù)設(shè)置為j，500≤j≤10000，j∈n。根據(jù)訓(xùn)練集圖像數(shù)量進(jìn)行選擇，一般不少于500張圖像。
6.如權(quán)利要求1所述的一種基于改進(jìn)swin-transformer的刀具損傷智能定量檢測(cè)方法，其特征在于：步驟4中模型訓(xùn)練，圖像統(tǒng)一格式設(shè)置為a×a，圖像尺寸基于處理器內(nèi)存，一般不低于224×224。
7.如權(quán)利要求1所述的一種基于改進(jìn)swin-transformer的刀具損傷智能定量檢測(cè)方法，其特征在于：步驟4中模型訓(xùn)練，訓(xùn)練批次尺寸設(shè)置為b，4≤b<256，b∈n；b取值基于顯卡內(nèi)存，內(nèi)存越大，b值越大。
8.如權(quán)利要求1所述的一種基于改進(jìn)swin-transformer的刀具損傷智能定量檢測(cè)方法，其特征在于：步驟4中模型訓(xùn)練，將訓(xùn)練窗口尺寸設(shè)置為c，1≤c<16，c∈n；b取值基于顯卡內(nèi)存，內(nèi)存越大，c值越大；將通道深度設(shè)置d，96<d<1536，d∈n；d的取值與網(wǎng)絡(luò)層數(shù)有關(guān)，層數(shù)越多，d取值越大；為將多頭注意力模塊中head的個(gè)數(shù)設(shè)置為e，2<e<300，e∈n；e取值基于目標(biāo)類型，類型越多，e值越大。
9.如權(quán)利要求1所述的一種基于改進(jìn)swin-transformer的刀具損傷智能定量檢測(cè)方法，其特征在于：步驟4中模型訓(xùn)練，將訓(xùn)練時(shí)使用的優(yōu)化算法設(shè)置為sgd算法。