1.一种基于图像识别的生姜茎叶病虫害识别方法，包括一种生姜茎叶病虫害识别深度神经网络训练方法和一种生姜茎叶病虫害深度神经网络识别方法；

所述一种生姜茎叶病虫害识别深度神经网络训练方法，该方法包括：识别训练集中图像中的生姜茎和叶区域；

对所述茎和叶的区域进行截取，并做归一化处理，得到茎归一化图像、叶归一化图像；

将茎归一化图像和叶归一化图像分别输入到茎病虫害分类深度神经网络和叶病虫害分类深度神经网络进行训练，得到茎病虫害分类深度神经网络模型和叶病虫害分类深度神经网络模型；

其中，所述茎病虫害分类深度神经网络和叶病虫害分类深度神经网络均采用MobileNet结构，所述MobileNet结构输入层为卷积层，输出层为全链接层；所述茎病虫害分类深度神经网络和叶病虫害分类深度神经网络的损失函数均采用triplet函数；所述triplet函数连接全连接层输出；

最后，将茎病虫害分类深度神经网络和叶病虫害分类深度神经网络的全链接层输出特征拼接之后再输入全链接层和softmax损失函数；

所述将茎病虫害分类深度神经网络和叶病虫害分类深度神经网络的全链接层输出特征拼接如下：

式中， 为茎病虫害分类深度神经网络输出特征， 为叶病虫害分类深度神经网络输出特征； 为拼接后特征；

两个triplet损失函数和softmax损失函数融合为总损失函数：其中，La为总损失函数，L1为茎病虫害分类深度神经网络的triplet损失函数，L2为叶病虫害分类深度神经网络的triplet损失函数，L3为softmax损失函数；λ1，λ2，λ3为对应的权重值，分别为0.1，0.1，0.8；

所述生姜茎叶病虫害深度生姜网络识别方法，该方法包括：识别训练集中图像中的生姜茎和叶区域；

对所述茎和叶的区域进行截取，并做归一化处理，得到茎归一化图像、叶归一化图像；

将茎归一化图像和叶归一化图像分别输入到训练后的茎病虫害分类深度神经网络模型和叶病虫害分类深度神经网络模型，得到识别茎叶病虫害的特征信息；

将茎病虫害的特征信息与叶病虫害的特征信息拼接再输入全链接层，对输出全链接层特征进行判决分类，识别出茎叶病虫害结果；

所述茎归一化图像和叶归一化图像分别输入茎病虫害分类深度神经网络和叶病虫害分类深度神经网络进行训练，得到茎病虫害分类深度神经网络模型和叶病虫害分类深度神经网络模型，包括：

将归一化后的茎归一化图像和叶归一化图像输入到茎病虫害分类深度神经网络和叶病虫害分类深度神经网络的第一层卷积层完成卷积运算；

将得到的卷积运算结果输入到所述网络的下一级卷积层计算，至第N层卷积层完成卷积运算，再链接全链接层；

将全链接层输出特征与归一化后的茎归一化图像和叶归一化图像的标签输入损失函数，计算损失值，根据损失值反向传播更新网络参数；

根据训练结果确定所述茎病虫害分类深度神经网络模型和叶病虫害分类深度神经网络模型；

所述茎归一化图像和叶归一化图像的标签为生姜茎叶病虫害分类，为非负整数，0表示茎叶无病虫害；

识别训练集中图像中的生姜茎和叶区域，采用线下训练完成的生姜茎识别模型和生姜叶识别模型；

所述生姜茎识别模型用于图像中生姜茎的识别，输出为生姜茎的匹配矩形框；

所述生姜叶识别模型用于图像中生姜叶的识别，输出为生姜叶的匹配矩形框。

2.如权利要求1所述的一种基于图像识别的生姜茎叶病虫害识别方法，其特征在于：对所述茎和叶的区域进行截取，并做归一化处理，得到茎归一化图像和叶归一化图像，包括：将茎和叶的区域采用矩形框进行截取；

将截取的矩形框采用三样条差值方法resize到固定长宽尺度上得到茎归一化图像和叶归一化图像。

3.如权利要求1所述的一种基于图像识别的生姜茎叶病虫害识别方法，其特征在于：对所述茎和叶的区域进行截取，并做归一化处理，得到茎归一化图像和叶归一化图像，所述茎归一化图像尺度为：宽50，高200；所述叶归一化图像尺度为宽200，高50。

4.如权利要求1‑3任一项所述基于图像识别的生姜茎叶病虫害识别方法采用的系统，其特征在于：该系统由茎叶识别模块、图像归一化模块、模型预测模块组成；

所述茎叶识别模块用于获取图像中生姜茎和叶区域；

所述图像归一化模块，用于对所述图像中生姜茎和叶区域进行归一化处理，得到茎归一化图像和叶归一化图像；

所述模型预测模块，将茎归一化图像和叶归一化图像分别输入训练后的茎病虫害分类深度神经网络模型和叶病虫害分类深度神经网络模型，得到识别茎叶病虫害的特征信息；

将茎病虫害的特征信息与叶病虫害的特征信息拼接再输入全链接层，对输出全链接层特征进行判决分类，识别出茎叶病虫害结果。