1.基于自组织映射神经网络的5G基站检测方法,其特征在于，包括：根据基站经纬度确定基站在地图中的位置；

根据基站检测的参考信号接收功率、参考信号接收质量和信号与干扰加噪声比三个指标确定所述基站在地图中的标注颜色，得到包含基站颜色属性的图像；

利用方向梯度直方图提取水平和竖直两个方向的图像特征；

利用自组织映射神经网络对图像特征进行聚类，根据不同基站在地图中对应的标注颜色将基站进行分类；

在提取图像特征时，将图像分割成多个小格子，将包含质量检测点特征的小格子赋予监测点的颜色，将同时包含多个监测点的小格子赋予信号质量最差检测点的颜色；对于彩色图像，将RGB分量转化成灰度图像；对图像的水平方向和垂直方向做卷积，得到每个点在水平方向和垂直方向的梯度；对图像特征进行整合，在自组织神经网络中引入模糊逻辑，采用两个平行自组织神经网络分别处理水平和竖直两个不同纬度的特征；将平行自组织神经网络收集到的整张图片的特征进行线性拼接。

2.如权利要求1所述的基于自组织映射神经网络的5G基站检测方法,其特征在于，通过最小化路测技术收集到参考信号接收功率、参考信号接收质量和信号与干扰加噪声三个指标。

3.如权利要求1所述的基于自组织映射神经网络的5G基站检测方法,其特征在于，规定基站在地图中的标注颜色随着指标数值的降低变深，信号质量好的颜色贴近图像的背景色。

4.如权利要求1所述的基于自组织映射神经网络的5G基站检测方法,其特征在于，自组织神经网络中引入模糊逻辑的过程为：随机初始化神经元的权重；

输入所有的样本；

计算每个输入向量与神经元的欧氏距离；

计算每个输入向量与所有神经元的隶属度；

根据计算的隶属度调整每个神经元；

定义整个网络稳定的条件。

5.基于自组织映射神经网络的5G基站检测系统,其特征在于，包括：图像特征提取模块、特征整合模块和聚类模块；

所述图像特征提取模块，被配置为：根据基站检测的参考信号接收功率、参考信号接收质量和信号与干扰加噪声比三个指标确定所述基站在地图中的标注颜色，得到包含基站颜色属性的图像；利用方向梯度直方图提取水平和竖直两个方向的图像特征；

所述特征整合模块，被配置为：利用自组织映射神经网络对图像特征进行整合；

所述聚类模块，被配置为：利用自组织映射神经网络对图像特征进行聚类，根据不同基站在地图中对应的标注颜色将基站进行分类；

在提取图像特征时，将图像分割成多个小格子，将包含质量检测点特征的小格子赋予监测点的颜色，将同时包含多个监测点的小格子赋予信号质量最差检测点的颜色；对于彩色图像，将RGB分量转化成灰度图像；对图像的水平方向和垂直方向做卷积，得到每个点在水平方向和垂直方向的梯度；对图像特征进行整合，在自组织神经网络中引入模糊逻辑，采用两个平行自组织神经网络分别处理水平和竖直两个不同纬度的特征；将平行自组织神经网络收集到的整张图片的特征进行线性拼接。

6.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1‑4任一项所述的基于自组织映射神经网络的5G基站检测方法。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1‑4任一项所述的基于自组织映射神经网络的5G基站检测方法。