1.一种粪便宏观图像颜色和性状多任务识别方法，其特征在于，所述方法包括：获取训练数据集；所述训练数据集包括采集的粪便图像、对所述粪便图像进行镜像增广后得到的镜像图像、各所述粪便图像对应的颜色类别和性状类别以及各所述镜像图像对应的颜色类别和性状类别；

获取卷积神经网络；

利用所述训练数据集对所述卷积神经网络进行训练和优化，得到训练和优化后的卷积神经网络；

获取待预测粪便图像；

将所述待预测粪便图像输入所述训练和优化后的卷积神经网络中，确定粪便的颜色类别和性状类别。

2.根据权利要求1所述的粪便宏观图像颜色和性状多任务识别方法，其特征在于，所述卷积神经网络具体包括三层卷积层、一层全连接层、三个颜色识别的神经元和三个性状识别的神经元。

3.根据权利要求1所述的粪便宏观图像颜色和性状多任务识别方法，其特征在于，所述卷积神经网络的损失函数设置为l＝w1l1+w2l2；其中，l表示所述卷积神经网络的总损失，l1表示所述卷积神经网络的颜色识别损失，l2表示所述卷积神经网络的性状识别损失，w1表示颜色识别损失权重，w2表示性状识别损失权重，w1+w2＝1。

4.根据权利要求3所述的粪便宏观图像颜色和性状多任务识别方法，其特征在于，所述利用所述训练数据集对所述卷积神经网络进行训练和优化，具体包括：确定训练时的最大迭代次数；

将所述最大迭代次数代入第一拟合函数和第二拟合函数，得到第一预测值和第二预测值；

判断所述第一预测值是否大于所述第二预测值；

若是，则设置w1小于w2，得到第一损失函数，采用所述第一损失函数根据所述训练数据集对所述卷积神经网络进行训练和优化；

若否，则设置w1大于w2，得到第二损失函数，采用所述第二损失函数根据所述训练数据集对所述卷积神经网络进行训练和优化。

5.根据权利要求4所述的粪便宏观图像颜色和性状多任务识别方法，其特征在于，所述利用所述训练数据集对所述卷积神经网络进行训练和优化，之前还包括：采用过采样方法对所述粪便图像和所述镜像图像进行处理，得到不同颜色类别和不同性状类别的训练图像；各所述类别所包含的训练图像的数量均相同；

设置w1＝1，w2＝0，利用所述不同颜色类别的训练图像对颜色进行单识别任务训练，记录训练过程中的各第一迭代次数和对应的各第一正确率；所述第一迭代次数为大于0且小于等于所述最大迭代次数的正整数；

设置w1＝0，w2＝1，利用所述不同性状类别的训练图像对性状进行单识别任务训练，记录训练过程中的各第二迭代次数和对应的各第二正确率；所述第二迭代次数为大于0且小于等于所述最大迭代次数的正整数；

将所述第一迭代次数和所述第一正确率分别作为一次函数的横坐标和纵坐标进行拟合，得到第一拟合函数；

将所述第二迭代次数和所述第二正确率分别作为一次函数的横坐标和纵坐标进行拟合，得到第二拟合函数。

6.一种粪便宏观图像颜色和性状多任务识别系统，其特征在于，所述系统包括：训练数据集获取模块，用于获取训练数据集；所述训练数据集包括采集的粪便图像、对所述粪便图像进行镜像增广后得到的镜像图像、各所述粪便图像对应的颜色类别和性状类别以及各所述镜像图像对应的颜色类别和性状类别；

卷积神经网络获取模块，用于获取卷积神经网络；

训练和优化模块，用于利用所述训练数据集对所述卷积神经网络进行训练和优化，得到训练和优化后的卷积神经网络；

粪便图像获取模块，用于获取待预测粪便图像；

识别模块，用于将所述待预测粪便图像输入所述训练和优化后的卷积神经网络中，确定粪便的颜色类别和性状类别。

7.根据权利要求6所述的粪便宏观图像颜色和性状多任务识别系统，其特征在于，所述卷积神经网络具体包括三层卷积层、一层全连接层、三个颜色识别的神经元和三个性状识别的神经元。

8.根据权利要求6所述的粪便宏观图像颜色和性状多任务识别系统，其特征在于，所述卷积神经网络的损失函数设置为l＝w1l1+w2l2；其中，l表示所述卷积神经网络的总损失，l1表示所述卷积神经网络的颜色识别损失，l2表示所述卷积神经网络的性状识别损失，w1表示颜色识别损失权重，w2表示性状识别损失权重，w1+w2＝1。

9.根据权利要求8所述的粪便宏观图像颜色和性状多任务识别系统，其特征在于，所述训练和优化模块，具体包括：最大迭代次数确定单元，用于确定训练时的最大迭代次数；

预测值计算单元，用于将所述最大迭代次数代入第一拟合函数和第二拟合函数，得到第一预测值和第二预测值；

判断单元，用于判断所述第一预测值是否大于所述第二预测值；

第一训练和优化单元，用于当所述判断单元的输出结果为所述第一预测值大于所述第二预测值时，设置w1小于w2，得到第一损失函数，采用所述第一损失函数根据所述训练数据集对所述卷积神经网络进行训练和优化；

第二训练和优化单元，用于当所述判断单元的输出结果为所述第一预测值小于所述第二预测值时，设置w1大于w2，得到第二损失函数，采用所述第二损失函数根据所述训练数据集对所述卷积神经网络进行训练和优化。

10.根据权利要求9所述的粪便宏观图像颜色和性状多任务识别系统，其特征在于，所述系统还包括：过采样模块，用于采用过采样方法对所述粪便图像和所述镜像图像进行处理，得到不同颜色类别和不同性状类别的训练图像；各所述类别所包含的训练图像的数量均相同；

颜色识别训练模块，用于设置w1＝1，w2＝0，利用所述不同颜色类别的训练图像对颜色进行单识别任务训练，记录训练过程中的各第一迭代次数和对应的各第一正确率；所述第一迭代次数为大于0且小于等于所述最大迭代次数的正整数；

性状识别训练模块，用于设置w1＝0，w2＝1，利用所述不同性状类别的训练图像对性状进行单识别任务训练，记录训练过程中的各第二迭代次数和对应的各第二正确率；所述第二迭代次数为大于0且小于等于所述最大迭代次数的正整数；

第一拟合模块，用于将所述第一迭代次数和所述第一正确率分别作为一次函数的横坐标和纵坐标进行拟合，得到第一拟合函数；

第二拟合模块，用于将所述第二迭代次数和所述第二正确率分别作为一次函数的横坐标和纵坐标进行拟合，得到第二拟合函数。