1.一种水稻病虫害识别方法，其特征在于，包括：

S1，采集稻田中的待识别水稻病虫害图像；

S2，调用已训练好的深度学习识别模型对待识别水稻病虫害图像进行识别，并输出识别结果；

所述深度学习识别模型的训练步骤具体包括：

构建水稻病虫害数据集；

将水稻病虫害数据集划分成训练集和测试集；其中，训练集用于训练深度学习识别模型，测试集用来评估训练好的深度学习识别模型泛化能力的强弱；

基于经典深度学习识别网络ResNet提出FRNet网络，具体包括：将深度学习识别网络ResNet最后一个残差块输出的每个特征图拉成一维的特征向量；把每个特征图的特征向量按行排成一个矩阵F，再将矩阵F与矩阵F的转置矩阵相乘得到权值矩阵W；将权值矩阵W标准化后求出权值矩阵W所有元素的最大值max，然后将最大值max作为正则项加入到交叉熵损失函数中，得到FRNet网络；

使用训练集对FRNet网络进行训练，总共对FRNet网络训练N个轮次，每个轮次训练完后都用测试集对深度学习识别模型的识别精度进行测试，将识别精度最高的模型对应的网络权值文件作为对待识别水稻病虫害图像进行识别的深度学习识别模型；N≥2；

S3，根据识别结果判断待识别水稻是否存在病虫害，若是，则发出报警提示，并输出病虫害的名称和对应的防治措施。

2.根据权利要求1所述的水稻病虫害识别方法，其特征在于，步骤S2还包括：将获取的待识别水稻病虫害图像转换成RGB图像数据并存储，将RGB图像数据输入已训练好的深度学习识别模型。

3.根据权利要求1所述的水稻病虫害识别方法，其特征在于，所述构建水稻病虫害数据集的步骤，具体包括：编写网络爬虫爬取有关水稻病虫害的图片并进行筛选；

到稻田地实地采集病虫害图像；

将筛选出的水稻病虫害的图片和采集的病虫害图像作为水稻病虫害数据集，其中水稻病虫害数据集包括病害数据集和虫害数据集。

4.根据权利要求3所述的水稻病虫害识别方法，其特征在于，若判断识别出的水稻病虫害图像存在病虫害，则发出报警提示后还包括：自动将水稻病虫害图像进行标记，将已标记的水稻病虫害图像加入到数据集中，并使用新的数据集对深度学习识别模型进行训练，将训练完的最优深度学习识别模型覆盖原来的深度学习识别模型。

5.一种水稻病虫害识别系统，其特征在于，应用于权利要求1‑4中任一项所述的水稻病虫害识别方法，包括：图像采集与处理单元，用于采集稻田中的待识别水稻病虫害图像，将获取的待识别水稻病虫害图像转换成RGB图像数据并存储；

水稻病虫害识别单元，用于调用已训练好的深度学习识别模型对待识别水稻病虫害图像进行识别；

报警提醒单元，用于根据识别结果判断待识别水稻是否存在病虫害，若是，则发出报警提示，并输出病虫害的名称和对应的防治措施。

6.根据权利要求5所述的水稻病虫害识别系统，其特征在于，还包括：深度学习识别模型训练单元；

深度学习识别模型训练单元，用于构建水稻病虫害数据集；将水稻病虫害数据集划分成训练集和测试集；其中，训练集用于训练深度学习识别模型，测试集用来评估训练好的深度学习识别模型泛化能力的强弱；基于经典深度学习识别网络ResNet提出FRNet网络；使用训练集对FRNet网络进行训练，总共对FRNet网络训练N个轮次，每个轮次训练完后都用测试集对深度学习识别模型的识别精度进行测试，将识别精度最高的模型对应的网络权值文件作为对待识别水稻病虫害图像进行识别的深度学习识别模型；N≥2。