1.一种基于大数据技术的电商智慧化物流配送系统，其特征在于，包括：自动化分拣设备数据采集模块，用于采集待分析自动化分拣设备的多个预定时间点的运行数据、待分析自动化分拣设备的多个预定时间点的状态信息以及与之对应的传送带上的多个货物图像数据；

自动化分拣设备特征提取模块，用于分别对待分析自动化分拣设备的多个预定时间点的运行数据、所述待分析自动化分拣设备的多个预定时间点的状态信息以及所述与之对应的传送带上的多个货物图像数据进行提取和分析以得到分拣设备运行状态特征向量和货物状态变化特征向量；

自动化分拣设备分类结果生成模块，用于基于所述分拣设备运行状态特征向量和所述货物状态变化特征向量，以得到分类结果。

2.根据权利要求1所述的基于大数据技术的电商智慧化物流配送系统，其特征在于，所述自动化分拣设备特征提取模块，包括：设备运行变化特征获取单元，用于对所述待分析自动化分拣设备的多个预定时间点的运行数据进行深度卷积编码以得到设备运行变化特征向量；

设备状态信息获取单元，用于将所述待分析自动化分拣设备的多个预定时间点的状态信息按时间维度和信息类型维度排列为设备状态信息输入矩阵后通过基于二维卷积神经网络模型的设备状态特征获取模块以得到设备状态信息特征矩阵；

设备运行状态获取单元，用于将所述设备运行变化特征向量和所述设备状态信息特征矩阵进行特征融合以得到所述分拣设备运行状态特征向量；

传送带货物特征提取单元，用于对所述与之对应的传送带上的多个货物图像数据进行深度卷积编码以得到所述货物状态变化特征向量。

3.根据权利要求2所述的基于大数据技术的电商智慧化物流配送系统，其特征在于，所述设备运行变化特征获取单元，包括：运行特征获取子单元，用于将所述待分析自动化分拣设备的多个预定时间点的运行数据按时间维度排列为多个运行输入向量后通过基于卷积神经网络模型的分拣设备运行特征提取模块以得到多个运行特征向量；

运行变化特征获取子单元，用于将所述多个运行特征向量通过基于双向长短期记忆神经网络模型的分拣设备运行变化特征提取模块以得到所述设备运行变化特征向量。

4.根据权利要求3所述的基于大数据技术的电商智慧化物流配送系统，其特征在于，所述运行变化特征获取子单元，用于：将所述多个运行特征向量进行一维排列以得到长距离关联特征向量的序列；以及使用所述基于双向长短期记忆神经网络模型的分拣设备运行变化特征提取模块对所述长距离关联特征向量的序列进行长距离关联特征编码以得到所述设备运行变化特征向量。

5.根据权利要求4所述的基于大数据技术的电商智慧化物流配送系统，其特征在于，所述传送带货物特征提取单元，包括：货物状态特征获取子单元，用于将所述与之对应的传送带上的多个货物图像数据通过基于深浅特征融合模块的货物特征提取器以得到多个货物状态特征矩阵；

货物状态变化特征获取子单元，用于将所述多个货物状态特征矩阵按时间维度排列为货物状态变化三维张量后通过基于空间注意力机制的货物状态变化特征提取模块以得到所述货物状态变化特征向量。

6.根据权利要求5所述的基于大数据技术的电商智慧化物流配送系统，其特征在于，所述自动化分拣设备分类结果生成模块，包括：特征融合单元，用于将所述分拣设备运行状态特征向量和所述货物状态变化特征向量进行特征融合以得到自动化分拣设备分类特征向量；

特征分类单元，用于将所述自动化分拣设备分类特征向量通过分类器以得到分类结果。

7.根据权利要求6所述的基于大数据技术的电商智慧化物流配送系统，其特征在于，所述特征融合单元，包括：系数计算子单元，用于计算所述分拣设备运行状态特征向量相对于所述货物状态变化特征向量的概率密度域相关迁移衍生投影度量系数；

特征加权子单元，用于以所述概率密度域相关迁移衍生投影度量系数作为加权系数对所述分拣设备运行状态特征向量进行加权以得到加权后分拣设备运行状态特征向量；

特征向量融合子单元，用于将所述加权后分拣设备运行状态特征向量与所述货物状态变化特征向量进行融合以得到自动化分拣设备分类特征向量。

8.根据权利要求7所述的基于大数据技术的电商智慧化物流配送系统，其特征在于，所述系数计算子单元，包括：将所述分拣设备运行状态特征向量通过归一化指数函数以得到第一概率值；

计算所述分拣设备运行状态特征向量和所述货物状态变化特征向量的欧式距离并开根号以得到第一距离值；

计算所述分拣设备运行状态特征向量和所述货物状态变化特征向量的按位置点乘后再除以所述第一距离值以得到偏差特征向量；

以所述偏差特征向量中各个位置的特征值为幂的自然指数函数值以得到指数偏差特征向量；

将所述指数偏差特征向量通过归一化指数函数以得到第二概率值；

计算所述分拣设备运行状态特征向量和所述货物状态变化特征向量的按位置差分以得到差分特征向量；

以所述差分特征向量中各个位置的特征值为幂的自然指数函数值以得到指数差分特征向量；

将所述指数差分特征向量通过归一化指数函数以得到第三概率值；

分别对所述第一概率值、所述第二概率值和所述第三概率值进行加权以得到所述概率密度域相关迁移衍生投影度量系数。

9.根据权利要求8所述的基于大数据技术的电商智慧化物流配送系统，其特征在于，所述分类结果用于表示待分析自动化分拣设备是否会发生故障。

10.一种基于大数据技术的电商智慧化物流配送方法，其特征在于,包括：采集待分析自动化分拣设备的多个预定时间点的运行数据、待分析自动化分拣设备的多个预定时间点的状态信息以及与之对应的传送带上的多个货物图像数据；

分别对待分析自动化分拣设备的多个预定时间点的运行数据、所述待分析自动化分拣设备的多个预定时间点的状态信息以及所述与之对应的传送带上的多个货物图像数据进行提取和分析以得到分拣设备运行状态特征向量和货物状态变化特征向量；

基于所述分拣设备运行状态特征向量和所述货物状态变化特征向量，以得到分类结果。