1.一种卫星任务规划控制与图像智能处理嵌入式实现方法，其特征在于，包括以下步骤：S1、构建遥感卫星任务规划数学模型和基于YOLO v3网络的目标识别算法模型；S2、将所述任务规划数学模型和目标识别算法模型移植到预设的嵌入式平台中；S3、确定遥感卫星姿态并获取遥感卫星的姿态控制算法，基于遥感卫星姿态信息和所述任务规划数学模型获取遥感卫星的遥感图像；S4、将所获取的遥感图像输入目标识别算法模型中进行目标识别，进而输出识别结果；所述步骤S1中构建遥感卫星任务规划数学模型的具体实现方式包括：S11、基于约束条件构建遥感卫星多目标的任务规划数学模型，其中，所述约束条件包括观测目标集、卫星轨道、平台特性、载荷类型、能量、固存和光照，目标包括最大化观测目标优先级、最大化观测目标数量和最大化资源负载均衡；S12、基于遗传算法和禁忌搜索算法对所述任务规划数学模型进行求解优化；所述步骤S11中任务规划数学模型用公式表示为：式中， 表示最大化观测目标优先级， 表示最大化观测目标数量， 表示最大化资源负载均衡， 、 和 分别表示 、 和 的权重值， ，其中： ； ； ；式中， 表示卫星观测目标， 表示目标优先级集， 表示任务编号， 表示卫星编号， 表示任务总数量， 表示卫星总数量， 表示卫星执行任务时消耗的能量， 表示标准偏差函数。
2.根据权利要求1所述的卫星任务规划控制与图像智能处理嵌入式实现方法，其特征在于，所述步骤S12的具体实现方式包括：S121、将所述任务规划数学模型参数初始化，利用遗传算法对初始族群进行全局搜索，直至初始族群收敛至预设值，进而输出族群优解；S122、将步骤S121中所输出的族群优解作为禁忌搜索算法的初始解，并设立启发因子对重点区域进行局部迭代直至达到预设迭代代数，进而输出规划结果，完成所述任务规划数学模型的求解优化。
3.根据权利要求2所述的卫星任务规划控制与图像智能处理嵌入式实现方法，其特征在于，所述步骤S1中构建基于YOLO v3网络的目标识别算法模型的具体实现方式包括：S31、在现有YOLO v3网络拓扑结构上添加spp层以优化多尺度目标检测；S32、将步骤S31中的YOLO v3网络进行稀疏化训练，并对BN层施加L1正则化，用公式表示为：式中， ， 表示BN层参数， 表示比例因子， 表示最小批量的真值， 表示最小批量的均值， 表示惩罚因子， 表示偏移量， 表示最小批量的方差， 表示常数， 表示训练目标函数， 表示训练损失函数；S33、根据步骤S32中BN层参数值进行通道剪枝实现模型压缩，进而得到基于YOLO v3网络的目标识别算法模型。
4.根据权利要求3所述的卫星任务规划控制与图像智能处理嵌入式实现方法，其特征在于，所述步骤S2中将所述任务规划数学模型移植到预设的嵌入式平台的具体实现方式包括：S13、基于Matlab工具将任务规划数学模型转换为对应Matlab程序；S14、利用Matlab-Code Generator工具将所述Matlab程序转化为C++工程；S15、编制顶层类以实现模型接口逻辑，同时编制插件类作为辅助工具；S16、对程序进行标准化接口封装，得到标准化平台模型。
5.根据权利要求4所述的卫星任务规划控制与图像智能处理嵌入式实现方法，其特征在于，所述步骤S2中将所述目标识别算法模型移植到预设的嵌入式平台的具体实现方式包括：S34、编程框架并加载预训练好的目标识别算法模型文件和权值参数文件；S35、利用CNML库将其解析并生成包含指令集和模型参数的模型数据；S36、利用CNRT库将生成的模型数据传输至硬件DRAM中；S37、输入待处理的应用数据，并启动硬件计算；S38、读取运算结果，并逐层向上返回到编程框架中。
6.根据权利要求5所述的卫星任务规划控制与图像智能处理嵌入式实现方法，其特征在于，所述预设的嵌入式平台为寒武纪MLU220嵌入式计算平台，包括：X86主控板，用于嵌入式平台整体流程控制以及各种外部接口的数据处理，其上设有第一M.2接口；MLU220智能计算卡，用于算法的加速运行，其上设有与第一M.2接口相匹配连接的第二M.2接口。
7.根据权利要求6所述的卫星任务规划控制与图像智能处理嵌入式实现方法，其特征在于，所述步骤S3中遥感卫星姿态通过红外地平仪、太阳敏感器和陀螺组合模式进行确定，进而利用所确定的遥感卫星姿态即可获取基于PD控制器的姿态控制算法。
