技术特征：
1.一种基于递归注意力机制的裂纹检测的方法，其特征在于，包括以下步骤：s1、采集裂纹图片，通过u
‑
net的编码部分对裂纹图片进行下采样，得到不同尺度下采样图片的特征信号；s2、将不同尺度下采样图片的特征信号分别输入到相应的ram模块中，所述ram模块中包含有递归模块，通过所述递归模块输出相应的下采样特征信号；s3、通过ram模块分别输入u
‑
net的编码部分的l层特征信号和解码部分的l
‑
1层门控信号；s4、通过ram模块分别输出u
‑
net的编码部分的下采样输出信号和通过门控信号关注得到显著区域的特征信号；s5、构建u
‑
net的上采样模块，将ram模块输出的显著区域的特征信号与通过反卷积操作得到的上采样的特征信号拼接后进行上采样，得到裂纹检测图片。2.根据权利要求1所述的基于递归注意力机制的裂纹检测的方法，其特征在于，所述s1中使用三线性插值法在u
‑
net网络中将裂纹图片进行下采样，得到不同尺度下采样图片的特征信号。3.根据权利要求2所述的基于递归注意力机制的裂纹检测的方法，其特征在于，所述s3还包括u
‑
net的编码部分的l层特征信号和解码部分的l
‑
1层门控信号进行相加，相加机制为加性注意力机制，具体的公式如下：式中，σ1表示的是relu函数，w
g
、w
x
、ψ均为卷积操作，b
g
和b
ψ
为对应卷积的偏置项，t表示递归卷积操作。4.根据权利要求3所述的基于递归注意力机制的裂纹检测的方法，其特征在于，所述s4中，显著区域的特征信号经过跳跃链接的u
‑
net的编码部分的l层特征信号与解码部分的l
‑
1层门控信号进行相加后，经过relu和sigmoid变换输出经过α
i
之后形成，具体的公式如下：式中，σ2是sigmoid函数，g是门控信号。5.根据权利要求4所述的基于递归注意力机制的裂纹检测的方法，其特征在于，所述s5中，u
‑
net的编码部分通过解码器使用反卷积层逐步恢复目标的细节和相应的空间维度，通过跳跃链接输出ram的特征与上采样的特征进行拼接，构建上采样模块。6.根据权利要求5所述的基于递归注意力机制的裂纹检测的方法，其特征在于，所述s5中，上采样的具体步骤为通过ram模块输出得到显著区域的特征信号与上采样的特征拼接，将拼接之后的特征经过1x1的卷积和sigmoid函数变化，得到裂纹检测图片。7.根据权利要求6所述的基于递归注意力机制的裂纹检测的方法，其特征在于，还包括以下步骤：s6、构建训练模块，迭代给定次数后，得到裂纹检测模型。8.根据权利要求7所述的基于递归注意力机制的裂纹检测的方法，其特征在于，还包括以下步骤：s7、构建测试模块，将测试图像输入到裂纹检测模型中，得到裂纹测试图片。
9.一种用于实现权利要求8所述的基于递归注意力机制的裂纹检测的方法的装置，其特征在于，包括样本采集模块，若干ram模块，训练模块和测试模块；其中，所述样本采集模块，用于采集裂纹图片，通过u
‑
net的编码部分对裂纹图片进行下采样，得到不同尺度下采样图片的特征信号；将不同尺度下采样图片的特征信号分别输入到相应的ram模块中；所述ram模块中包含有递归模块，用于通过所述递归模块输出相应的下采样特征信号；分别输入u
‑
net的编码部分的l层特征信号和解码部分的l
‑
1层门控信号；分别输出u
‑
net的编码部分的下采样输出信号和通过门控信号关注显著区域的特征信号；构建u
‑
net的上采样模块，将显著区域的特征信号与原来上采样的特征信号拼接后进行上采样，得到裂纹检测图片；所述训练模块，用于迭代给定次数后，得到裂纹检测模型；所述测试模块，用于将测试图像输入到裂纹检测模型中，得到裂纹测试图片。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8任一项所述方法的步骤。