1.基于区块链的交通工程道路裂缝的巡检方法，应用于区块链网络，所述区块链网络包括申报节点、审核节点、维护节点、监督节点和超级节点，其特征在于，所述方法包括：S1、判断是否到达评分周期，若是，计算评分周期内审核节点和超级节点的评价分数F，选取评价分数F最高的N个审核节点和/或超级节点作为下一周期的超级节点，其中，N为奇数，M为审核节点总数，K≥5；

所述S1中评价分数F计算公式为：

其中，F表示评价分数，x表示节点的计算能力，y表示节点的存储能力，T0表示接收到的数据包到数据包转发结束的时间，T1表示第一预设的时间间隔，T2表示第二预设的时间间隔，n表示数据位的数目，w表示网络带宽，d表示数据传播距离，v表示数据传播速度，t表示*

处理时间，m表示到达评分周期时节点连续作为超级节点的周期次数，m 表示节点作为超级节点在评价周期内在区块链中最先广播深度学习结果且深度学习结果正确的次数，α、β、γ和δ表示调节系数；

S2、当申报节点使用私钥签名后在区块链中广播携带位置信息的目标道路裂缝申报请求时，超级节点初步审核请求后使用私钥签名向区块链中广播申报请求的审核任务；

S3、审核节点获取审核任务，根据加密共享的航拍图像数据处理后获取目标道路图像，并基于加密共享的深度学习模型对目标道路图像进行裂缝识别以生成深度学习结果，并通过私钥签名后将深度学习结果携带时间戳广播到区块链中；

S4、若深度学习结果为存在裂缝，超级节点向监督节点和目标道路对应的维护节点发送维护确认请求；所述维护节点获取维护确认请求，实地审核后更新维护记录清单并通过私钥签名后在区块链中广播；

S5、若维护记录清单记录的目标道路维修结果为无裂缝，则超级节点向审核节点发送深度学习模型修正更新请求，并向对应申报节点发送警告信息并对申报节点进行警告标记L，当警告标记次数L＞次数阈值L0时，将对应申报节点从区块链中淘汰；若维护记录清单记录的目标道路维修结果为维修中或者维修完成，审核节点向对应的申报节点发放奖励，超级节点将交易信息打包为新的区块，经其他超级节点共识验证后将新的区块添加到区块链上。

2.根据权利要求1所述的方法，其特征在于，所述申报节点包括无奖励获取权限的临时节点和有奖励获取权限的正式节点，所述临时节点升级为正式节点的方法具体包括：超级节点向获取奖励的申报节点发送邀请码，并接收申报节点推荐的受邀临时节点的上链请求，所述上链请求携带有IP地址、邀请码和硬件信息；

当超级节点验证邀请码通过，且受邀临时节点的硬件信息达到预设的硬件配置条件时，向所述受邀临时节点发送正式节点标识，使得所述受邀临时节点加入区块链；或者，超级节点接收注册临时节点的上链请求，所述上链请求携带有IP地址、硬件信息和移动数据，所述移动数据为最近一段天数内节点产生的GPS定位数据记录，包括节点的经度、纬度以及数据记录发生的时间；

当超级节点判断注册临时节点的移动值D≥移动阈值D0时，且注册临时节点的硬件信息达到预设的硬件配置条件时，向所述受邀临时节点发送正式节点标识，使得所述受邀临时节点加入区块链；否则拒绝其上链请求；

其中，移动值D的计算公式为：

其中，D表示移动值，Nx表示天数，△Li表示第i天经度变化值， 表示根据实际情况设定的经度变化阈值，△Bi表示第i天纬度变化值， 表示根据实际情况设定的纬度变化阈值。

3.根据权利要求1所述的方法，其特征在于，所述S2中初步审核具体包括：S201、当申报节点使用私钥签名后在区块链中广播携带位置信息的目标道路裂缝申报请求时，超级节点根据最新获取的维护记录清单判断所述申报请求是否为重复申报，所述维护记录清单记录有道路维修状态和维修时间；

S202、若道路维修状态为维修中，则认定申报请求为重复申报，并统计目标道路重复申报次数P；若重复申报次数P＞重复申报次数阈值P0，则超级节点向监督节点和目标道路对应的维护节点发送催告信息；

S203、若道路维修状态为无记录、无裂缝或者维修完成，则认定申报请求为非重复申报，超级节点使用私钥签名后向区块链中发送审核任务。

4.根据权利要求3所述的方法，其特征在于，还包括：监督节点获取维护记录清单，计算同一道路维修间隔时间T，若间隔时间T＜间隔时间阈值T0，则监督节点向目标道路对应的维护节点发送警告信息。

