1.一种中草药分类模型的训练方法，其特征在于，包括：获取原始的图像数据集；

对所述图像数据集进行预处理，得到训练图像集；

对所述训练图像集进行特征提取处理，得到第一数据集，所述第一数据集包括多个第一数据，每个所述第一数据包括特征输出结果，以及与所述特征输出结果对应的特征输入补丁；

对所述第一数据集进行通道提取处理，得到第二数据集，所述第二数据集用于表征整合不同通道的特征重要性后的第一数据集；

将所述第二数据集更新为所述训练图像集，返回对所述训练图像集进行特征提取处理，得到第一数据集这一步骤，直至返回次数大于等于预设的第一阈值；

根据所述第二数据集，对初始化的中草药分类模型进行参数更新，得到训练好的中草药分类模型。

2.根据权利要求1所述的训练方法，其特征在于，所述对所述图像数据集进行预处理，得到训练图像集，包括：对所述图像数据集进行尺度统一处理，得到尺度图像集；

对所述尺度图像集进行随机翻转处理，得到翻转图像集；

对所述翻转图像集进行二维变换处理，得到所述训练图像集。

3.根据权利要求1所述的训练方法，其特征在于，所述对所述训练图像集进行特征提取处理，得到第一数据集，包括：对所述训练图像集进行第一线性处理，得到线性数据集，其中，所述线性数据集用于表征所述特征输入补丁的集合；

对所述线性数据集进行特征堆叠处理，得到所述第一数据集。

4.根据权利要求3所述的训练方法，其特征在于，所述对所述线性数据集进行特征堆叠处理，得到所述第一数据集，包括：对所述线性数据集进行第一仿射变换处理，得到第一仿射数据集；

根据所述线性数据集，对所述第一仿射数据集进行整合处理，得到所述第一数据集。

5.根据权利要求1所述的训练方法，其特征在于，所述对所述第一数据集进行通道提取处理，得到第二数据集，包括：对所述第一数据集进行通道拆分处理，得到通道拆分后的第一数据集；

对所述通道拆分后的第一数据集进行全局通道提取处理，得到所述第二数据集。

6.根据权利要求5所述的训练方法，其特征在于，所述对所述通道拆分后的第一数据集进行全局通道提取处理，得到所述第二数据集，包括：对所述通道拆分后的第一数据集进行第二仿射变换处理，得到第二仿射数据集；

对所述第二仿射数据集进行全局归一化处理，得到全局数据集，其中，所述全局数据集用于表征对应通道的特征重要性；

对所述全局数据集进行通道整合处理，得到所述第二数据集。

7.一种中草药分类模型的识别方法，其特征在于，包括：获取待识别的中草药图像数据；

将所述待识别的中草药图像数据输入到如权利要求1-6任一项所述的中草药分类模型的训练方法所得到的中草药分类模型中，得到识别结果。

8.一种中草药分类模型的训练系统，其特征在于，包括：获取模块，用于获取原始的图像数据集；

第一处理模块，用于对所述图像数据集进行预处理，得到训练图像集；

第二处理模块，用于对所述训练图像集进行特征提取处理，得到第一数据集，所述第一数据集包括多个第一数据，每个所述第一数据包括特征输出结果，以及与所述特征输出结果对应的特征输入补丁；

第三处理模块，用于对所述第一数据集进行通道提取处理，得到第二数据集，所述第二数据集用于表征整合不同通道的特征重要性后的第一数据集；

返回模块，用于将所述第二数据集更新为所述训练图像集，返回对所述训练图像集进行特征提取处理，得到第一数据集这一步骤，直至返回次数大于等于预设的第一阈值；

更新模块，用于根据所述第二数据集，对初始化的中草药分类模型进行参数更新，得到训练好的中草药分类模型。

9.一种计算机设备，其特征在于，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-7中任一项所述的方法。

10.一种计算机可读存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由所述处理器执行时用于实现如权利要求1-7中任一项所述的方法。