1.一种基于区块链的数据溯源管理方法，其特征在于，包括：从区块链结构下载产品检测图像和产品检测结果；

对所述产品检测图像进行图像预处理以得到预处理后产品检测图像；

对所述预处理后产品检测图像进行图像分块处理以得到检测局部图像块的序列；

将所述检测局部图像块的序列中的各个检测局部图像块通过作为过滤器的卷积神经网络模型以得到多个检测局部特征向量；

将所述多个检测局部特征向量排列为二维特征矩阵后通过包含双向注意力机制的卷积神经网络模型以得到分类特征矩阵；

基于多个检测局部特征向量，对所述分类特征矩阵进行希尔伯特空间启发式序列跟踪均衡化以得到优化分类特征矩阵；

将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示待检测产品的成型质量是否符合预定标准；以及将所述分类结果与所述产品检测结果进行对比，以生成产品溯源管理结果；

其中，将所述多个检测局部特征向量排列为二维特征矩阵后通过包含双向注意力机制的卷积神经网络模型以得到分类特征矩阵，包括：将所述二维特征矩阵分别沿着水平方向和垂直方向进行池化以得到第一向池化向量和第二向池化向量；

对所述第一向池化向量和所述第二向池化向量进行关联编码以得到双向关联矩阵；

将所述双向关联矩阵输入Sigmoid激活函数以得到双向关联权重矩阵；以及计算所述双向关联权重矩阵和所述二维特征矩阵之间的按位置点乘以得到所述分类特征矩阵。

2.根据权利要求1所述的基于区块链的数据溯源管理方法，其特征在于，将所述检测局部图像块的序列中的各个检测局部图像块通过作为过滤器的卷积神经网络模型以得到多个检测局部特征向量，包括：使用所述作为过滤器的卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对所述输入数据进行卷积处理以得到卷积特征图；

对所述卷积特征图进行基于特征矩阵的均值池化处理以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；

其中，所述作为过滤器的卷积神经网络模型的最后一层的输出为所述多个检测局部特征向量，所述作为过滤器的卷积神经网络模型的第一层的输入为所述检测局部图像块的序列中的各个检测局部图像块。

3.根据权利要求2所述的基于区块链的数据溯源管理方法，其特征在于，基于多个检测局部特征向量，对所述分类特征矩阵进行希尔伯特空间启发式序列跟踪均衡化以得到优化分类特征矩阵，包括：对所述多个检测局部特征向量和所述分类特征矩阵的各个行特征向量分别进行级联以得到第一级联特征向量和第二级联特征向量；

基于所述第一级联特征向量，对所述第二级联特征向量进行希尔伯特空间启发式序列跟踪均衡化以得到优化第二级联特征向量；以及对所述优化第二级联特征向量进行还原以得到所述优化分类特征矩阵。

4.根据权利要求3所述的基于区块链的数据溯源管理方法，其特征在于，基于所述第一级联特征向量，对所述第二级联特征向量进行希尔伯特空间启发式序列跟踪均衡化以得到优化第二级联特征向量，包括：基于所述第一级联特征向量，以如下优化公式对所述第二级联特征向量进行希尔伯特空间启发式序列跟踪均衡化以得到优化第二级联特征向量；

其中，所述优化公式为：

其中， 表示所述第一级联特征向量， 表示所述第二级

联特征向量，且特征向量 和 均为行向量， 表示特征向量 和 的级联向量的二范数， 表示特征向量 的所有特征值， 表示特征向量 的所有特征值， 表示特征向量 和 的所有特征值构成的并集集合的各个特征值， 表示特征向量 和 的所有特征值构成的并集集合的元素总数， 表示特征向量和 的所有特征值构成的并集集合的均值， 表示向量的转置， 表示向量的按位置点乘， 表示向量加法， 表示所述优化第二级联特征向量。

5.根据权利要求4所述的基于区块链的数据溯源管理方法，其特征在于，将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示待检测产品的成型质量是否符合预定标准，包括：将所述优化分类特征矩阵按照行向量或列向量展开为分类特征向量；

使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述分类结果。

6.一种基于区块链的数据溯源管理系统，其特征在于，包括：图像获取模块，用于从区块链结构下载产品检测图像和产品检测结果；

图像预处理模块，用于对所述产品检测图像进行图像预处理以得到预处理后产品检测图像；

图像分块处理模块，用于对所述预处理后产品检测图像进行图像分块处理以得到检测局部图像块的序列；

特征提取模块，用于将所述检测局部图像块的序列中的各个检测局部图像块通过作为过滤器的卷积神经网络模型以得到多个检测局部特征向量；

双向注意力模块，用于将所述多个检测局部特征向量排列为二维特征矩阵后通过包含双向注意力机制的卷积神经网络模型以得到分类特征矩阵；

优化模块，用于基于多个检测局部特征向量，对所述分类特征矩阵进行希尔伯特空间启发式序列跟踪均衡化以得到优化分类特征矩阵；

成型质量结果生成模块，用于将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示待检测产品的成型质量是否符合预定标准；以及管理结果生成模块，用于将所述分类结果与所述产品检测结果进行对比，以生成产品溯源管理结果；

其中，所述双向注意力模块，包括：

池化单元，用于将所述二维特征矩阵分别沿着水平方向和垂直方向进行池化以得到第一向池化向量和第二向池化向量；

关联编码单元，用于对所述第一向池化向量和所述第二向池化向量进行关联编码以得到双向关联矩阵；

激活单元，用于将所述双向关联矩阵输入Sigmoid激活函数以得到双向关联权重矩阵；

以及

特征矩阵计算单元，用于计算所述双向关联权重矩阵和所述二维特征矩阵之间的按位置点乘以得到所述分类特征矩阵。

7.根据权利要求6所述的基于区块链的数据溯源管理系统，其特征在于，所述特征提取模块，用于：使用所述作为过滤器的卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对所述输入数据进行卷积处理以得到卷积特征图；

对所述卷积特征图进行基于特征矩阵的均值池化处理以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；

其中，所述作为过滤器的卷积神经网络模型的最后一层的输出为所述多个检测局部特征向量，所述作为过滤器的卷积神经网络模型的第一层的输入为所述检测局部图像块的序列中的各个检测局部图像块。

8.根据权利要求7所述的基于区块链的数据溯源管理系统，其特征在于，所述优化模块，包括：级联单元，用于对所述多个检测局部特征向量和所述分类特征矩阵的各个行特征向量分别进行级联以得到第一级联特征向量和第二级联特征向量；

均衡化单元，用于基于所述第一级联特征向量，对所述第二级联特征向量进行希尔伯特空间启发式序列跟踪均衡化以得到优化第二级联特征向量；以及还原单元，用于对所述优化第二级联特征向量进行还原以得到所述优化分类特征矩阵。