1.一种基于空域与频域特征融合的猕猴桃花朵识别方法，其特征在于：包括以下步骤：S1、选取目标检测模型，对目标检测模型的输入端数据进行像素压缩和类型转换，得到空域张量；所述步骤S1中输入端数据为猕猴桃花朵不同阶段图像的特征库中的数据，所述特征库构建时，将田间种植环境下，猕猴桃花不同生长阶段图像数据定义为源数据，基于此数据进行猕猴桃花不同生长阶段特征库的建立；采集该数据依照种植时间特性，以花苞期，开花期，授粉期作为采集时间，分别采集以下四种特征状况的图像数据，花苞期、雌花开花期、雄花开花期、雌花授粉成功期；对于采集到的源数据中出现的每一个猕猴桃花，都按照四个关键阶段标注为花苞、雌花、雄花、授粉成功共四个类别；对特征库进行标注采用Labelimg实现；所述步骤S1包括以下步骤：S101.先将数据图片进行等比例的像素缩小，将标注后图像调整至设定大小，减少网络训练时长；S102.利用归一化方法将图像转换为张量格式，得到具有完整特征信息的输入值空域张量：将传入的图像数据转换为浮点型数据，并将图像数据从 的像素整数值缩放到 的浮点数范围内，得到 ，计算 的均值 和标准差 ，利用以下公式对输入数据 进行标准化，实现归一化操作：同时将当前数据的形状从(W,H,C)变换为(C,H,W)，从而通过输入端像素压缩和类型转换模块，得到网络模型初始所需要的空域张量 ；S2、构建频域特征增强模块，利用频域特征增强模块对空域张量进行特征提取和特征增强，得到频域特征图；所述步骤S2包括：S201.根据空域张量的大小，建立频域特征增强模块，并设定卷积和池化所需参数；其中，频域特征增强模块由傅里叶变换层、最大池化层、深度可分离卷积层和空间注意力层构成；S202.在频域特征增强模块中，利用二维傅里叶变换将输入数据转换至频域；S203.利用最大池化，对频域数据进行边缘纹理特征提取并与原输入矩阵进行矩阵的乘积，得到加强频域特征信息；S204.加强频域特征信息与原始输入数据通过深度可分离卷积进行特征融合；S205.利用空间注意机制对融合结果进行空间权重计算，并与原输入矩阵进行相乘，得到频域特征图；S3、构建空频域特征融合模块，利用目标检测模型的骨干特征提取网络对空域张量进行处理得到空域特征图，并将频域特征图与空域特征图融合得到空频域特征图；所述步骤S3包括：建立空频特征融合模块，利用目标检测模型的骨干特征提取网络对空域张量进行处理得到空域特征图，利用快速归一化融合方式将频域特征图与空域特征图进行拼接，得到同时包含空域与频域信息的特征图，用于检测；S4、将频域特征增强模块与空频域特征融合模块加入目标检测模型进行训练得到权重，并利用该权重进行后续检测识别任务。
2.根据权利要求1所述的一种基于空域与频域特征融合的猕猴桃花朵识别方法，其特征在于：所述目标检测模型采用深度神经网络实现，包括YOLOv5网络。
3.根据权利要求1所述的一种基于空域与频域特征融合的猕猴桃花朵识别方法，其特征在于：所述步骤S4包括：频域特征增强模块和空频域特征融合模块插入目标检测模型，对目标检测模型进行训练，利用训练得到的权重信息，进行后续猕猴桃花朵的识别，具体包含：对数据库中的每张图片按照步骤S1进行处理得到空域张量，利用图片的空域张量和标注，对频域特征增强模块和空频域特征融合模块插入后的目标检测模型进行训练，得到模型权重，利用该模型权重的目标检测模型进行后续猕猴桃花朵识别：将待识别的猕猴桃花朵图像按照步骤S1进行处理后，输入目标检测模型中，目标检测模型的输出即为识别结果。
