1.一种细粒度装备图片分类识别方法，其特征在于，包括如下步骤：步骤101)：原始图片集生成步骤，包括：输入若干类待细分的同种装备图片，每类装备图片按文件夹存放，生成数据集，其中的每幅装备图片称为原始图片；步骤102)：物体图片集生成步骤，包括：利用感知模型获得每幅原始图片对应的物体图片；所述步骤102)具体包括：采用物体级区域感知模型获得每幅原始图片对应的物体图片；所述步骤102)具体还包括：将物体级区域感知模型VGG-16中的最后一个卷积层输出的特征图在通道方向叠加获得特征映射图，将大于平均值的点设为1，其余的点为0，选取最大联通区域作为物体图片；步骤103)：部件图片集生成步骤，包括：利用感知模型获得每幅物体图片对应的部件图片；所述步骤103)具体包括：采用部件级区域感知模型获得每幅原始图片对应的物体图片；所述步骤103)具体还包括：使用区域推荐网络RPN获得部件图片候选区块，在卷积神经网络的中间层神经元上进行谱聚类，生成部件簇以对齐部件，将候选区块输入到卷积神经网络中，根据激活得分将候选区块分为若干块，将各块中得分最高的候选区块作为部件图片；步骤104)：三尺度通道加权双线性卷积神经网络训练步骤，包括：将原始图片、物体图片和部件图片分别输入到三尺度通道加权双线性卷积神经网络中进行训练，获得三尺度分类器，分别对应三个尺度的特征：图片整体特征、物体级特征和部件级特征；所述三尺度通道加权双线性卷积神经网络CW-B-CNN在双线性卷积神经网络B-CNN的最后一个卷积层后添加通道权值计算模块，以同时学习通道间的线性关系和非线性关系，抑制背景影响；所述通道权值计算模块执行：对卷积层输出的特征图使用全局平均池化和全局最大池化操作来聚合特征图的空间信息，生成两个不同的空间描述符：平均池化特征和最大池化特征；将这两组特征输入到一个共同网络，生成通道感兴趣图，共同网络由只包含一个隐藏层的多层感知器组成；将通道感兴趣图使用对应元素求和合并，获得特征矢量；将特征矢量通过Sigmoid函数激活获得各个通道的权重值；步骤105)：决策模型训练步骤，包括：通过决策模型将三尺度分类器获得的特征进行融合，通过结合不同层次特征用于最终的细粒度分类，经过训练和交叉验证得到超参数α,β和γ；步骤106)：分类输入步骤，包括：输入训练好的模型、输入待细分类的训练集外装备图片、输入所有模型参数和超参数；步骤107)：分类输出步骤，包括：基于训练好的三尺度通道加权双线性卷积神经网络，得到所输入的训练集外装备图片的细粒度分类结果。
2.根据权利要求1所述的一种细粒度装备图片分类识别方法，其特征在于，所述步骤101)具体包括：装备图片数据集是细粒度的，即同种装备的不同型号。
3.一种细粒度装备图片分类识别系统，其特征在于，包括：模型训练电子设备，包括：训练图片集存储器；模型训练算法处理器；模型输出接口；以及模型训练算法存储器，用于存储模型训练的程序，具体执行：将训练图片集存储器中的每幅原始图片输入到VGG-16模型进行物体级区域感知模型的训练，并得到物体图片；使用区域推荐网络RPN获得部件图片候选区块，然后将每幅物体图片输入到VGG-16模型中进行训练，在卷积神经网络的中间层神经元上进行谱聚类，生成部件簇以对齐部件，将候选区块输入到卷积网络中，根据激活得分将候选区块分为若干块，将各块中得分最高的候选区块作为部件图片；将原始图片、物体图片和部件图片分别输入到三尺度通道加权双线性卷积神经网络CW-B-CNN中进行训练，获得三尺度分类器，分别对应三个尺度的特征：图片整体特征、物体级特征和部件级特征；将三尺度分类器获得的特征进行融合，经过训练和交叉验证得到超参数α,β和γ；将所有模型及其模型参数和超参数输出到模型输出接口；所述三尺度通道加权双线性卷积神经网络CW-B-CNN在双线性卷积神经网络B-CNN的最后一个卷积层后添加通道权值计算模块，以同时学习通道间的线性关系和非线性关系，抑制背景影响；所述通道权值计算模块执行：对卷积层输出的特征图使用全局平均池化和全局最大池化操作来聚合特征图的空间信息，生成两个不同的空间描述符：平均池化特征和最大池化特征；将这两组特征输入到一个共同网络，生成通道感兴趣图，共同网络由只包含一个隐藏层的多层感知器组成；将通道感兴趣图使用对应元素求和合并，获得特征矢量；将特征矢量通过Sigmoid函数激活获得各个通道的权重值细粒度分类执行电子设备，包括：摄像头；模型输入接口；预处理器；细粒度分类算法处理器；显示器；以及细粒度分类算法存储器，用于存储细粒度分类的程序，具体执行：摄像头采集装备图片并输入预处理器中；预处理器接收所述装备图片后对图片进行预处理生成预处理图片；从模型输入接口获取已训练好的模型，将这些模型连同预处理图片和所有模型参数和超参数到所述细粒度分类算法处理器；所述细粒度分类算法处理器基于训练好的三尺度通道加权双线性卷积神经网络进行细粒度分类识别；所述细粒度分类算法处理器输出所述装备图片的细粒度分类结果到显示器。
