1.一种基于注意力机制CNN的5天和9天孵化鸡蛋胚胎图像分类方法，包括下列步骤：步骤1：采集孵化鸡蛋胚胎血管图像；

步骤2：使用残差单元进行堆叠作为CNN主干，进行特征提取和下采样；

步骤3：采用SE模块实现特征的通道间加权，再采取通道分离卷积进行特征提取；

步骤4：使用金字塔空洞卷积对步骤3生成的特征图进行多尺度特征提取，生成具有强语义信息、高分辨率和大感受野的注意力权重掩膜；

步骤5：通过逐元素乘积，实现权重掩膜对特征图在空间上进行像素级别加权，从而可以增强关键特征而抑制噪声和无用特征，起到特征选择器的作用；

步骤6：将步骤3、4、5组合作为注意力机制分支模块嵌入到具有不同分辨率阶段的主干网络中形成最终的分类网络。

2.根据权利要求1所述的一种基于注意力机制CNN的5天和9天孵化鸡蛋胚胎图像分类方法，其特征在于，步骤2中，残差单元由2个1×1卷积层和1个3×3卷积层组成，1×1卷积层的使用减少了计算量，同时在模块的输入和输出有一个恒等映射，这可以让网络随着深度增加而梯度不消失。

3.根据权利要求1所述的一种基于注意力机制CNN的5天和9天孵化鸡蛋胚胎图像分类方法，其特征在于，步骤3中，采用SE模块，通过建模通道间的联系，实现通道间的特征自适应校准。

4.根据权利要求1所述的一种基于注意力机制CNN的5天和9天孵化鸡蛋胚胎图像分类方法，其特征在于，步骤3中，采用通道分离卷积方式，对校准后的特征先进行逐通道卷积，再采取1×1卷积层进行特征融合。

5.根据权利要求1所述的一种基于注意力机制CNN的5天和9天孵化鸡蛋胚胎图像分类方法，其特征在于，步骤4中，采取空间金字塔卷积方式，进行多尺度语义信息的特征融合，维护特征图的细节信息，并进行归一化，生成权重掩膜。

6.根据权利要求1所述的一种基于注意力机制CNN的5天和9天孵化鸡蛋胚胎图像分类方法，其特征在于，步骤5中，将上述生成的具有丰富语义信息的三维权重掩膜与原始特征进行空间上的逐点相乘，完成对特征像素级别的重新标定。

7.根据权利要求1所述的一种基于注意力机制CNN的5天和9天孵化鸡蛋胚胎图像分类方法，其特征在于，步骤6中，将步骤3、4、5组合成注意力机制模块，与残差网络的主干进行集成，嵌入到网络不同分辨率的各个阶段。