1.一种沥青路面水损害识别模型构建方法，其特征在于，包括以下步骤：步骤一，对GPR路面调查数据集进行预处理得到具有水损害、桥接缝和正常路面的初始数据集；

步骤二，采用连续小波变换对初始数据集进行连续小波变换，取小波变换的幅值，构建第一时频图谱集；

步骤三，对第一时频图谱集中的图谱进行滤波处理，得到第二时频图谱，构建第二时频图谱集；

步骤四，对第二时频图谱集中的图谱进行归一化处理，得到第三时频图谱，构建第三时频图谱集，为第三时频图谱集的图谱加注水损害分类标签；

步骤五，构建识别模型：

以第三时频图谱集为输入数据，以水损害分类标签作为输出数据，对预构建的GPRMCNN深度学习模型进行训练，得到训练好的识别模型；

所述的GPRMCNN深度学习模型采用16层卷积神经网络，包括3个卷积层和1个全连接层，卷积操作使用卷积核的尺寸为3×3，前两个卷积层后设置下采样，最后1个卷机层没有降采样的pool层，通过Drop网络与全连接层连接。

2.如权利要求1所述的沥青路面水损害识别模型构建方法，其特征在于，步骤一中所述的数据采集过程，采样频率为天线主频的10～20倍。

3.如权利要求1所述的沥青路面水损害识别模型构建方法，其特征在于，步骤一中，所述的预处理过程为采用直流漂移校正算法、地面校正算法、背景扣除算法、带通滤波算法和进行滑动平均算法进行预处理。

4.如权利要求1所述的沥青路面水损害识别模型构建方法，其特征在于，步骤五中所述的输入数据的维度大小为28×28，所述的分类标签为数字，其中，正常路面为0，桥接缝为1，水损害为2。

5.一种沥青路面水损害识别方法，其特征在于，方法包括：步骤51，对GPR路面调查数据集进行预处理得到具有水损害、桥接缝和正常路面的初始数据集；

步骤52，获取时频图谱集；

步骤53，将时频图谱集输入权利要求1所述的识别模型中，得到水损害识别结果。

6.一种沥青路面水损害识别系统，其特征在于，系统包括：数据采集及预处理模块和权利要求1所述的识别模块；

所述的数据采集及预处理模块识别模块用于对通过GPR路面调查获取的数据集进行预处理，得到时频图谱集；

所述的识别模块用于识别沥青路面水损害，输出损害结果。