1.一种基于卷积神经网络的甘蔗胚芽分类系统，其特征在于，包括图片样本建立模块(1)、学习模块(2)、训练模块(3)、甘蔗胚芽获取模块(4)、识别比较模块(5)及识别结果显示模块(6)，所述图片样本建立模块(1)用于将多张已知完好或破损的甘蔗胚芽图片样本的导入，并根据甘蔗胚芽图片的完好性及破损性分为完好样本及破损样本；

所述学习模块(2)包括图片编码子模块(21)、图片处理子模块(22)及卷积神经子模块(23)，

所述图片编码子模块(21)用于所述完好样本及所述破损样本内每一张图片的自动编码，以使所述完好样本内的图片具有完好标签及所述破损样本内的图片具有破损标签；

所述图片处理子模块(22)用于所述完好样本及所述破损样本内的图片格式的转换，并将每一图片转换为相同的格式；

所述卷积神经子模块(23)用于通过卷积神经网络获取所述图片处理子模块(22)内的特征图像，并分别对所述完好样本及所述破损样本内的图片特征进行训练学习，以获得完好数据网络模型及破损数据网络模型，所述完好数据网络模型包括所述完好样本的图片特征，所述破损数据网络模型包括所述破损样本内的图片特征；

所述误差控制模块(3)用于通过交叉熵函数降低所述卷积神经子模块(23)训练学习的误差值；

所述甘蔗胚芽获取模块(4)包括甘蔗胚芽扫描子模块(41)及扫描图片适配子模块(42)，所述甘蔗胚芽扫描子模块(41)用于所需分类甘蔗胚芽的扫描，并将扫描数据生成图片；所述扫描图片适配子模块(42)用于所述甘蔗胚芽扫描子模块(41)图片格式的转换，以获得与所述图片处理子模块(22)匹配的图片格式；

所述识别比较模块(5)用于所述图片处理子模块(22)图像的获取，并将所述图片处理子模块(22)的数据与所述完好数据网络模型及所述破损数据网络模型的数据进行比较分析，通过比较配对特征图像的方式，以获得所述甘蔗胚芽获取模块(4)中的胚芽好坏情况，并通过所述识别结果显示模块(6)显示。

2.根据权利要求1所述的一种基于卷积神经网络的甘蔗胚芽分类系统，其特征在于：所述图片样本建立模块(1)采用TFRecord数据集对所述完好样本及所述破损样本的图片进行记录保存。

3.根据权利要求1所述的一种基于卷积神经网络的甘蔗胚芽分类系统，其特征在于：所述图片处理子模块(22)将所述完好样本及所述破损样本内的图片颜色空间转化为灰度空间，并修改统一尺寸，所述扫描图片适配子模块(42)将所述甘蔗胚芽扫描子模块(41)的图片颜色空间转化为灰度空间，并所修改的尺寸与所述图片处理子模块(22)相同。

4.根据权利要求1所述的一种基于卷积神经网络的甘蔗胚芽分类系统，其特征在于：所述卷积神经子模块(23)采用卷积层及池化层对编码和转换后所述完好样本及所述破损样本图片特征的提取，并通过局部连接和权值共享方式使卷积层与池化层进行无缝连接；所述卷积神经子模块(23)采用ReLU函数作为激活函数。

5.根据权利要求1所述的一种基于卷积神经网络的甘蔗胚芽分类系统，其特征在于：所述误差控制模块(3)对所述卷积神经子模块(23)的数据进行softmax归一化，并将已知完好或破损的甘蔗胚芽图片输入到所述卷积神经子模块(23)，使已知完好或破损的甘蔗胚芽图片特征与所述完好样本及所述破损样本内的图片特征进行比较，以获得完好或破损的甘蔗胚芽的概率；将完好或破损的甘蔗胚芽的概率与真实的甘蔗胚芽情况进行独热向量比较，计算出交叉熵，并将交叉熵作用于所述卷积神经子模块(23)。

6.根据权利要求1所述的一种基于卷积神经网络的甘蔗胚芽分类系统，其特征在于：所述识别比较模块(5)通过判断所述图片处理子模块(22)的特征图像与所述卷积神经子模块(23)的特征图像配对的阈值，使所述卷积神经子模块(23)输出对应的维度值，以获得所需分类甘蔗胚芽的好坏；当所述阈值大于0.5，所述卷积神经子模块(23)输出的维度值为【1,

0】，该图片对应的甘蔗胚芽为破损；当所述阈值小于0.5，所述卷积神经子模块(23)输出的维度值为【0,1】，该图片对应的甘蔗胚芽为完好。

7.根据权利要求1所述的一种基于卷积神经网络的甘蔗胚芽分类系统，其特征在于：所述甘蔗胚芽扫描子模块(41)包括固定架(7)、滑动轨(71)、支撑架(72)、扫描镜(73)、固定装置及翻转装置，所述固定架(7)内设有若干个放置槽(74)，所述放置槽(74)用于甘蔗的放置，所述滑动轨(71)与所述固定架(7)的一侧固定连接，所述支撑架(72)为“7”字形结构，所述支撑架(72)一端通过电动伸缩杆(711)与所述滑动轨(71)滑动连接，另一端与所述扫描镜(73)固定连接，所述扫描镜(73)朝向所述放置槽(74)，用于所述放置槽(74)内甘蔗胚芽的扫描；

每一所述放置槽(74)内设有一所述固定装置，所述固定装置包括两所述转动件(8)相对设置并一端通过连接杆(811)与所述放置槽(74)转动连接，所述连接杆(811)穿出所述放置槽(74)外；两所述固定件(81)分别通过弹簧(812)与所述转动件(8)远离所述连接杆(811)的一端连接；所述翻转装置包括电机(82)、传动轴(83)及传动带(84)，所述电机(82)固定在所述固定架(7)上，并与所述传动轴(83)固定连接，所述传动带(84)设有若干条，每一所述传动带(84)与所述传动轴(83)及其中一行的所述连接杆(811)连接；所述电机(82)为伺服电机，所述电机(82)每转一个角度，所述传动轴(83)带动所述传动带(84)运动，以使每一放置槽(74)内的所述转动件(8)获得相同的转动角度，所述扫描镜(73)对所述放置槽(74)内每个甘蔗的角度进行拍摄，以获得甘蔗上所有的胚芽。

8.根据权利要求7所述的一种基于卷积神经网络的甘蔗胚芽分类系统，其特征在于：所述扫描图片适配子模块(42)能够对所述甘蔗胚芽扫描子模块(41)获得的图片进行处理，使得每一甘蔗的所有胚芽都处于同一图片中。

9.根据权利要求1所述的一种基于卷积神经网络的甘蔗胚芽分类系统，其特征在于：所述识别结果显示模块(6)用于通过接收所述识别比较模块(5)的信号，并采用两种对比颜色对甘蔗胚芽的完好或破损进行标记。

10.根据权利要求1所述的一种基于卷积神经网络的甘蔗胚芽分类系统，其特征在于：

还包括二次学习模块(24)，所述二次学习模块(24)用于将已经识别完好或破损的甘蔗胚芽图片特征，对应地发送到所述完好数据网络模型或所述破损数据网络模型中。