1.一种基于YOLOV5的机器视觉缺陷质检方法，其特征在于：包括以下具体步骤：

步骤1，采集标准合格产品的多套六面照片，采集不同缺陷的不合格产品多套六面照片；

步骤2，对标准合格产品和不合格产品的六面照片分别运行图像拼接算法重新生成标准合格产品六面图和不合格产品六面图，标准合格产品六面图包含标准合格产品六个面所有外观特征，不合格产品六面图包含不合格产品六个面所有外观特征，多张标准合格产品六面图组成合格产品六面标准图训练库，多张不合格产品六面图组成不合格产品六面图训练库；

步骤3，搭建基于YOLOV5算法的质检平台（100），并采用步骤2中生成的合格产品六面标准图训练库和不合格产品六面图训练库训练质检平台（100）；

步骤4，判定待检测产品是否合格，采用机器视觉系统获取待检测产品的六面待检图，运行图像拼接算法将六面待检图拼接成一张产品待检图，将产品待检图输入到质检平台（100），质检平台（100）采用YOLOV5算法采集产品待检图的特征，通过相似度比较，当产品待检图与标准合格产品六面图的相似度IOU值大于设定相似度阈值时，输出产品合格的判定；

当产品六面待检图与标准合格产品六面图的相似度IOU值小于或等于设定相似度阈值时，输出产品不合格的判定；

步骤4还包括步骤41，产品缺陷特征输出，在对产品待检图与标准合格产品六面图件相似度对比前先进行缺陷特征遍历，调用缺陷特征对比库的缺陷快速比对层对产品待检图进行遍历，若匹配成功四个基准特征点的特征，匹配相似度IOU值大于0.9，且四个基准特征点之间的相互距离差异小于距离差异阈值，则质检平台（100）直接判定产品不合格，同时将缺陷位置进行框选处理，并基于框选标识进行显示；

所述距离差异值是指产品待检图任意两个基准特征点之间距离值与缺陷快速比对层中对应两个基准特征点之间距离值做差值的绝对值计算，然后将绝对值与缺陷快速比对层中对应两个基准特征点之间距离值做比值运算，设产品待检图任意两个基准特征点之间距离值为S，缺陷快速比对层中对应两个基准特征点之间距离值S1，距离差异阈值为D，则，距离差异阈值设0.05～0.1。

2.根据权利要求1所述的一种基于YOLOV5的机器视觉缺陷质检方法，其特征在于：步骤

2中，采用YOLOV5目标检测算法检测多套不合格产品六面照片的缺陷特征，并形成缺陷特征对比库。

3.根据权利要求2所述的一种基于YOLOV5的机器视觉缺陷质检方法，其特征在于：

YOLOV5目标检测算法模型的yolov5深度学习网络使用缺陷特征对比库数据进行迭代训练，将缺陷特征对比库中的图片宽高等比例缩放并填充灰色边缘至224×224大小输入，训练图像样本经过Focus网络结构提取三个有效特征层分别为(52,52,256)、(26,26,512)和(13,

13,1024)，并基于三个有效特征层进行构建第四特征FPN层。

4.根据权利要求3所述的一种基于YOLOV5的机器视觉缺陷质检方法，其特征在于：将三个有效特征层(52,52,256)、(26,26,512)和(13,13,1024)的特征通过3×3卷积的方式提取不同特征进行融合，在融合得到的特征图上再进行预测得到第四特征FPN层。

5.根据权利要求4所述的一种基于YOLOV5的机器视觉缺陷质检方法，其特征在于：采样第四特征FPN层上的至少四个基准特征点，所述基准特征点是指小于3像素点的特征区域，特征区域中的明暗变化程度大于50%，将四个基准特征点分别提取并构建基于四个基准特征点的缺陷快速比对层，并采用距离检测算法测得四个基准特征点之间的相互距离，并将距离数据作为缺陷快速比对层的附加对比项。

6.根据权利要求5所述的一种基于YOLOV5的机器视觉缺陷质检方法，其特征在于：采用明暗检测算法对第四特征FPN层进行明暗度变化检测，标记出所有明暗变化程度大于50%的区域，确定明暗变化程度最大的四个特征点作为基准特征点。

7.一种机器视觉系统，其特征在于：用于权利要求6所述的一种基于YOLOV5的机器视觉缺陷质检方法获取待检测产品的六面待检图，包括用于支撑待检产品的透明平台、底部相机（1）、龙门架和顶部相机模组，所述透明平台设置在待检产品生产线的出口处，所述底部相机（1）设置在透明平台的下方，用于拍摄待检产品的底视图，所述龙门架设置在透明平台的上方，所述顶部相机模组包括前部相机（2）、后部相机（3）、左侧相机（4）、右侧相机（5）和俯视相机（6），所述前部相机（2）、后部相机（3）、左侧相机（4）、右侧相机（5）和俯视相机（6）分别挂载在龙门架上，分别用于拍摄待检测产品的前部视图、后部视图、左侧视图、右侧视图和俯视图，底部相机（1）、前部相机（2）、后部相机（3）、左侧相机（4）、右侧相机（5）和俯视相机（6）分别与质检平台（100）通信连接。