1.基于BP神经网络的盐碱地稳定性评估方法，其特征在于：包括，

确定当前区域内的盐碱地范围，基于机器视觉系统的无人机巡检单元，建立盐碱地电子地图；包括：基于搭载机器视觉系统的无人机，对盐碱地区域进行成像，依据深度相机对盐碱地进行成像并3D建模；依据盐碱地模型，判断盐碱地的底面平整度及盐碱地的凹陷区域；获取盐碱地模型及水流聚集位置，建立盐碱地电子地图；

依据盐碱地电子地图，在盐碱地范围内设置若干个第一检测点，获取第一土壤数据集，并且基于第一土壤数据集获取第一土壤评价值Po，对当前土壤盐碱性进行第一次评价；并且依据第一土壤评价值的异常性，确定第二检测点；包括：在避开水流聚集位置的区域，均匀设置若干个第一检测点；在深入土壤的20～30cm处采集成块的土壤，分别对土壤的土壤容重R、孔隙度K、含水量S进行检测，构建第一土壤数据集；

获取土壤容重R、孔隙度K、含水量S，无量纲处理后，关联获取第一土壤评价值Po；获取第一土壤评价值Po并与相应阈值相比，判断出若干个第一土壤评价值Po中超出阈值的部分，确定为异常点，在盐碱地电子地图上进行标记；构建分类器，将盐碱地电子地图上的多个异常点分割为若干个区域，并在盐碱地电子地图上进行区分；

依据接近中心性算法，确定各个区域内的近中心点，确定为第二检测点；第一土壤评价值Po的获取方式如下：

其中，参数意义为：容重因子Ar，0.41≤Ar≤0.79，孔隙度因子Ak，0.27≤Ak≤0.76，含水量因子As，0.37≤As≤0.96，C为常数修正系数；

依据在第二检测点处获取的第二土壤数据集，获取第二土壤评价值Pt，对当前土壤盐碱性进行第二次评价，判断评价值Pt是否达到预期；如果达到预期，则对相应的第二检测点进行标记；包括：于第二检测点深入土壤的20～30cm处，采集成块的土壤，分别对土壤的土壤酸碱度H、电导率Dl和全盐含量Qy进行采集，构建第二土壤数据集；获取土壤酸碱度H、电导率Dl和全盐含量Qy，无量纲处理后，关联获取第二土壤评价值Pt；将第二土壤评价值Pt与相应的阈值进行对比，判断是否超出相应阈值，如果超出阈值，则对相应的第二检测点进行标记；第二土壤评价值Pt的获取方式如下：其中，0≤α≤1，0≤β≤1，且α+β＝1，α、β为权重，其具体值由用户调整设置，D为常数修正系数；

通过若干组数据，拟合第二土壤评价值Pt的变化趋势，以第二土壤评价值超出预期的时间间隔，确定检测周期；计算第二土壤评价值的稳定性，判断第二土壤评价值的稳定性是否超过阈值；包括：获取基于第二土壤数据集内的若干组数据，沿着时间轴获取若干组第二土壤评价值Pt；基于若干组第二土壤评价值Pt，建立评价值Pt拟合函数；将拟合函数经过K‑S检验后，将评价值Pt拟合函数输出；

通过形成评价值Pt拟合函数，能够对第二土壤评价值Pt的变化进行拟合和表征，也能够对第二土壤评价值Pt的变化进行预测；依据评价值Pt拟合函数，获取相邻的极大值与极小值的时间间隔，确定为检测周期；基于评价值Pt拟合函数，判断下一检测周期内第二土壤评价值Pt的演变趋势，及相应的若干个第二土壤评价值Pt预测值，建立评价值Pt预测数据集；

基于评价值Pt拟合函数及检测周期，通过建立评价值Pt预测数据集，对第二土壤评价值Pt的变化进行预测，对第二土壤评价值Pt接下来的时候稳定性进行预测；对评价值Pt预测数据集内的若干个第二土壤评价值Pt预测值进行差异显著性分析，获取差异性P1，判断差异性P1是否超出阈值，如果超出阈值，则说明，第二土壤评价值Pt预测的稳定性低于预期，向外部发出预警；

在第二土壤评价值的稳定性不达预期时，构建BP神经网络模型，在检测周期内模拟土壤参数的变化趋势，判断第二土壤数据集中的参数稳定性；包括：在第二土壤评价值Pt预测的稳定性低于预期时，获取当前检测周期下的第一土壤数据集及第二土壤数据集；以第一土壤数据集及第二土壤数据集中的土壤参数构建土壤模型；

基于BP神经网络算法，构建BP神经网络模型；分别从第一土壤数据集及第二土壤数据集中选择数据作为训练集及测试集，对搭建的BP神经网络模型的训练和测试，将测试后的BP神经网络模型输出；从第一土壤数据集及第二土壤数据集选择数据，基于土壤模型及BP神经网络模型，对土壤酸碱度H、电导率Dl和全盐含量Qy中的变化进行模拟；

在检测周期内，沿着时间轴，以固定的时间间隔获取若干组土壤酸碱度H、电导率Dl和全盐含量Qy；分别获取若干组第二土壤评价值Pt，对若干组第二土壤评价值Pt进行显著性分析，获取差异性P2；获取差异性P1及差异性P2，关联后获取差异性P3，将获取的差异性P3与相应稳定性阈值进行对比，获取对比结果；差异性P3获取方式如下：

2 2

其中，0≤k1≤1，0≤k2≤1，且k1+k2＝1，k2、k1为权重，由用户调整设置。