1.一种农作物病虫害识别方法，其特征在于，所述方法包括以下步骤：获取农作物的图像，并对所述图像进行预处理后提取特征得到多尺度特征图，将多尺度特征图作为编码器的输入；

在编码器的每层的输入的每个特征图中确定参考点位置，对于每个可变形注意力头，将参考点的特征输入到线性层得到采样点的偏移，将采样点和参考点作为图的节点，并基于采样点和参考点的偏移确定边的权重，对图进行一次图卷积，基于所述图卷积的结果得到可变形注意力头对应的参考点特征；

将编码器输出的特征图输入到解码器中，利用解码器的查询向量得到农作物病虫害识别结果。

2.如权利要求1所述的方法，其特征在于，所述基于采样点和参考点的偏移确定边的权重，具体为：计算采样点和参考点所在特征图长和宽的总和，以及采样点和参考点的在所述特征图上的距离，计算所述距离与所述总和的比值，将所述比值作为边的权重。

3.如权利要求1所述的方法，其特征在于，所述基于所述图卷积的结果得到可变形注意力头对应的参考点特征，具体为：将图卷积输出的参考点的特征输入到线性层得到采样点的权重，对所述权重归一化，由图卷积输出的采样点的特征和归一化后权重计算得到可变形注意力头对应的参考点特征；或者，将所述图卷积输出的参考点特征作为可变形注意力头对应的参考点特征。

4.如权利要求3所述的方法，其特征在于，所述由图卷积网络输出的采样点的特征和归一化后权重计算得到可变形注意力头对应的参考点特征，具体为：利用归一化后的权重对图卷积网络输出的每个采样点的特征进行加权并求和得到可变形注意力头对应的参考点特征。

5.如权利要求1所述的方法，其特征在于，所述基于所述图卷积的结果得到可变形注意力头对应的参考点特征之后，还包括：将同一个参考点的不同可变形注意力头输出的参考点特征融合得到参考点在单个输入特征图上的特征；

将所有输入特征图的同一个位置或者编号的参考点的特征进行融合得到输出特征图中在所述参考点的特征。

6.一种农作物病虫害识别系统，其特征在于，所述系统包括以下模块：特征提取模块，用于获取农作物的图像，并对所述图像进行预处理后提取特征得到多尺度特征图，将多尺度特征图作为编码器的输入；

编码模块，用于在编码器的每层的输入的每个特征图中确定参考点位置，对于每个可变形注意力头，将参考点的特征输入到线性层得到采样点的偏移，将采样点和参考点作为图的节点，并基于采样点和参考点的偏移确定边的权重，对图进行一次图卷积，基于所述图卷积的结果得到可变形注意力头对应的参考点特征；

解码及识别模块，用于将编码器输出的特征图输入到解码器中，利用解码器的查询向量得到农作物病虫害识别结果。

7.如权利要求6所述的系统，其特征在于，所述基于采样点和参考点的偏移确定边的权重，具体为：计算采样点和参考点所在特征图长和宽的总和，以及采样点和参考点的在所述特征图上的距离，计算所述距离与所述总和的比值，将所述比值作为边的权重。

8.如权利要求6所述的系统，其特征在于，所述基于所述图卷积的结果得到可变形注意力头对应的参考点特征，具体为：将图卷积输出的参考点的特征输入到线性层得到采样点的权重，对所述权重归一化，由图卷积输出的采样点的特征和归一化后权重计算得到可变形注意力头对应的参考点特征；或者，将所述图卷积输出的参考点特征作为可变形注意力头对应的参考点特征。

9.如权利要求6所述的系统，其特征在于，所述基于所述图卷积的结果得到可变形注意力头对应的参考点特征之后，还包括：将同一个参考点的不同可变形注意力头输出的参考点特征融合得到参考点在单个输入特征图上的特征；

将所有输入特征图的同一个位置或者编号的参考点的特征进行融合得到输出特征图中在所述参考点的特征。

10.一种计算机可读存储介质，所述可读存储介质上存储有计算机程序，其特征在于，所述计算机程序在被处理器执行时，实现如权利要求1-5任一项所述的方法。