1.一种基于动态特征基于标签的迁移特征的神经网络的训练方法，其特征在于，包括：步骤1：获取吊运设备吊运板状构件时的监控视频并从所述监控视频中提取当前帧和先前帧；

步骤2：获取所述当前帧对应的扭转传感器感应吊运板状构件的线缆的扭转值作为标签值；

步骤3：分别将所述当前帧和所述先前帧通过深度卷积神经网络，以获得第一特征图和第二特征图；

步骤4：将所述第二特征图与所述第一特征图进行矩阵相乘，以获得第三特征图；

步骤5：分别计算所述标签值与所述第一特征图的第一交叉熵函数值以及所述标签值与所述第三特征图的第二交叉熵函数值并计算所述第一交叉熵函数值和所述第二交叉熵函数值的加权和以获得融合交叉熵损失函数值；

步骤6：融合所述第一特征图和所述第二特征图以获得分类特征图；

步骤7：将所述分类特征图通过分类器以获得分类损失函数值；

步骤8：基于所述融合交叉熵损失函数值和所述分类损失函数值的加权和，并通过梯度下降的反向传播来更新所述深度卷积神经网络的参数。

2.根据权利要求1所述的基于动态特征基于标签的迁移特征的神经网络的训练方法，其中，步骤6：融合所述第一特征图和所述第二特征图以获得分类特征图，包括：计算所述第一特征图和所述第二特征图的按像素位置的加权和，以获得所述分类特征图。

3.根据权利要求2所述的基于动态特征基于标签的迁移特征的神经网络的训练方法，其中，步骤7：将所述分类特征图通过分类器以获得分类损失函数值，包括：将所述分类特征图通过一个或多个全连接层，以获得分类特征向量；

将所述分类特征向量输入Softmax分类函数，以获得分类结果；以及将所述分类结果和真实值输入损失函数，以获得所述分类损失函数值。

4.根据权利要求1所述的基于动态特征基于标签的迁移特征的神经网络的训练方法，其中，所述当前帧与所述先前帧之间具有预设时间间隔。

5.根据权利要求1所述的基于动态特征基于标签的迁移特征的神经网络的训练方法，其中，所述深度卷积神经网络为深度残差网络。

6.一种基于深度神经网络的稳定性检测方法，其特征在于，包括：获取待检测图像，所述待检测图像为被吊运设备吊运的板状构件的图像；以及将所述待检测图像输入根据如权利要求1到5中任意一项所述的基于动态特征基于标签的迁移特征的神经网络的训练方法所训练的深度卷积神经网络和分类器，以获得分类结果，所述分类结果用于表示被吊运的板状构件的稳定性是否符合预设要求。

7.一种基于动态特征基于标签的迁移特征的神经网络的训练系统，其特征在于，包括：监控视频获取单元，用于执行步骤1：获取吊运设备吊运板状构件时的监控视频并从所述监控视频中提取当前帧和先前帧；

标签值获取单元，用于执行步骤2：获取所述当前帧对应的扭转传感器感应吊运板状构件的线缆的扭转值作为标签值；

静态特征图生成单元，用于执行步骤3：分别将所述监控视频获取单元获得的所述当前帧和所述先前帧通过深度卷积神经网络，以获得第一特征图和第二特征图；

动态特征图生成单元，用于执行步骤4：将所述静态特征图生成单元获得的所述第二特征图与所述第一特征图进行矩阵相乘，以获得第三特征图；

融合交叉熵损失函数值计算单元，用于执行步骤5：分别计算所述标签值获取单元获得的所述标签值与所述静态特征图生成单元获得的所述第一特征图的第一交叉熵函数值以及所述标签值获取单元获得的所述标签值与所述动态特征图生成单元获得的所述第三特征图的第二交叉熵函数值并计算所述第一交叉熵函数值和所述第二交叉熵函数值的加权和以获得融合交叉熵损失函数值；

分类特征图生成单元，用于执行步骤6：融合所述静态特征图生成单元获得的所述第一特征图和所述第二特征图以获得分类特征图；

分类损失函数值计算单元，用于执行步骤7：将所述分类特征图生成单元获得的所述分类特征图通过分类器以获得分类损失函数值；

参数更新单元，用于执行步骤8：基于所述融合交叉熵损失函数值计算单元获得的所述融合交叉熵损失函数值和所述分类损失函数值计算单元获得的所述分类损失函数值的加权和，并通过梯度下降的反向传播来更新所述深度卷积神经网络的参数。

8.根据权利要求7所述的基于动态特征基于标签的迁移特征的神经网络的训练系统，其中，所述分类特征图生成单元，进一步用于计算所述第一特征图和所述第二特征图的按像素位置的加权和，以获得所述分类特征图。

9.一种基于深度神经网络的稳定性检测系统，其特征在于，包括：待检测图像获取单元，用于获取待检测图像，所述待检测图像为被吊运设备吊运的板状构件的图像；以及分类结果生成单元，用于将所述待检测图像获取单元获得的所述待检测图像输入根据如权利要求1到5中任意一项所述的基于动态特征基于标签的迁移特征的神经网络的训练方法所训练的深度卷积神经网络和分类器，以获得分类结果，所述分类结果用于表示被吊运的板状构件的稳定性是否符合预设要求。

10.一种电子设备，包括：

处理器；以及

存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如权利要求1-5中任一项所述的基于动态特征基于标签的迁移特征的神经网络的训练方法或者如权利要求6所述的基于深度神经网络的稳定性检测方法。