5.根据权利要求1所述的方法，其特征在于，所述S3中深度学习模型的构建结构包括：过滤层、卷积层C1、最大池化层S1、卷积层C2、最大池化层S2、卷积层C3、最大池化层S3、卷积层C4、最大池化层S4、全连接层F1、全连接层F2和输出层；其中，过滤层将输入的图像数据过滤后，并将大小统一为99×99大小的二维特征图；卷积层C1为具有48个核的卷积层，激活函数为relu，通过一个4×4大小的卷积核卷积99×99大小的图片，得到96×96大小的二维特征图；最大池化层S1通过激活函数获得48个48×48大小的特征图，核的大小为2×2；卷积层C2为具有48个核的卷积层，激活函数为relu，通过一个5×5大小的卷积核进行卷积，得到44×44大小的二维特征图；最大池化层S2通过激活函数获得48个22×22大小的特征图，核的大小为2×2；卷积层C3为具有48个核的卷积层，激活函数为relu，通过一个3×3大小的卷积核进行卷积，得到20×20大小的二维特征图；最大池化层S3通过激活函数获得48个10×10大小的特征图，核的大小为2×2；卷积层C4为具有48个核的卷积层，激活函数为relu，通过一个4×4大小的卷积核进行卷积，得到7×7大小的二维特征图；最大池化层S4通过激活函数获得48个3×3大小的特征图，核的大小为2×2；将最大池化层S4的输出展开成一维数组，连接到全连接层F1，全连接层F1有200个神经单元，激活函数为Dropout；将全连接层F1的输出连接到全连接层F2，全连接层F2有2个神经单元，再将全连接层F2的输出连接到输出层，输出层的激活函数为softmax，对输出结果进行二分类。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：利用损失函数对预设的深度学习模型进行深度训练，调整深度学习卷积神经网络的参数，得到最优深度学习模型；其中，损失函数定义如下：Lall＝L1+L2；

其中，Lall表示损失函数，L1表示第一损失函数值，L2表示第二损失函数值，X表示道路裂缝图像的像素值，Y表示道路非裂缝图像的像素值，y表示权重平衡值，i表示像素在图像中的位置，N表示像素总数，S(·)表示图像的预测概率，D(·)表示图像的真实概率；Sub(·)表示神经网络的子输出，s表示类别数，N(s)表示子输出的像素总数；

利用随机梯度下降优化方法来优化预定的深度学习模型。

7.基于区块链的交通工程道路裂缝的巡检系统，其特征在于，包括：区块链系统，所述区块链系统包括多个申报节点、审核节点、维护节点、监督节点和超级节点，

所述超级节点用于当申报节点使用私钥签名后在区块链中广播携带位置信息的目标道路裂缝申报请求时，超级节点初步审核请求后使用私钥签名向区块链中广播申报请求的审核任务；若深度学习结果为存在裂缝，超级节点向监督节点和目标道路对应的维护节点发送维护确认请求；若维护记录清单记录的目标道路维修结果为无裂缝，则超级节点向审核节点发送深度学习模型修正更新请求，并向对应申报节点发送警告信息并对申报节点进行警告标记L，当警告标记次数L＞次数阈值L0时，将对应申报节点从区块链中淘汰；若维护记录清单记录的目标道路维修结果为维修中或者维修完成，审核节点向对应的申报节点发放奖励，超级节点将交易信息打包为新的区块，经其他超级节点共识验证后将新的区块添加到区块链上；

所述维护节点用于获取维护确认请求，实地审核后更新维护记录清单并通过私钥签名后在区块链中广播；

所述审核节点用于获取审核任务，根据加密共享的航拍图像数据处理后获取目标道路图像，并基于加密共享的深度学习模型对目标道路图像进行裂缝识别以生成深度学习结果，并通过私钥签名后将深度学习结果携带时间戳广播到区块链中，审核节点向对应的申报节点发放奖励；

所述区块链系统还包括：

评分模块，用于判断是否到达评分周期，若是，计算评分周期内审核节点和超级节点的评价分数F，选取评价分数F最高的N个审核节点和/或超级节点作为下一周期的超级节点，其中， N为奇数，M为审核节点总数，K≥5；

所述评分模块 中评价分数F计算公式为：其中，F表示评价分数，x表示节点的计算能力，y表示节点的存储能力，T0表示接收到的数据包到数据包转发结束的时间，T1表示第一预设的时间间隔，T2表示第二预设的时间间隔，n表示数据位的数目，w表示网络带宽，d表示数据传播距离，v表示数据传播速度，t表示*

处理时间，m表示到达评分周期时节点连续作为超级节点的周期次数，m 表示节点作为超级节点在评价周期内在区块链中最先广播深度学习结果且深度学习结果正确的次数，α、β、γ和δ表示调节系数。