1.一种基于深度学习的葡萄病虫害识别方法，其特征在于，包括以下步骤：对获取的葡萄株图像进行处理得到图像特征信息；

对图像特征信息进行分析提取病虫害特征信息；

将提取的病虫害信息与预设数据特征库进行对比，获取葡萄病虫害类型。

2.根据权利要求1所述的方法，其特征在于，所述对获取的葡萄株图像进行处理得到图像特征信息，具体包括：对葡萄植株图像进行分割为叶片、果实、叶柄、新梢、卷须和藤条部位的子图像；

对子图像进行灰度处理并进行二值化处理得到第一处理图像；

对第一处理图像进行二次分割得到第二处理图像并得到第二处理图像的图像特征信息。

3.根据权利要求1所述的方法，其特征在于，对图像特征信息进行分析提取病虫害特征信息；具体包括：对第二处理图像进行处理得到病斑区图像；

对病斑区图像进行形态学图像处理得到最终病斑区图像。

4.根据权利要求3所述的方法，其特征在于，所述对第二处理图像进行处理得到病斑区图像；具体为：根据图像特征信息采用选择搜索方法对第二处理图像处理生成多个子候选区域，对子候选区域进行相似性合并形成候选区域；

对候选区域进行颜色空间变换得到颜色空间候选区域；

利用图像叠加算法得到病斑区图像；

对病斑区图像进行归一化处理，并通过卷积神经网络中进行特征提取得到病虫害特征信息。

5.根据权利要求4所述的方法，其特征在于，所述对候选区域进行颜色空间变换得到颜色空间候选区域；具体为：采用RGB、HSI、Lab三个颜色空间同时进行变换，将三个颜色空间变换后的结果全部作为病斑区图像的候选区域。

6.根据权利要求3所述的方法，其特征在于，所述对病斑区图像进行形态学图像处理得到最终病斑区图像，具体包括：通过开运算来清楚昆虫留在植株上的粪便、沙土，通过闭运算填补虫害内部的孔洞。

7.根据权利要求1所述的方法，其特征在于，所述将提取的病虫害信息与预设数据特征库进行对比，获取葡萄病虫害类型，具体为：构建病虫害识别支持向量机模型；

对每个类别训练一个支持向量机的二值化分类器进行修正；

用回归器对上述所得类别进行回归操作，最终得到每个类别的修正后的得分最高的边框盒。

8.根据权利要求7所述的方法，其特征在于，所述对每个类别训练一个支持向量机的二值化分类器进行修正；具体包括：将提取的病虫害特征信息送入支持向量机分类器，通过支持向量机分类器对其打分计算；

计算loU指标，剔除重叠区域位置得到变形后的推荐区域；

使用变形后的推荐区域对CNN参数进行SGD训练得到候选框位置；

使用线性脊回归器精细修正候选框位置。

9.根据权利要求8所述的方法，其特征在于，计算loU指标，剔除重叠区域位置得到变形后的推荐区域，具体为：计算loU指标，采用非极大性抑制方法，以最高分的区域为基础，剔除重叠区域位置得到变形后的推荐区域。

10.根据权利要求1-9中任一所述的方法提出一种基于深度学习的葡萄病虫害识别装置，其特征在于，包括：图像特征处理模块，用于对获取的葡萄株图像进行处理得到图像特征信息；

病虫害分析模块，用于对图像特征信息进行分析提取病虫害特征信息；

病虫害类型判断模块，用于将提取的病虫害信息与预设数据特征库进行对比，获取葡萄病虫害类型。