1.一种基于多尺度注意力学习网络的害虫识别方法，其特征在于，包括：获取包含害虫的图像；

根据获取的包含害虫的图像，利用多尺度注意力学习网络模型获得图像识别结果；

其中，所述获取包含害虫的图像后，将包含害虫的图像划分为训练集与测试集；通过解耦学习策略对多尺度注意力学习网络模型进行训练；

所述多尺度注意力学习网络模型包括目标定位模块、注意力检测模块和注意力删除模块；

所述目标定位模块用于对输入的图像数据进行特征值提取和聚合，得到害虫目标图；

所述注意力检测模块用于将害虫目标图进行特征值提取和聚合，并且统一放大，得到害虫部件图；

所述注意力删除模块将害虫部件图进行删除操作得到注意力删除图；

在解耦学习过程中，首先采用样本平均策略训练网络全局的参数，然后再冻住特征提取网络的参数，采用类平均采样策略单独训练分类器的参数。

2.如权利要求1所述的一种基于多尺度注意力学习网络的害虫识别方法，其特征在于，所述训练集用于多尺度注意力学习网络模型参数的训练；测试集用来测试多尺度注意力学习网络模型。

3.如权利要求2所述的一种基于多尺度注意力学习网络的害虫识别方法，其特征在于，所述将包含害虫的图像划分为训练集与测试集，还包括对训练集与测试集做扩充处理和标准化处理。

4.一种基于多尺度注意力学习网络的害虫识别系统，其特征在于，包括：图像获取模块，被配置为，获取包含害虫的图像；

图像识别模块，被配置为，根据获取的包含害虫的图像，利用多尺度注意力学习网络模型获得图像识别结果；

其中，所述获取包含害虫的图像后，将包含害虫的图像划分为训练集与测试集；通过解耦学习策略对多尺度注意力学习网络模型进行训练；

所述多尺度注意力学习网络模型包括目标定位模块、注意力检测模块和注意力删除模块；

所述目标定位模块用于对输入的图像数据进行特征值提取和聚合，得到害虫目标图；

所述注意力检测模块用于将害虫目标图进行特征值提取和聚合，并且统一放大，得到害虫部件图；

所述注意力删除模块将害虫部件图进行删除操作得到注意力删除图；

在解耦学习过程中，首先采用样本平均策略训练网络全局的参数，然后再冻住特征提取网络的参数，采用类平均采样策略单独训练分类器的参数。

5.一种计算机可读存储介质，其特征在于，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行权利要求1‑3中任一项所述的一种基于多尺度注意力学习网络的害虫识别方法。

6.一种终端设备，其特征在于，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行权利要求1‑3中任一项所述的一种基于多尺度注意力学习网络的害虫识别方法。