1.一种奶油亮蓝色素的检测方法，其特征在于，包括如下步骤：S1：通过近红外光谱仪对待测奶油进行数据采集，得到多个原始光谱数据；

S2：分别对各个所述原始光谱数据进行预处理，得到与各个所述原始光谱数据对应的预处理后光谱数据；

S3：分别对各个所述预处理后光谱数据进行降维分析，得到与各个所述预处理后光谱数据对应的降维后光谱数据；

S4：将所有的降维后光谱数据随机划分至训练集或测试集或验证集中，且划分完成后的训练集、测试集以及验证集的数量比例满足预设比例；

S5：构建训练模型，通过所述训练模型对所述训练集和所述测试集进行训练分析，得到目标检测模型；

S6：通过所述目标检测模型对所述验证集进行检测，得到奶油亮蓝色素的检测结果。

2.根据权利要求1所述的奶油亮蓝色素的检测方法，其特征在于，所述步骤S3的过程包括：

构建初始自动编码器，利用无监督学习算法对所述初始自动编码器进行参数更新，得到更新后的自动编码器；

通过所述更新后的自动编码器分别对各个所述预处理后光谱数据进行降维处理，得到与各个所述预处理后光谱数据对应的降维后光谱数据。

3.根据权利要求2所述的奶油亮蓝色素的检测方法，其特征在于，所述构建初始自动编码器，利用无监督学习算法对所述初始自动编码器进行参数更新，得到更新后的自动编码器的过程包括：

导入预构建的模型参数，并对所述模型参数进行随机初始化，得到多个初始节点参数和多个初始权值参数；

通过第一式对多个所述初始节点参数和多个所述初始权值参数进行能量函数的计算，得到能量函数，所述第一式为：，

其中， 为当前层的初始节点参数， 为下一层的初始节点参数， 和 均为初始权值参数， 为权值， 为能量函数；

通过多个所述初始节点参数、多个所述初始权值参数和所述能量函数构建得到初始自动编码器；

导入多个更新权值，按照预设第一迭代次数依次将各个所述更新权值输入至所述初始自动编码器中进行自动编码器的参数更新，从而得到更新后的自动编码器。

4.根据权利要求1所述的奶油亮蓝色素的检测方法，其特征在于，所述步骤S5的过程包括：

基于深度学习算法构建全连接神经网络模型，通过所述全连接神经网络模型对所述训练集和所述测试集进行首次训练，得到初始检测模型和剩余预测偏差值；

判断所述剩余预测偏差值是否大于预设偏差阈值，若是，则通过知识进化算法对所述初始检测模型和所述训练集进行压缩，得到目标检测模型；若否，则返回步骤S4。

5.根据权利要求4所述的奶油亮蓝色素的检测方法，其特征在于，所述通过所述全连接神经网络模型对所述训练集和所述测试集进行首次训练，得到初始检测模型和剩余预测偏差值的过程包括：

S511：导入多个与所述训练集中降维后光谱数据对应的真实值，通过所述全连接神经网络模型对所述训练集和所有真实值进行模型训练，得到初始检测模型；

S512：通过所述初始检测模型对所述测试集以及所有所述真实值进行剩余预测偏差值的分析，得到剩余预测偏差值。

6.根据权利要求5所述的奶油亮蓝色素的检测方法，其特征在于，所述步骤S511中，通过所述全连接神经网络模型对所述训练集和所有真实值进行模型训练，得到初始检测模型的过程包括：

S5111：根据前向传播算法和所述全连接神经网络模型分别对所述训练集中各个降维后光谱数据进行预测，得到与各个所述降维后光谱数据对应的第一预测值；

S5112：分别计算各个所述第一预测值以及与所述降维后光谱数据对应的真实值之差，得到与各个所述降维后光谱数据对应的误差值；

S5113：导入损失函数，根据所述损失函数对所有误差值进行反向传播，得到梯度值；

S5114：根据梯度下降算法和所述梯度值对所述全连接神经网络模型进行全连接神经网络模型的参数更新，得到更新后的全连接神经网络模型，并返回步骤S5111，直至达到预设第二迭代次数，则将更新后的全连接神经网络模型作为初始检测模型。

7.根据权利要求5所述的奶油亮蓝色素的检测方法，其特征在于，所述步骤S512的过程包括：

按照预设第三迭代次数将所述测试集输入至所述初始检测模型中进行模型测试，得到多个第二预测值；

通过第二式对所有第二预测值和所有所述真实值进行剩余预测偏差值的计算，得到剩余预测偏差值，所述第二式为：，

其中， 为真实值，为第二预测值， 为平均值， 为剩余预测偏差值。

8.根据权利要求4所述的奶油亮蓝色素的检测方法，其特征在于，所述通过知识进化算法对所述初始检测模型和所述训练集进行压缩，得到目标检测模型的过程包括：根据所述初始检测模型网络空间体积的参数设定比例，将所述初始检测模型进行切分，得到第一子网络和第二子网络；

对所述第一子网络进行参数随机化处理，得到随机化后的第一子网络；

通过所述随机化后的第一子网络和所述第二子网络构建得到待训练检测模型；

通过所述待训练检测模型对所述训练集进行再次训练，得到目标检测模型。

9.一种奶油亮蓝色素的检测装置，其特征在于，包括：数据采集模块，用于通过近红外光谱仪对待测奶油进行数据采集，得到多个原始光谱数据；

数据预处理模块，用于分别对各个所述原始光谱数据进行预处理，得到与各个所述原始光谱数据对应的预处理后光谱数据；

降维分析模块，用于分别对各个所述预处理后光谱数据进行降维分析，得到与各个所述预处理后光谱数据对应的降维后光谱数据；

随机划分模块，用于将所有的降维后光谱数据随机划分至训练集或测试集或验证集中，且划分完成后的训练集、测试集以及验证集的数量比例满足预设比例；

训练分析模块，用于构建训练模型，通过所述训练模型对所述训练集和所述测试集进行训练分析，得到目标检测模型；

检测结果获得模块，用于通过所述目标检测模型对所述验证集进行检测，得到奶油亮蓝色素的检测结果。

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，当所述计算机程序被处理器执行时，实现如权利要求1至8任一项所述的奶油亮蓝色素的检测方法。