1.基于对角线损失的农业病虫害识别方法，其特征在于，包括以下步骤：构建农业病虫害数据集；

基于边界框相似性比较度量设计边界框回归损失函数；

对网络结构进行改进，得到改进网络；

使用所述边界框回归损失函数对所述改进网络进行训练，得到农业病虫害检测模型；

使用所述农业病虫害检测模型对农作物病虫害进行精准识别；

在基于边界框相似性比较度量设计边界框回归损失函数中，包括：在边界框相似性比较度量中引入预测边界框和真实边界框对角线的差值比设计边界框相似性比较度量DDRIoU,得到新的损失函数LDDRIoU；

DDRIoU损失的定义如下：

用传统边界框相似性比较度量IoU对损失函数LDDRIoU进行加权，得到新的损失函数LFocal‑DDRIoU；

在对网络结构进行改进，得到改进网络中，包括：

移除YOLOv7网络结构的两个ELAN模块，并添加了C3模块补充网络的特征提取能力；

具体为：在backbone部分，移除了两个ELAN模块，并添加了C3模块以补充网络的特征提取能力，引入C3模块和MobileViTv3模块；

在剩余的两个所述ELAN模块之间嵌入了MobileViTv3模块，形成了新的APD‑YOLOv7网络结构；

具体为：在剩余的两个ELAN模块之间嵌入了MobileViTv3模块；在head部分，则采用了C3模块来替代所有的ELAN‑W模块，从而形成新的APD‑YOLOv7网络结构。

2.如权利要求1所述的基于对角线损失的农业病虫害识别方法，其特征在于，在构建农业病虫害数据集中，所述农业病虫害数据集包括实地拍摄的照片、公共数据集和互联网数据，所述实地拍摄的照片包括沃柑溃疡病和荷兰豆卷心菜毛虫；所述公共数据集包括蝗总科昆虫和豆类水泡甲虫；所述互联网数据包括葡萄黑腐病和葡萄叶枯病。

3.如权利要求1所述的基于对角线损失的农业病虫害识别方法，其特征在于，在对网络结构进行改进，得到改进网络中，所述C3模块是YOLOv5中的关键组件，采用了层级结构来提取特征，将低层次的特征图通过一系列卷积层和瓶颈结构连接到高层次的特征图上，所述MobileViTv3模块适用于移动视觉任务的轻量级模型。