1.基于图像识别的畜牧业水源污染检测方法，其特征在于，该方法包括以下步骤：采集连续多帧的水源图像，预处理得到灰度图像序列；

根据灰度图像序列中相邻帧的灰度图像得到每个杂质目标的运动方向向量与每个水流分区；

根据杂质目标的运动方向向量与水流分区得到每个杂质目标的运动主动性，根据运动主动性得到每个杂质目标的目标平均波动程度，根据目标平均波动程度对每个杂质目标的运动主动性进行阈值筛选得到每个杂质目标的若干运动自主性异常值，根据运动自主性异常值得到每个杂质目标的累计主动性；

根据累计主动性得到每个杂质目标对水源浑浊程度的影响程度，根据杂质目标对水源浑浊程度的影响程度进行聚类得到若干增强区域，根据杂质目标对水源浑浊程度的影响程度得到每个增强区域的增强程度，根据增强程度进行图像增强得到若干增强图像，将若干增强图像输入神经网络进行畜牧业水源污染检测。

2.根据权利要求1所述基于图像识别的畜牧业水源污染检测方法，其特征在于，所述根据灰度图像序列中相邻帧的灰度图像得到每个杂质目标的运动方向向量与每个水流分区，包括的具体方法为：利用U‑Net语义分割网络对灰度图像序列进行杂质识别得到每帧灰度图像内若干杂质，记为杂质目标；利用光流法对灰度图像序列进行目标追踪得到每个杂质目标在每帧灰度图像的运动向量，记为每个杂质目标在每帧灰度图像的运动方向向量；

对于任意一帧灰度图像，根据每个杂质目标在该帧灰度图像的运动方向向量，对所有杂质目标进行聚类得到若干个聚类簇，每个聚类簇对应一个水流分区，获取所有灰度图像的所有水流分区。

3.根据权利要求1所述基于图像识别的畜牧业水源污染检测方法，其特征在于，所述根据杂质目标的运动方向向量与水流分区得到每个杂质目标的运动主动性，包括的具体方法为：对于任意一帧灰度图像中任意一个杂质目标，式中，Z表示该杂质目标的运动主动性；

表示该杂质目标的运动方向向量；N表示该杂质目标所属水流分区包含杂质目标的数量；

表示在该杂质目标所属水流分区中，第个杂质目标的运动方向向量； 表示反余弦函数。

4.根据权利要求1所述基于图像识别的畜牧业水源污染检测方法，其特征在于，所述根据运动主动性得到每个杂质目标的目标平均波动程度，包括的具体方法为：对于任意一个杂质目标，获取包含杂质目标的若干灰度图像，并记为杂质目标的杂质目标图像；

式中，E表示杂质目标的目标平均波动程度；N1表示杂质目标的杂质目标图像数量；

表示在杂质目标的第t个杂质目标图像中，杂质目标的运动主动性；Z2表示在杂质目标的所有杂质目标图像中，杂质目标的运动主动性均值。

5.根据权利要求4所述基于图像识别的畜牧业水源污染检测方法，其特征在于，所述根据运动自主性异常值得到每个杂质目标的累计主动性，包括的具体方法为：对于任意一个杂质目标，式中，Y表示杂质目标的累计自主性；Z2表示在杂质目标的所有杂质目标图像中，杂质目标的运动主动性均值；表示在杂质目标的所有杂质目标图像中，杂质目标的运动主动性的标准差；N1表示杂质目标的杂质目标图像数量；N2表示杂质目标的运动自主性异常值的数量。

6.根据权利要求1所述基于图像识别的畜牧业水源污染检测方法，其特征在于，所述根据累计主动性得到每个杂质目标对水源浑浊程度的影响程度，包括的具体方法为：对于任意一个杂质目标，式中，P表示杂质目标对水源浑浊程度的初步影响程度；Y表示杂质目标的累计自主性；获取所有杂质目标对水源浑浊程度的初步影响程度，对所有杂质目标对水源浑浊程度的初步影响程度进行线性归一化，得到的结果记为每个杂质目标对水源浑浊程度的影响程度。

7.根据权利要求1所述基于图像识别的畜牧业水源污染检测方法，其特征在于，所述根据杂质目标对水源浑浊程度的影响程度得到每个增强区域的增强程度，包括的具体方法为：对于任意一帧灰度图像中任意一个杂质目标，式中，P1表示该杂质目标所属增强区域对水源浑浊程度的影响程度；N表示该杂质目标所属增强区域包含杂质目标的数量；表示在该杂质目标所属增强区域中，第i个杂质目标对水源浑浊程度的影响程度；S表示该杂质目标所属增强区域的面积；

对该帧灰度图像中所有增强区域对水源浑浊程度的影响程度进行线性归一化处理，将处理后的每个增强区域对水源浑浊程度的影响程度记为该帧灰度图像中每个增强区域的增强程度。

8.根据权利要求1所述基于图像识别的畜牧业水源污染检测方法，其特征在于，所述神经网络为CNN神经网络。

9.根据权利要求1所述基于图像识别的畜牧业水源污染检测方法，其特征在于，所述根据增强程度进行图像增强得到若干增强图像包括：采用暗通道先验算法进行图像增强，得到若干增强图像。

10.根据权利要求2所述基于图像识别的畜牧业水源污染检测方法，其特征在于，所述对所有杂质目标进行聚类得到若干个聚类簇包括：采用均值漂移聚类算法进行聚类，得到若干聚类簇。