1.一种克服半夏连作障碍的设施栽培方法，包括步骤：选择半夏的栽培设施，在所述栽培设施内铺设塑料薄膜以隔离土壤和空气，并在所述塑料薄膜上铺设预定量的基质；在所述基质上按照预定密度种植半夏种子；在所述半夏种子的生长期间进行灌溉、施肥和除草；

在所述半夏种子的生长期间进行病虫害防治；以及，在所述半夏种子成熟时进行采收、晾晒和存储，其特征在于，在所述半夏种子的生长期间进行病虫害防治，包括：通过摄像头采集半夏叶片图像；以及

基于所述半夏叶片图像，生成病虫害防治建议；

其中，基于所述半夏叶片图像，生成病虫害防治建议，包括：

提取所述半夏叶片图像的叶片表面局部特征以得到半夏叶片表面局部特征向量的序列；

提取所述半夏叶片表面局部特征向量的序列之间的拓扑关系以得到局部特征相关度拓扑特征矩阵；

融合所述半夏叶片表面局部特征向量的序列和所述局部特征相关度拓扑特征矩阵以得到局部关系拓扑半夏叶片表面全局特征矩阵；以及基于所述局部关系拓扑半夏叶片表面全局特征矩阵，生成所述病虫害防治建议；

其中，提取所述半夏叶片图像的叶片表面局部特征以得到半夏叶片表面局部特征向量的序列，包括：将所述半夏叶片图像通过基于卷积神经网络模型的叶片表面特征提取器以得到半夏叶片表面特征图；以及将所述半夏叶片表面特征图的沿通道维度的各个特征矩阵展开为特征向量以得到所述半夏叶片表面局部特征向量的序列；

其中，所述基于卷积神经网络模型的叶片表面特征提取器包括第一输入层、第一卷积层、第一激活层、第一池化层和第一输出层；

其中，将所述半夏叶片图像通过基于卷积神经网络模型的叶片表面特征提取器以得到半夏叶片表面特征图，包括：通过所述基于卷积神经网络模型的叶片表面特征提取器的各层在层的正向传递中对输入数据分别进行三维卷积处理、均值池化处理和非线性激活处理以由所述基于卷积神经网络模型的叶片表面特征提取器的最后一层的输出所述半夏叶片表面特征图，其中，所述基于卷积神经网络模型的叶片表面特征提取器的第一层的输入为所述半夏叶片图像；

其中，提取所述半夏叶片表面局部特征向量的序列之间的拓扑关系以得到局部特征相关度拓扑特征矩阵，包括：计算所述半夏叶片表面局部特征向量的序列中任意两个半夏叶片表面局部特征向量之间的相关度以得到局部特征相关度拓扑矩阵；以及将所述局部特征相关度拓扑矩阵通过基于卷积神经网络模型的拓扑特征提取器以得到所述局部特征相关度拓扑特征矩阵；

其中，计算所述半夏叶片表面局部特征向量的序列中任意两个半夏叶片表面局部特征向量之间的相关度以得到局部特征相关度拓扑矩阵，包括：以如下相关度公式计算所述半夏叶片表面局部特征向量的序列中任意两个半夏叶片表面局部特征向量之间的相关度；其中，所述相关度公式为：其中， 为所述半夏叶片表面局部特征向量的序列中

任意两个半夏叶片表面局部特征向量的前一个半夏叶片表面局部特征向量， 为所述半夏叶片表面局部特征向量的序列中任意两个半夏叶片表面局部特征向量的后一个半夏叶片表面局部特征向量， 和 为两种不同的线性变换， 为所述前一个半夏叶片表面局部特征向量和所述后一个半夏叶片表面局部特征向量之间的相关度， 表示转置操作；

其中，融合所述半夏叶片表面局部特征向量的序列和所述局部特征相关度拓扑特征矩阵以得到局部关系拓扑半夏叶片表面全局特征矩阵，包括：将所述半夏叶片表面局部特征向量的序列和所述局部特征相关度拓扑特征矩阵通过图神经网络模型以得到所述局部关系拓扑半夏叶片表面全局特征矩阵；

其中，基于所述局部关系拓扑半夏叶片表面全局特征矩阵，生成所述病虫害防治建议，包括：将所述局部关系拓扑半夏叶片表面全局特征矩阵展开后以得到局部关系拓扑半夏叶片表面全局特征向量；

将所述局部关系拓扑半夏叶片表面全局特征向量通过分类器以得到分类结果，所述分类结果用于表示病虫害的类型标签；以及基于所述分类结果，生成所述病虫害防治建议。

2.根据权利要求1所述的克服半夏连作障碍的设施栽培方法，其特征在于，还包括：在每次所述局部关系拓扑半夏叶片表面全局特征矩阵展开后得到的局部关系拓扑半夏叶片表面全局特征向量通过分类器进行分类迭代时，对所述局部关系拓扑半夏叶片表面全局特征向量进行收敛均衡。