1.一种底栖动物智能识别方法，其特征在于，包括以下步骤：采用预设于底栖探查设备上的超声波距离传感器计算与水底的距离信息，并基于所述距离信息对应的启动视觉采集处理单元，其中，通过判断所述距离信息是否达到预设阈值，以生成对应启动所述视觉采集处理单元的指令；

指令所述视觉采集处理单元获取水环境图像信息，分析所述水环境图像信息是否符合预设的识别规则，若符合，则执行识别工作，否则，在附近进一步搜索符合预设识别规则的地点；

利用预设的陀螺仪对应收集陀螺仪浮动数据，并根据所述陀螺仪浮动数据对水环境图像信息进行像素点矫正，对矫正后的图像进行图像目标增强处理；

将所述水环境图像信息输入至视觉采集处理单元中的频域多尺度特征融合神经网络模型中，得到模型处理后的底栖动物信息，所述底栖动物信息包括水域底表上的底栖动物的种类、几何特征和生命体征活性；

频域多尺度特征融合神经网络模型具体包括：

频域多尺度特征融合神经网络模型以ACDNET作为特征提取器，提取采集到的水环境图像信息；所述ACDNET采用密集连接的方法，将每一层与前面所有层分别连接，并采用不对称卷积，即对于n*n的卷积，在其侧面并行1*n和n*1的卷积核的卷积，之后将三者进行融合；

分别提取ACDNET的第1层、第3层和第5层的输出ACDNET特征，然后将第1层、第3层的浅层特征进入DCT模块进行处理，所述DCT处理方法包括：进行离散余弦变换，以得到ACDNET特征的低频分量、水平高频分量、垂直高频分量；

将所述水平高频分量和垂直高频分量聚合后用softmax函数进行归一化，得到细节特征；

再将细节特征与低频分量相乘得到详细特征图；

将低频分量加入详细特征图中，生成完整特征映射图，之后完整特征映射图进入金字塔特征多尺度融合部分；其中，ACDNET网络的浅层负责提取的浅层特征，而ACDNET网络的深层提取深层特征，将深层特征依次上采样后与浅层经过DCT模块处理过的完整特征映射图进行特征融合，逐步恢复到水环境图像信息的大小。

2.根据权利要求1所述的底栖动物智能识别方法，其特征在于，根据所述陀螺仪浮动数据对水环境图像信息进行像素点矫正的步骤，包括：通过预设的一阶低通滤波器优化陀螺仪浮动数据，以构建图像旋转变换矩阵，并基于图像旋转变换矩阵使陀螺仪浮动数据对图像像素坐标进行像素点矫正，其中，图像旋转变换矩阵的计算方法为：；

其中 为单位矩阵， 为图像旋转变换矩阵， 分别表示绕x轴、y轴和z轴旋转的角度， 表示所述底栖探查设备整体旋转角度。

3.根据权利要求2所述的底栖动物智能识别方法，其特征在于，通过预设的一阶低通滤波器优化陀螺仪浮动数据的算法，包括：；

其中， 为陀螺仪当前时刻所测得角速度， 为陀螺仪上一时刻所测得角速度，是从m时刻到n时刻的整体的旋转角度， 为采样周期， 为截止频率。

4.根据权利要求1所述的底栖动物智能识别方法，其特征在于，视觉采集处理单元通过陀螺仪浮动数据对图像像素坐标进行像素点坐标值矫正的步骤，还包括：获取陀螺仪浮动数据优化处理前一帧的图像的像素点坐标值；

获取陀螺仪浮动数据优化处理时中间帧的图像的像素点坐标值；

获取陀螺仪浮动数据优化处理后一帧的图像的像素点坐标值；

计算所述陀螺仪浮动数据优化处理前一帧的图像到所述陀螺仪浮动数据优化处理后一帧的图像的旋转矩阵，应用所述旋转矩阵加权计算对应新的像素点坐标值，算法为：；

其中 为相机内参数矩阵， 为旋转矩阵， 为新图像的像素坐标点，为前一帧图像的像素坐标值， 为中间帧的图像的像素坐标值，为后一帧图像的像素坐标值， 为权重系数。

5.根据权利要求1所述的底栖动物智能识别方法，其特征在于，对矫正后的图像进行图像目标增强处理的步骤，包括：通过对视觉采集处理单元采集到的水环境图像信息进行像素点矫正后得到修正原始图像，再对所述修正原始图像每个像素进行图像增强，所述图像增强的算法为：；其中，

分别对应所述水环境图像中的红、绿、蓝三个颜色通道，为通道中最小的暗光值；

;

;

;

其中A为大气光值的映射位置， 为透视率， 为红蓝光透视率,w为平滑程度；

；

其中 是图像增强后的像素值， 是原始图像的像素值，H是超声波距离传感器测量的水深。

6.根据权利要求1所述的底栖动物智能识别方法，其特征在于，进行离散余弦变换的算法，包括： ；

其中， 是离散余弦变换矩阵的一个元素，表示信号的频率分量；u和v是频率索引，表示频率分量在频域中的位置； 是M×N的数字图像矩阵，M是数字图像矩阵的行，N是数字图像矩阵的列； 是归一化系数；对得到的结果进行分离提取，得到，分别为低频分量、水平高频分量和垂直高频分量；整个DCT模块表示为：；其中，Z是DCT模块的输出结果，函数G为元素的

相加，S为softmax函数，δ为元素的相乘。

7.一种底栖动物智能识别装置，其特征在于，包括：

距离单元，用于采用预设于底栖探查设备上的超声波距离传感器计算与水底的距离信息，并基于所述距离信息对应的启动视觉采集处理单元，其中，通过判断所述距离信息是否达到预设阈值，以生成对应启动所述视觉采集处理单元的指令；

分析单元，用于指令所述视觉采集处理单元获取水环境图像信息，分析所述水环境图像信息是否符合预设的识别规则，若符合，则执行识别工作，否则，在附近进一步搜索符合预设识别规则的地点；

陀螺仪单元，利用预设的陀螺仪对应收集陀螺仪浮动数据，并根据所述陀螺仪浮动数据对水环境图像信息进行像素点矫正，对矫正后的图像进行图像目标增强处理；

识别单元，用于将所述水环境图像信息输入至视觉采集处理单元中的频域多尺度特征融合神经网络模型中，得到模型处理后的底栖动物信息，所述底栖动物信息包括水域底表上的底栖动物的种类、几何特征和生命体征活性。

8.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述底栖动物智能识别方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述底栖动物智能识别方法的步骤。