1.一种图像增强方法，其特征在于，包括如下步骤：

S1：导入多个原始昆虫图像，并分别对各个所述原始昆虫图像进行图像缩放，得到与各个所述原始昆虫图像对应的缩放后昆虫图像；

S2：按照预设比例对所有的缩放后昆虫图像进行划分，得到昆虫训练集和昆虫测试集；

S3：构建训练模型，根据所述昆虫训练集对所述训练模型进行训练，得到训练后的模型；

S4：根据所述昆虫测试集对所述训练后的模型进行测试，得到图像增强模型；

S5：导入待增强昆虫图像，通过所述图像增强模型对所述待增强昆虫图像进行图像增强，得到图像增强结果。

2.根据权利要求1所述的图像增强方法，其特征在于，所述昆虫训练集包括多个昆虫训练图像，所述训练模型包括生成器和判别器，所述步骤S3的过程包括：通过所述生成器分别对各个所述昆虫训练图像进行特征图的生成，得到与各个所述昆虫训练图像对应的目标特征图；

通过所述判别器分别对各个所述目标特征图进行判别分析，得到与各个所述昆虫训练图像对应的鉴别概率；

判断所有所述鉴别概率是否均大于或等于第一预设判别阈值，且小于或等于第二预设判别阈值，若是，则将所述训练模型作为训练后的模型,并执行步骤S4；若否，则根据所有的鉴别概率对所述训练模型进行参数更新，得到更新后的训练模型，并返回步骤S2。

3.根据权利要求2所述的图像增强方法，其特征在于，所述生成器包括第一全连接层、第一反卷积层、ReLU激活函数层、反跨步卷积层和Tanh激活函数层；

所述通过所述生成器分别对各个所述昆虫训练图像进行特征图的生成，得到与各个所述昆虫训练图像对应的目标特征图的过程包括：通过所述第一全连接层分别对各个所述昆虫训练图像进行升维处理，得到与各个所述昆虫训练图像对应的升维后昆虫特征图像；

通过所述第一反卷积层分别对各个所述升维后昆虫特征图像进行首次特征提取，得到与各个所述昆虫训练图像对应的首次特征提取后昆虫特征图像；

通过所述ReLU激活函数层分别对各个所述首次特征提取后昆虫特征图像进行首次映射处理，得到与各个所述昆虫训练图像对应的首次映射后昆虫特征图像；

通过所述反跨步卷积层分别对各个所述首次映射后昆虫特征图像进行再次特征提取，得到与各个所述昆虫训练图像对应的再次特征提取后昆虫特征图像；

通过所述Tanh激活函数层分别对各个所述再次特征提取后昆虫特征图像进行再次映射处理，得到与各个所述昆虫训练图像对应的目标特征图。

4.根据权利要求2所述的图像增强方法，其特征在于，所述判别器包括第二反卷积层、Leaky ReLU激活函数层、残差块网络、第二全连接层和Sigmoid激活函数层；

所述通过所述判别器分别对各个所述目标特征图进行判别分析，得到与各个所述昆虫训练图像对应的鉴别概率的过程包括：通过所述第二反卷积层分别对各个所述目标特征图进行首次特征提取，得到与各个所述昆虫训练图像对应的首次特征提取后目标特征图；

通过所述Leaky ReLU激活函数层分别对各个所述首次特征提取后目标特征图进行映射处理，得到与各个所述昆虫训练图像对应的映射后目标特征图；

通过所述残差块网络分别对各个所述映射后目标特征图进行再次特征提取，得到与各个所述昆虫训练图像对应的再次特征提取后目标特征图；

通过所述第二全连接层分别对各个所述再次特征提取后目标特征图进行降维处理，得到与各个所述昆虫训练图像对应的降维后目标特征图；

通过所述Sigmoid激活函数层分别对各个所述降维后目标特征图进行图像鉴别，得到与各个所述昆虫训练图像对应的鉴别概率。

5.根据权利要求2或3所述的图像增强方法，其特征在于，所述根据所有的鉴别概率对所述训练模型进行参数更新，得到更新后的训练模型的过程包括：导入与各个所述昆虫训练图像对应的真实图像概率，对所有的鉴别概率和所有的真实图像概率进行损失值的计算，得到损失值；

通过所述损失值更新所述训练模型的参数，得到更新后的训练模型。

6.根据权利要求5所述的图像增强方法，其特征在于，所述对所有的鉴别概率和所有的真实图像概率进行损失值的计算，得到损失值的过程包括：通过第一式对所有的鉴别概率和所有的真实图像概率进行损失值的计算，得到损失值，所述第一式为：(i)

其中，maxD V(D,G)为损失值，m为昆虫训练图像的数量，x 为第i个昆虫训练图像对应(i) (i)的真实图像概率，G(Z )为第i个昆虫训练图像对应的目标特征图，D(G(Z ))为第i个昆虫训练图像对应的鉴别概率。

7.一种图像增强装置，其特征在于，包括：

图像缩放模块，用于导入多个原始昆虫图像，并分别对各个所述原始昆虫图像进行图像缩放，得到与各个所述原始昆虫图像对应的缩放后昆虫图像；

图像划分模块，用于按照预设比例对所有的缩放后昆虫图像进行划分，得到昆虫训练集和昆虫测试集；

模型训练模块，用于构建训练模型，根据所述昆虫训练集对所述训练模型进行训练，得到训练后的模型；

模型测试模块，用于根据所述昆虫测试集对所述训练后的模型进行测试，得到图像增强模型；

图像增强结果获得模块，用于导入待增强昆虫图像，通过所述图像增强模型对所述待增强昆虫图像进行图像增强，得到图像增强结果。

8.根据权利要求7所述的图像增强装置，其特征在于，所述昆虫训练集包括多个昆虫训练图像，所述训练模型包括生成器和判别器，所述模型训练模块具体用于：通过所述生成器分别对各个所述昆虫训练图像进行特征图的生成，得到与各个所述昆虫训练图像对应的目标特征图；

通过所述判别器分别对各个所述目标特征图进行判别分析，得到与各个所述昆虫训练图像对应的鉴别概率；

判断所有所述鉴别概率是否均大于或等于第一预设判别阈值，且小于或等于第二预设判别阈值，若是，则将所述训练模型作为训练后的模型，并进入所述模型测试模块；若否，则根据所有的鉴别概率对所述训练模型进行参数更新，得到更新后的训练模型，并返回所述图像划分模块。

9.一种图像增强系统，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，当所述处理器执行所述计算机程序时，实现如权利要求1至6任一项所述的图像增强方法。

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6任一项所述的图像增强方法。