1.一种宠物食欲评价方法，其特征在于，包括：

获取目标粮食的基本特征以及目标宠物的基本特征，所述目标粮食的基本特征包括目标粮食的品牌、产品规格、产品价格、蛋白质参数、脂肪参数、纤维参数以及原始卡路里标签，所述目标宠物的基本特征包括目标宠物的种类以及对目标粮食的实际食量和标准食量；

将目标粮食的基本特征输入预置的粮食卡路里预测神经网络模型，获得目标粮食的卡路里参数；

将目标宠物的基本特征以及目标粮食的卡路里参数输入预置的宠物食欲评价神经网络模型，获得目标宠物对目标粮食的食欲指数。

2.根据权利要求1所述的一种宠物食欲评价方法，其特征在于，所述方法还包括：在目标宠物对目标粮食的食欲指数达到设定阈值时，记录对应目标粮食的基本特征，同时记录目标宠物的基本特征；

根据记录的对应目标粮食的品牌、产品规格和产品价格，以及同种类目标宠物对目标粮食的实际食量和标准食量，计算目标粮食品牌产品的综合评价指数。

3.根据权利要求1所述的一种宠物食欲评价方法，其特征在于，所述目标粮食分为主粮和零食，所述粮食卡路里预测神经网络模型采用Sigmoid函数将输入变量映射到(0，1)之间，Sigmoid函数表现形式为：其中，Lk∈(0，1)，表示映射后的卡路里参数；k表示原始卡路里标签；w和b分别表示将主粮和零食的卡路里范围映射到Lk范围的超参数。

4.根据权利要求3所述的一种宠物食欲评价方法，其特征在于，所述主粮对应的粮食卡路里预测神经网络模型设有5层神经网络层，并采用ReLU激活函数进行模型神经元特征激活，采用BN算法进行模型参数空间纠正。

5.根据权利要求3所述的一种宠物食欲评价方法，其特征在于，所述零食对应的粮食卡路里预测神经网络模型设有4层神经网络层，采用BN算法进行模型参数空间纠正，并设有残差块进行模型神经元特征优化。

6.根据权利要求1所述的一种宠物食欲评价方法，其特征在于，所述目标宠物的基本特征包括目标宠物对目标粮食的实际食量和标准食量，所述宠物食欲评价神经网络模型采用Sigmoid函数将输入变量映射到(0，1)之间，Sigmoid函数表现形式为：其中，L∈(0，1)，表示目标宠物的食欲指数；s表示目标宠物的标准卡路里量，由目标宠物的标准食量及目标粮食的卡路里参数确定；limit∈(0，1)，表示设定的目标宠物的食量下界参数；q表示目标宠物的实际食量和标准食量之间的偏差值。

7.根据权利要求6所述的一种宠物食欲评价方法，其特征在于，所述宠物食欲评价神经网络模型设有两层神经网络层，并采用二分类交叉熵算法作为模型的损失函数。

8.一种宠物食欲评价装置，其特征在于，包括：

获取单元，用于获取目标粮食的基本特征以及目标宠物的基本特征，所述目标粮食的基本特征包括目标粮食的品牌、产品规格、产品价格、蛋白质参数、脂肪参数、纤维参数以及原始卡路里标签，所述目标宠物的基本特征包括目标宠物的种类以及对目标粮食的实际食量和标准食量；

预测单元，用于将目标粮食的基本特征输入预置的粮食卡路里预测神经网络模型，获得目标粮食的卡路里参数；

评价单元，用于将目标宠物的基本特征以及目标粮食的卡路里参数输入预置的宠物食欲评价神经网络模型，获得目标宠物对目标粮食的食欲指数。

9.一种计算机设备，其特征在于，包括：

存储器，用于存储指令；

处理器，用于读取所述存储器中存储的指令，并根据指令执行权利要求1‑7任意一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，使得所述计算机执行权利要求1‑7任意一项所述的方法。