1.一种基于轻量神经网络的文字识别方法，其特征在于，包括：

获取词典笔输入的初始待识别图像，并对所述初始待识别图像进行图像增强，获得第一待识别图像；所述待识别图像包含文字；

对所述第一待识别图像进行预处理，获得第二待识别图像；

获取已训练好的轻量文字识别模型，所述轻量文字识别模型用于识别图像中的文字；

将所述第二待识别图像输入所述轻量文字识别模型中进行推理，获得所述第二待识别图像对应的词索引矢量；

将所述词索引矢量与词典库中的文字进行匹配，获得文字识别结果；

其中，所述轻量文字识别模型的结构包括：轻量卷积块、残差块和激活块，所述轻量卷积块包括空间可分离卷积块和深度可分离卷积块；将所述第二待识别图像输入所述轻量文字识别模型中进行推理，获得所述第二待识别图像对应的词索引矢量，包括：将所述第二待识别图像输入所述轻量文字识别模型中，通过所述轻量卷积块的所述空间可分离卷积块采用群卷积的方式将所述第二待识别图像与第一卷积核进行空间分离卷积计算，获得第二特征图像；通过所述轻量卷积块的所述深度可分离卷积块将所述第二特征图像与多个第二卷积核进行深度分离卷积计算，获得第一特征图像；

通过所述激活块采用激活函数激活所述第一特征图像，获得激活后的第一特征图像；

通过所述残差块将所述第二待识别图像和所述激活后的第一特征图像进行相加，获得所述第二待识别图像对应的词索引矢量。

2.如权利要求1所述的方法，其特征在于，对初始待识别图像进行图像增强处理，获得第一待识别图像，包括：对所述初始待识别图像的对比度和图像亮度进行自适应调整，获得所述第一待识别图像。

3.如权利要求1所述的方法，其特征在于，对所述第一待识别图像进行预处理，获得第二待识别图像，包括：对所述第一待识别图像进行归一化处理和大小调整后，获得所述第二待识别图像；所述第二待识别图像的大小与所述轻量文字识别模型的输入图像的大小一致。

4.如权利要求1‑3任一项所述的方法，其特征在于，通过所述空间可分离卷积块采用群卷积的方式将所述第二待识别图像与第一卷积核进行空间分离卷积计算，获得第二特征图像，包括：通过所述空间可分离卷积块将所述第二待识别图像中的多个特征与所述第一卷积核的多个卷积特征一一对应的进行卷积计算，获得多个第一输出特征，所述多个第一输出特征构成所述第二特征图像。

5.如权利要求1‑3任一项所述的方法，其特征在于，通过所述深度可分离卷积块将所述第二特征图像与多个第二卷积核进行深度分离卷积计算，获得所述第一特征图像，包括：通过所述深度可分离卷积块将所述第二特征图像分别与多个所述第二卷积核一一进行卷积计算，获得多个第二输出特征，所述多个第二输出特征构成所述第一特征图像。

6.一种识别装置，其特征在于，包括：

处理单元，用于获取词典笔输入的初始待识别图像，并对所述初始待识别图像进行图像增强，获得第一待识别图像；所述待识别图像包含文字；对所述第一待识别图像进行预处理，获得第二待识别图像；

识别单元，用于获取已训练好的轻量文字识别模型，所述轻量文字识别模型用于识别图像中的文字；将所述第二待识别图像输入所述轻量文字识别模型中进行推理，获得所述第二待识别图像对应的词索引矢量；将所述词索引矢量与词典库中的文字进行匹配，获得文字识别结果；

其中，所述轻量文字识别模型的结构包括：轻量卷积块、残差块和激活块，所述轻量卷积块包括空间可分离卷积块和深度可分离卷积块；所述识别单元在用于将所述第二待识别图像输入所述轻量文字识别模型中进行推理，获得所述第二待识别图像对应的词索引矢量时，具体用于：将所述第二待识别图像输入所述轻量文字识别模型中，通过所述轻量卷积块的所述空间可分离卷积块采用群卷积的方式将所述第二待识别图像与第一卷积核进行空间分离卷积计算，获得第二特征图像；通过所述轻量卷积块的所述深度可分离卷积块将所述第二特征图像与多个第二卷积核进行深度分离卷积计算，获得第一特征图像；

通过所述激活块采用激活函数激活所述第一特征图像，获得激活后的第一特征图像；

通过所述残差块将所述第二待识别图像和所述激活后的第一特征图像进行相加，获得所述第二待识别图像对应的词索引矢量。

7.一种识别装置，其特征在于，所述识别装置包括：至少一个存储器和至少一个处理器；

所述至少一个存储器用于存储一个或多个程序；

当所述一个或多个程序被所述至少一个处理器执行时，实现如权利要求1‑5任一项所述的方法。

8.一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存储有至少一个程序；当所述至少一个程序被处理器执行时，执行如权利要求1‑5任一项所述的方法。