1.一种基于深度学习的遥感地块识别方法，其特征在于，包括如下步骤：S1：标注遥感地块影像，构建深度学习所需数据集；

S2：对深度学习所需数据集进行数据增强处理；

S3：将增强处理后的数据集进行图像压缩和预处理；

S4：将步骤S3处理好的数据集进行划分，获得不同波段图像组合的数据集；

S5：将步骤S4获取的不同波段图像组合的数据分别放到搭建好的深度学习神经网络模型中进行分类模型的训练，根据训练结果，获得最佳波段组合结果；

S6：将制作好的抗干扰数据集放入到步骤S2，在最佳波段组合结果中继续训练分类模型；

S7：通过步骤S6训练好的分类模型对陌生遥感地块影像进行识别，分类识别出地块分布情况。

2.根据权利要求1所述的一种基于深度学习的遥感地块识别方法，其特征在于，所述步骤S1中遥感地块影像的标注方法为：利用卫星提供的高分辨率遥感影像进行标注，对不同的地块类型采用目视解译的方式标注为不同类型的矢量标签。

3.根据权利要求1所述的一种基于深度学习的遥感地块识别方法，其特征在于，所述步骤S2中数据增强处理具体为：将制作好的标签和对应的原图同时进行数据增强，用于扩充增强数据集。

4.根据权利要求3所述的一种基于深度学习的遥感地块识别方法，其特征在于，所述步骤S2中数据增强的手段包括平移、转置、镜像、旋转、缩放、裁剪。

5.根据权利要求1所述的一种基于深度学习的遥感地块识别方法，其特征在于，所述步骤S3具体为：将数据集图像压缩为统一大小，再进行预处理。

6.根据权利要求1所述的一种基于深度学习的遥感地块识别方法，其特征在于，所述步骤S4中按不同的光谱通道组合对数据集进行划分。

7.根据权利要求1所述的一种基于深度学习的遥感地块识别方法，其特征在于，所述步骤S5中深度学习神经网络模型的搭建方法为：利用轻量级神经网络框架U‑Net作为基本结构，结合金字塔池化模块聚合不同区域的上下文特征信息，在上采样时将对应的下采样得到的特征先经过金字塔池化模块之后再和上一层特征拼接，并用金字塔池化模块替换了最后一层下采样与上采样的模块，再将U‑Net模型的输出作为全连接条件随机场的输入。

8.根据权利要求1所述的一种基于深度学习的遥感地块识别方法，其特征在于，所述步骤S5中最佳波段组合结果的获取方式为：按照训练结果横向对比不同波段组合图像的准确度、精确度、召回率，得到最适合遥感地块分割的波段组合结果。

9.根据权利要求1所述的一种基于深度学习的遥感地块识别方法，其特征在于，所述步骤S6中抗干扰数据集的制作方法为：选取同一空间位置不同时期的地块遥感影像，包括不同时期种植不同作物的地块，被云层遮挡的地块，不同天气光线影像下的地块，以及地块增加删减后的影像，进一步标注抗干扰数据集，利用原先标注好的矢量标签，在原基础上根据地块变化对标签进行修改。