1.一种基于视觉的农产品检测方法，其特征在于，所述方法包括：根据预设的比例尺建立农产品种植区，基于预设的清晰度需求和图像采集参数确定无人机的采集参数；所述图像采集参数为无人机中图像获取设备的参数；

基于采集参数获取含有时间标签和位置标签的子图像，根据时间标签和位置标签拼接子图像，得到种植区图像；

根据预设的线性公式对种植区图像进行色值归一处理，对色值归一处理后的种植区图像进行识别，定位异常区；

根据异常区生成近景采集指令，向无人机发送；

所述基于采集参数获取含有时间标签和位置标签的子图像，根据时间标签和位置标签拼接子图像，得到种植区图像的步骤包括：读取所有无人机获取到的含有时间标签及位置标签的子图像，根据位置标签对子图像进行分类；所述位置标签为农产品种植区中的相对位置；

在位置标签中确定初始位置，根据时间顺序依次选取初始位置的子图像作为初始图像；

在预设的填充方向上根据时间标签选取拼接下一填充图像；选取的下一填充图像与初始填充图像之间的时间间隔最短；

将下一填充图像作为新的初始图像，并循环执行以上步骤直至选取的下一填充图像为终点位置处的子图像；

所述根据预设的线性公式对种植区图像进行色值归一处理，对色值归一处理后的种植区图像进行识别，定位异常区的步骤包括：根据预设的线性公式对种植区图像进行色值归一处理，得到单值图像；

根据预设的单值阈值对单值图像中各像素点进行标记，得到单值分布特征；所述单值分布特征为矩阵；

将所述单值分布特征输入预设的分析模型，得到含有异常区的异常图像；所述异常区由单值分布特征确定；

其中，所述线性公式中的常数项由预设的能量函数确定；

所述线性公式为：

；

能量函数为：

；

式中，M为单值图像中各像素点的值； 为颜色对比度；x和y为计算颜色对比度时确定的两个图像中的点； 为高斯分布函数；

其中，线性公式中的a、b和c是待定的常数，a+b+c=1；

所述能量函数的应用过程包括：

计算样本图像中的对比度，确定最大值点和最小值点；

对a、b和c进行预赋值，得到至少一组预赋值结果，根据预赋值结果确定线性公式；

依次基于确定的线性公式获取最大值点和最小值点对应的数值，输入能量函数，计算并统计能量函数的输出值；其中，一组预赋值结果对应一个输出值；

选取最小的输出值对应的预赋值结果，确定a、b、c的具体值。

2.根据权利要求1所述的基于视觉的农产品检测方法，其特征在于，所述根据预设的比例尺建立农产品种植区，基于预设的清晰度需求和图像采集参数确定无人机的采集参数的步骤包括：获取农产品种植区的实际尺寸和预设的模型尺寸，根据所述实际尺寸和所述模型尺寸确定比例尺，根据比例尺建立农产品种植区；

获取无人机中图像获取设备的像素，由像素确定不同采集范围的清晰度；

将所述清晰度与预设的清晰度需求进行比对，确定采集范围阈值，由采集范围阈值确定无人机的工作高度；

根据确定的工作高度对应的规划采集范围对农产品种植区进行切分，得到子区域；所述规划采集范围为实际采集范围的子集；

根据子区域生成无人机巡检路径。

3.根据权利要求1所述的基于视觉的农产品检测方法，其特征在于，所述在预设的填充方向上根据时间标签选取拼接下一填充图像的步骤包括：根据位置标签将初始图像中的规划采集范围插入种植区图像；

在预设的填充方向上选取下一填充图像，读取下一填充图像中规划采集范围的补集；

将所述补集与已存的种植区图像进行比对，确定对应区域并计算色值差异率；所述色值差异率用于表征色值均值的差异程度；

当色值差异率达到预设的条件时，标记下一填充图像中的规划采集范围，插入种植区图像。

4.一种基于视觉的农产品检测系统，其特征在于，所述系统包括：无人机控制模块，用于根据预设的比例尺建立农产品种植区，基于预设的清晰度需求和图像采集参数确定无人机的采集参数；所述图像采集参数为无人机中图像获取设备的参数；

图像拼接模块，用于基于采集参数获取含有时间标签和位置标签的子图像，根据时间标签和位置标签拼接子图像，得到种植区图像；

图像识别模块，用于根据预设的线性公式对种植区图像进行色值归一处理，对色值归一处理后的种植区图像进行识别，定位异常区；

指令发送模块，用于根据异常区生成近景采集指令，向无人机发送；

所述图像拼接模块包括：

分类单元，用于读取所有无人机获取到的含有时间标签及位置标签的子图像，根据位置标签对子图像进行分类；所述位置标签为农产品种植区中的相对位置；

初始选取单元，用于在位置标签中确定初始位置，根据时间顺序依次选取初始位置的子图像作为初始图像；

选取拼接单元，用于在预设的填充方向上根据时间标签选取拼接下一填充图像；选取的下一填充图像与初始填充图像之间的时间间隔最短；

循环执行单元，用于将下一填充图像作为新的初始图像，并循环执行选取拼接单元直至选取的下一填充图像为终点位置处的子图像；

所述图像识别模块包括：

归一处理单元，用于根据预设的线性公式对种植区图像进行色值归一处理，得到单值图像；

数值标记单元，用于根据预设的单值阈值对单值图像中各像素点进行标记，得到单值分布特征；所述单值分布特征为矩阵；

模型应用单元，用于将所述单值分布特征输入预设的分析模型，得到含有异常区的异常图像；所述异常区由单值分布特征确定；

其中，所述线性公式中的常数项由预设的能量函数确定；

所述线性公式为：

；

能量函数为：

；

式中，M为单值图像中各像素点的值； 为颜色对比度；x和y为计算颜色对比度时确定的两个图像中的点； 为高斯分布函数；

其中，线性公式中的a、b和c是待定的常数，a+b+c=1；

所述能量函数的应用过程包括：

计算样本图像中的对比度，确定最大值点和最小值点；

对a、b和c进行预赋值，得到至少一组预赋值结果，根据预赋值结果确定线性公式；

依次基于确定的线性公式获取最大值点和最小值点对应的数值，输入能量函数，计算并统计能量函数的输出值；其中，一组预赋值结果对应一个输出值；

选取最小的输出值对应的预赋值结果，确定a、b、c的具体值。

5.根据权利要求4所述的基于视觉的农产品检测系统，其特征在于，所述无人机控制模块包括：种植区建立单元，用于获取农产品种植区的实际尺寸和预设的模型尺寸，根据所述实际尺寸和所述模型尺寸确定比例尺，根据比例尺建立农产品种植区；

清晰度计算单元，用于获取无人机中图像获取设备的像素，由像素确定不同采集范围的清晰度；

高度确定单元，用于将所述清晰度与预设的清晰度需求进行比对，确定采集范围阈值，由采集范围阈值确定无人机的工作高度；

区域切分单元，用于根据确定的工作高度对应的规划采集范围对农产品种植区进行切分，得到子区域；所述规划采集范围为实际采集范围的子集；

路径生成单元，用于根据子区域生成无人机巡检路径。