1.一种活性污泥微生物智能识别方法，其特征在于，包括以下步骤：

获取含有微生物的活性污泥镜下图像；

构建活性污泥微生物计数网络，将所述活性污泥镜下图像于所述活性污泥微生物计数网络进行智能识别，具体为：将所述活性污泥镜下图像进行预处理得到多个图像块；

将图像块输入特征提取子网络中进行图像块的特征提取，获得特征映射矩阵；

将所述特征映射矩阵输入微生物数量分析子网络中，获得微生物密度感知特征，基于该密度感知特征预测微生物的数量；

将所述特征映射矩阵以及微生物密度感知特征输入微生物信息分析子网络中，对微生物类型及微生物位置进行分析，生成微生物类型和位置信息预测结果；

所述特征映射矩阵以及微生物密度感知特征输入微生物信息分析子网络时，微生物信息分析子网络的融合微生物密度信息的特征提取模块利用微生物密度信息生成融合密度信息的分析特征；将所述融合密度信息的分析特征以及活性污泥镜下图像传递微生物信息分析子网络的融合全局信息的特征提取模块中进行特征提取，生成融合密度信息的分析特征；

将所述融合密度信息的分析特征同时传递至微生物识别模块、微生物定位模块，所述融合密度信息的分析特征通过所述微生物识别模块映射到置信度，通过所述微生物定位模块映射到点坐标，生成包括微生物类型和微生物位置的微生物类型和位置信息预测结果。

2.根据权利要求1所述的活性污泥微生物智能识别方法，其特征在于，所述特征映射矩阵输入微生物数量分析子网络时，由微生物数量分析子网络的微生物密度信息提取模块生成微生物密度感知特征，微生物数量分析子网络的智能计数模块根据所述微生物密度感知特征预测并输出微生物的数量。

3.根据权利要求1所述的活性污泥微生物智能识别方法，其特征在于，所述融合微生物密度信息的特征提取模块包括2个多层感知器、L级高阶特征提取模块、L级低阶特征提取模块，L为可配置参数；

所述特征映射矩阵输入第一多层感知器，将所述特征映射矩阵映射到 所述第一多层感知器后依次级联所述高阶特征提取模块；

所述微生物密度感知特征输入第二多层感知器，将所述微生物密度感知特征映射到以匹配特征通道数c，所述第二多层感知器后依次级联所述低阶特征提取模块；

第l级高阶特征提取模块之前合并来自第l‑1级高阶特征提取模块的高阶特征和来自第l‑1级低阶特征提取模块的低阶特征，第1级高阶特征提取模块之前对来自第一多层感知器和第二多层感知器输出的特征映射进行重朔特征映射。

4.根据权利要求1所述的活性污泥微生物智能识别方法，其特征在于，所述融合全局信息的特征提取模块包括L层特征提取模块，L为可配置参数，每层特征提取模块包含自注意模块、交叉注意层和前馈网络，针对微生物图像块进行特征提取，然后进行特征融合。

5.根据权利要求1所述的活性污泥微生物智能识别方法，其特征在于，所述活性污泥微生物计数网络的损失函数为:其中，LMD为微生物数量分析子网络的计数损失函

数，LMA为微生物信息分析子网络的损失函数，NUM为图像中人工标记的微生物数量，NUM‑T为一个调节值。

6.根据权利要求1或5所述的活性污泥微生物智能识别方法，其特征在于，所述微生物数量分析子网络的计数损失函数为：LMD＝|||MD||1‑NUM|，其中，||·||1表示矩阵的逐项L1范数，MD为密度映射，用于在空间特征维度上估计微生物密度级别。

7.根据权利要求1或5所述的活性污泥微生物智能识别方法，其特征在于，所述微生物信息分析子网络的损失函数为：LMA＝Lc+Ll，其中，Lc为分类损失，Ll为定位损失，测量匹配的预测坐标和对应真实坐标之间的距离。

8.一种活性污泥微生物智能识别系统，其特征在于，包括图像接收模块、处理模块和存储模块，所述图像接收模块用于接收含有微生物的活性污泥镜下图像，并将其发送至处理模块，所述处理模块与存储模块通信连接，所述存储模块用于存放至少一个可执行指令，所述可执行指令使所述处理模块根据其接收到的图像执行如权利要求1‑7任一项所述的活性污泥微生物智能识别方法对应的操作，对活性污泥微生物进行识别。