1.一种烟叶烘烤温湿度关键点判别方法，其特征在于，包括以下步骤：S10、获取烘烤烟叶图像；S20、使用特征映射模块中的三个基本残差模块对所述烘烤烟叶图像进行滤波处理，提取初始映射特征；S30、使用增强映射特征模块中的底层细节增强层对所述烘烤烟叶图像提取细节特征，包括颜色、纹理；S40、使用增强映射特征模块中的高级语义增强层对所述烘烤烟叶图像提取高级语义特征；S50、将所述初始映射特征、所述细节特征以及所述高级语义特征输入特征融合模块；S60、通过池化和卷积提取高级语义特征的上下文特征；S70、将所述上下文特征、所述细节特征以及所述高级语义特征进行融合，对融合后的特征进行上采样和卷积运算生成新的特征，重复该过程两次，得到多尺度特征；对多尺度特征进行累加和滤波操作，得到融合特征；S80、将所述融合特征输入分类器，根据输出的烟叶烘烤所处阶段，判断烟叶烘烤的温湿度关键温度点；其中，所述S20的具体步骤包括：将获取的烟叶图像数据输入到特征映射模块的第一个基本残差模块；第一个残差模块对图像进行滤波处理，输出第一个过渡特征；将第一个过渡特征继续输入到第二个残差模块，再进行滤波处理，输出第二个过渡特征；最后将第二个过渡特征输入到第三个残差模块，滤波后输出映射特征，作为初级映射特征；其中，所述S30的具体步骤包括：底层细节增强层包含若干组增强块，每个增强块包含若干个残差模块；将S20得到的映射特征输入第一个增强块，经过残差模块的滤波运算，输出第一个细节增强特征；将第一个细节增强特征输入第二个增强块，再次滤波后输出第二个细节增强特征；最后输入到第三个增强块，滤波后输出第三个细节增强特征，作为细节特征；其中，所述S40的具体步骤包括：高级语义增强层包含若干组增强块，每个增强块由若干残差模块组成；将S20得到的映射特征输入第一个增强块，在增强块前进行下采样，然后经残差模块滤波，输出第一个语义特征；将第一个语义特征继续输入第二个增强块，进行下采样和滤波，输出第二个语义特征；最后一个增强块直接对第二个语义特征进行滤波，输出最终语义特征，作为高级语义特征。
2.根据权利要求1所述的一种烟叶烘烤温湿度关键点判别方法，其特征在于，所述S10的具体步骤包括：设置图像采集装置，使其对准烤房内的烟叶；根据烘烤周期确定图像采集的时间间隔；在预定的时间点，图像采集装置对烤房内的烟叶自动拍摄，获取烘烤烟叶图像；将拍摄的图像储存到存储设备中，以备后续使用。
3.根据权利要求2所述的一种烟叶烘烤温湿度关键点判别方法，其特征在于，所述S60的具体步骤包括：在特征融合模块内，选择S40得到的高级语义特征S2作为输入；对S2进行全局平均池化；对池化后的特征进行卷积运算，输出过滤后的上下文特征；然后通过上采样将上下文特征的分辨率恢复到和S2相同的大小。
4.根据权利要求3所述的一种烟叶烘烤温湿度关键点判别方法，其特征在于，所述S70的具体步骤包括：在特征融合模块内，将S60得到的上下文特征、S30中的细节特征D1、S40中的高级语义特征S2进行融合；对融合后的特征进行上采样和卷积运算生成新的特征，重复该过程两次，得到多尺度特征；对多尺度特征进行累加和滤波操作，得到融合特征。
5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有程序指令，所述程序指令运行时，用于执行权利要求1-4任一项所述的一种烟叶烘烤温湿度关键点判别方法。
6.一种烟叶烘烤温湿度关键点判别系统，其特征在于，包含权利要求5所述的计算机可读存储介质。
