1.一种烟叶识别方法，其特征在于，包括：

获取烟叶样本图像；

将所述烟叶样本图像分割为叶片区域和叶茎区域，并分别对叶片区域和叶茎区域的表型进行标注，得到叶片样本图像和叶茎样本图像；

基于Xception网络结构提取所述叶片样本图像多个尺度下的叶片表型全局特征；基于Xception网络结构提取所述叶片样本图像多个尺度下的叶片表型局部特征；将所述叶片表型全局特征和所述叶片表型局部特征进行全局平均池化，得到所述烟叶样本图像多个尺度下的叶片表型特征；以及，基于Xception网络结构提取所述叶茎样本图像多个尺度下的叶茎表型全局特征；基于Xception网络结构提取所述叶茎样本图像多个尺度下的叶茎表型局部特征；将所述叶茎表型全局特征和所述叶茎表型局部特征进行全局平均池化，得到所述烟叶样本图像多个尺度下的叶茎表型特征；采用通道自注意力机制将多个尺度下的叶片表型局部特征进行加权融合，得到叶片表型局部融合特征；采用空间自注意力机制将多个尺度下的叶片表型全局特征和所述叶片表型局部融合特征进行加权融合，融合后的结果经过一个3×3卷积生成叶片表型融合特征图像；采用通道自注意力机制将多个尺度下的叶茎表型局部特征进行加权融合，得到叶茎表型局部融合特征；采用空间自注意力机制将多个尺度下的叶茎表型全局特征和所述叶茎表型局部融合特征进行加权融合，融合后的结果经过一个3×3卷积生成叶茎表型融合特征图像；计算所述叶片样本图像和所述叶片表型融合特征图像之间的第一重合程度MioU1；将1‑MioU1作为预先构建的烟叶识别模型的第一损失值；

计算所述叶茎样本图像和所述叶茎表型融合特征图像之间的第二重合程度MioU2；将1‑MioU2作为所述烟叶识别模型的第二损失值；以便基于所述第一损失值和所述第二损失值训练所述烟叶识别模型；或者，根据所述叶片样本图像计算所述叶片表型融合特征图像的第一平均像素精度RMPA1；将1‑RMPA1作为所述烟叶识别模型的第三损失值；根据所述叶茎样本图像计算所述叶茎表型融合特征图像的第二平均像素精度RMPA2；将1‑RMPA2作为所述烟叶识别模型的第四损失值；以便基于所述第三损失值和所述第四损失值训练所述烟叶识别模型；基于所述损失值训练所述烟叶识别模型；

将待识别烟叶图像输入所述烟叶识别模型，利用所述烟叶识别模型对所述待识别烟叶图像的表型进行识别。

2.根据权利要求1所述的烟叶识别方法，其特征在于，所述方法还包括：

将所述烟叶样本图像和所述待识别烟叶图像按照预设尺寸进行归一化。

3.一种烟叶识别系统，其特征在于，包括：

样本获取模块，用于获取烟叶样本图像；

样本处理模块，用于将所述烟叶样本图像分割为叶片区域和叶茎区域，并分别对叶片区域和叶茎区域的表型进行标注，得到叶片样本图像和叶茎样本图像；

模型训练模块，用于基于Xception网络结构提取所述叶片样本图像多个尺度下的叶片表型全局特征；基于Xception网络结构提取所述叶片样本图像多个尺度下的叶片表型局部特征；将所述叶片表型全局特征和所述叶片表型局部特征进行全局平均池化，得到所述烟叶样本图像多个尺度下的叶片表型特征；以及，基于Xception网络结构提取所述叶茎样本图像多个尺度下的叶茎表型全局特征；基于Xception网络结构提取所述叶茎样本图像多个尺度下的叶茎表型局部特征；将所述叶茎表型全局特征和所述叶茎表型局部特征进行全局平均池化，得到所述烟叶样本图像多个尺度下的叶茎表型特征；采用通道自注意力机制将多个尺度下的叶片表型局部特征进行加权融合，得到叶片表型局部融合特征；采用空间自注意力机制将多个尺度下的叶片表型全局特征和所述叶片表型局部融合特征进行加权融合，融合后的结果经过一个3×3卷积生成叶片表型融合特征图像；采用通道自注意力机制将多个尺度下的叶茎表型局部特征进行加权融合，得到叶茎表型局部融合特征；采用空间自注意力机制将多个尺度下的叶茎表型全局特征和所述叶茎表型局部融合特征进行加权融合，融合后的结果经过一个3×3卷积生成叶茎表型融合特征图像；计算所述叶片样本图像和所述叶片表型融合特征图像之间的第一重合程度MioU1；将1‑MioU1作为预先构建的烟叶识别模型的第一损失值；计算所述叶茎样本图像和所述叶茎表型融合特征图像之间的第二重合程度MioU2；将1‑MioU2作为所述烟叶识别模型的第二损失值；以便基于所述第一损失值和所述第二损失值训练所述烟叶识别模型；或者，根据所述叶片样本图像计算所述叶片表型融合特征图像的第一平均像素精度RMPA1；将1‑RMPA1作为所述烟叶识别模型的第三损失值；根据所述叶茎样本图像计算所述叶茎表型融合特征图像的第二平均像素精度RMPA2；将

1‑RMPA2作为所述烟叶识别模型的第四损失值；以便基于所述第三损失值和所述第四损失值训练所述烟叶识别模型；基于所述损失值训练所述烟叶识别模型；

烟叶识别模块，用于将待识别烟叶图像输入所述烟叶识别模型，利用所述烟叶识别模型对所述待识别烟叶图像的表型进行识别。

4.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1～2任一项所述的一种烟叶识别方法的步骤。

5.一种电子设备，所述设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1～2任一项所述的一种烟叶识别方法的步骤。

6.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1～2任一项所述的一种烟叶识别方法的步骤。