1.一种智能除草系统，其特征在于，该系统包括：图像采集模块、处理器、路径规划模块、显示装置和除草模块；所述图像采集模块用于采用OV系列的摄像头获取原始农田图像，并传输给所述处理器；所述处理器包括预处理模块和识别模块，所述预处理模块用于对原始农田图像预处理后，所述识别模块用于采用内嵌有轻量级LeNet‑5二值化网络的FPGA根据所述原始农田图像进行杂草识别训练和检测，并驱动所述除草模块采用路径规划模块预设的路径行走后进行除草；所述路径规划模块用于确定所述除草模块行走时覆盖的路径；

所述除草模块用于根据所述处理器的指令清除农田里识别出的杂草；所述显示装置与所述处理器互连，用于测试和除草过程中的辅助观测；

所述识别模块中，轻量级LeNet‑5二值化网络为在LeNet‑5网络基础上，训练过程及检测过程的每个卷积层后加入二值化操作，实现权重的二值化；

所述每个卷积层后加入二值化操作具体包括：

输入层：输入图像尺寸为128*128；

CB1层：第一卷积层和二值化操作，所述第一卷积层包括6个卷积核，卷积核大小5*5，步长为1，二值化过程采用sign函数获取，输出向量大小为128*128*6；

P1层：池化层，采样区域2*2，步长为2，输出向量大小为64*64*6；

CB2层：第二卷积层和二值化操作，所述第二卷积层包括16个卷积核，卷积核大小3*3，步长为1，二值化过程采用sign函数获取，输出向量大小64*64*16；

P2层：池化层，采样区域2*2，步长为2，输出向量大小为32*32*16；

CB3层：第三卷积层和二值化操作，所述第三卷积层包括16个卷积核，卷积核大小3*3，步长为1，二值化过程采用sign函数获取，输出向量大小为32*32*16；

P3层：池化层，采样区域2*2，步长为2，输出向量大小为16*16*16；

CB4层：第四卷积层和二值化操作，所述第四卷积层包括64个卷积核，卷积核大小3*3，步长为1，二值化过程采用sign函数获取，输出向量大小为16*16*64；

P4层：池化层，采样区域2*2，步长为2，输出向量大小为8*8*64；

CB5层：第五卷积层和二值化操作，128个卷积核，卷积核大小3*3，步长为1，二值化过程采用sign函数获取，输出向量大小为8*8*128；

P5层：池化层，采样区域2*2，步长为2，输出向量大小4*4*128；

F6层：全连接层，设置64个节点，计算输入向量与权重向量的点积，再加上一个偏置，结果通过relu函数输出；

输出层：有2个节点，分别表示植被和杂草，损失函数采用平方损失函数。

2.根据权利要求1所述的智能除草系统，其特征在于，所述路径规划模块预设的路径为与农田植物种植路径排布一致的工字型。

3.根据权利要求1所述的智能除草系统，其特征在于，所述预处理模块包括亮度调整和标与土壤背景分离，所述亮度调整采用归一化处理，去除光照变化的影响；目标与土壤背景分离首先采用OTSU实现二值化操作；接着，利用形态学方法处理后得到植物区域；最后，保留植物区域图像。

4.一种智能除草方法，其特征在于，该方法包括：

S1图像采集模块用于采用OV系列的摄像头获取原始农田图像，并传输给处理器；

S2处理器的预处理模块对原始农田图像预处理后，识别模块采用内嵌有轻量级LeNet‑

5二值化网络的FPGA根据所述原始农田图像进行杂草识别，并驱动除草模块采用路径规划模块预设的路径行走后进行除草；

S3除草模块根据处理器的指令清除农田里识别出的杂草；

S4显示装置辅助观测杂草识别的情况；

所述识别模块中，轻量级LeNet‑5二值化网络为在LeNet‑5网络基础上，训练过程及检测过程的每个卷积层后加入二值化操作，实现权重的二值化；

所述每个卷积层后加入二值化操作具体包括：

输入层：输入图像尺寸为128*128；

CB1层：第一卷积层和二值化操作，所述第一卷积层包括6个卷积核，卷积核大小5*5，步长为1，二值化过程采用sign函数获取，输出向量大小为128*128*6；

P1层：池化层，采样区域2*2，步长为2，输出向量大小为64*64*6；

CB2层：第二卷积层和二值化操作，所述第二卷积层包括16个卷积核，卷积核大小3*3，步长为1，二值化过程采用sign函数获取，输出向量大小64*64*16；

P2层：池化层，采样区域2*2，步长为2，输出向量大小为32*32*16；

CB3层：第三卷积层和二值化操作，所述第三卷积层包括16个卷积核，卷积核大小3*3，步长为1，二值化过程采用sign函数获取，输出向量大小为32*32*16；

P3层：池化层，采样区域2*2，步长为2，输出向量大小为16*16*16；

CB4层：第四卷积层和二值化操作，所述第四卷积层包括64个卷积核，卷积核大小3*3，步长为1，二值化过程采用sign函数获取，输出向量大小为16*16*64；

P4层：池化层，采样区域2*2，步长为2，输出向量大小为8*8*64；

CB5层：第五卷积层和二值化操作，128个卷积核，卷积核大小3*3，步长为1，二值化过程采用sign函数获取，输出向量大小为8*8*128；

P5层：池化层，采样区域2*2，步长为2，输出向量大小4*4*128；

F6层：全连接层，设置64个节点，计算输入向量与权重向量的点积，再加上一个偏置，结果通过relu函数输出；

输出层：有2个节点，分别表示植被和杂草，损失函数采用平方损失函数。