1.一种基于领域翻转的机器人巡航目标识别方法，其特征在于，包括如下步骤：S1、根据源域数据和目标域数据训练得到域自适应模型；

S2、利用域自适应模型对目标域数据进行训练，并使用噪声学习方法挑选得到目标域可信样本；

S3、将目标域可信样本作为源域数据，将源域数据作为目标域数据对域自适应模型进行训练；

S4、迭代优化步骤S1至S3, 直至自适应模型学到最优的域不变特征。

2.根据权利要求1所述基于领域翻转的机器人巡航目标识别方法，其特征在于，所述步骤S3包括如下分步骤：

S21、将域自适应模型在目标域上测试，输出目标域样本的伪标签；

S22、将目标域样本的伪标签视为真实标签，重新训练一个目标域模型；

S23、训练目标域样本的同时，收集若干轮每个目标域样本的损失；

S24、计算每个目标域样本的平均损失，并按照从小到大排序；

S25、根据小损失准则，筛选平均损失值较小的部分样本作为可靠样本。

3.根据权利要求2所述基于领域翻转的机器人巡航目标识别方法，其特征在于，所述分步骤S25包括：在目标域模型欠拟合初期，根据小损失准则，筛选平均损失值较小的部分样本作为可靠样本。

4.根据权利要求1所述基于领域翻转的机器人巡航目标识别方法，其特征在于，所述步骤S4包括如下内容：

在迭代优化过程中，采用增量学习策略控制目标域可信样本分布的大小。

5.根据权利要求1所述基于领域翻转的机器人巡航目标识别方法，其特征在于，所述域自适应模型的损失公式如下：

式中，1表示指示函数， 表示标签为k的样本 的损失, 表示域自适应模型的输出。

6.根据权利要求5所述基于领域翻转的机器人巡航目标识别方法，其特征在于，所述域自适应模型的特征提取对抗损失的公式如下：式中， 表示源域分布； 表示目标域分布； 表示源域数据采样样本； 表示目标域数据采样样本； 表示源域样本的判别结果； 表示目标域样本的判别结果。

7.根据权利要求6所述基于领域翻转的机器人巡航目标识别方法，其特征在于，所述域自适应模型的最终优化损失为：

式中，为均衡参数。

8.一种基于领域翻转的机器人巡航目标识别系统，其特征在于，包括如下功能模块：模型建立模块，用于根据源域数据和目标域数据训练得到域自适应模型；

可信样本筛选模块，用于利用域自适应模型对目标域数据进行训练，并使用噪声学习方法挑选得到目标域可信样本；

反向训练模块，用于将目标域可信样本作为源域数据，将源域数据作为目标域数据对域自适应模型进行训练；

迭代优化模块，用于在模型建立模块和反向训练模块之间建立迭代优化回路，通过迭代优化回路对自适应模型进行迭代优化，直至自适应模型学到最优的域不变特征。

9.一种服务器，包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序时实现如权利要求1至7任一项所述基于领域翻转的机器人巡航目标识别方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于领域翻转的机器人巡航目标识别方法的步骤。