1.基于物联网的猪肉信息异常检测溯源方法，其特征在于，该方法包括以下步骤：采集各猪只在不同采集时间下各种药物的残留量，组成各猪只各种药物的残留量序列；

根据各猪只的药物残留量序列构建各猪只的药物残留特征矩阵；根据各猪只与其他各猪只的药物残留特征矩阵得到各猪只的差异度指标，基于各猪只之间的差异度指标构建药物残留差异度矩阵；根据药物残留差异度矩阵得到异常猪只，将剩余猪只标记为正常猪只；

构建正常猪只各药物残留量序列的变化因子；

根据正常猪只各药物残留量序列的变化因子构建变化因子集合；获取各异常猪只的变化因子集合；基于正常猪只的变化因子集合得到各异常猪只的异常药物残留量序列；计算各异常猪只各异常药物残留量序列各峰值的峰值差异度；根据各异常猪只各异常药物残留量序列各峰值的峰值差异度得到各异常时间点；

根据各异常猪只各异常时间点的药物残留量序列判断各猪只的异常情况。

2.如权利要求1所述的基于物联网的猪肉信息异常检测溯源方法，其特征在于，所述根据各猪只的药物残留量序列构建各猪只的药物残留特征矩阵，包括：对于各猪只，将猪只各药物残留量序列作为猪只的药物残留特征矩阵中的各列数据，得到猪只的药物残留特征矩阵。

3.如权利要求1所述的基于物联网的猪肉信息异常检测溯源方法，其特征在于，所述根据各猪只与其他各猪只的药物残留特征矩阵得到各猪只的差异度指标，包括：对于各猪只，计算猪只与其他任意猪只的药物残留特征矩阵中对应列的药物残留量序列的DTW距离；

将猪只与其他任意猪只的药物残留特征矩阵中所有对应列之间的DTW距离的均值作为猪只的差异度指标。

4.如权利要求1所述的基于物联网的猪肉信息异常检测溯源方法，其特征在于，所述根据药物残留差异度矩阵得到异常猪只，包括：对药物残留差异度矩阵使用LOF离群因子算法得到各元素的LOF值，将LOF值大于异常分数阈值的元素标记为异常元素；

将各行出现的异常元素的数量大于异常数量阈值的猪只标记为异常猪只。

5.如权利要求1所述的基于物联网的猪肉信息异常检测溯源方法，其特征在于，所述构建正常猪只各药物残留量序列的变化因子，包括：对于各药物残留量序列，计算各正常猪只的药物残留量序列的极大值、平均值及二阶差分序列的方差；

计算所述极大值、所述平均值及所述二阶差分序列的方差的乘积，将所有正常猪只的所述乘积的均值作为正常猪只的药物残留量序列的变化因子。

6.如权利要求1所述的基于物联网的猪肉信息异常检测溯源方法，其特征在于，所述基于正常猪只的变化因子集合得到各异常猪只的异常药物残留量序列，包括：获取各异常猪只的变化因子集合；

对于各异常猪只，当异常猪只与正常猪只变化因子集合中各对应元素的差值绝对值大于范围阈值时，则将异常猪只的对应药物残留量序列标记为异常药物残留量序列。

7.如权利要求1所述的基于物联网的猪肉信息异常检测溯源方法，其特征在于，所述计算各异常猪只各异常药物残留量序列各峰值的峰值差异度，包括：对于各异常猪只各异常药物残留量序列各峰值，获取峰值的时移距离；

获取正常猪只对应药物残留量序列的对应峰值的平均值，计算峰值的数值与所述平均值之间的差值绝对值，将所述差值绝对值与峰值的时移距离的乘积作为峰值的峰值差异度。

8.如权利要求7所述的基于物联网的猪肉信息异常检测溯源方法，其特征在于，所述获取峰值的时移距离，包括：计算峰值在正常猪只对应药物残留量序列的对应峰值所在时刻的时刻平均值；

将峰值所在时刻与所述时刻平均值之间的差值绝对值作为峰值的时移距离。

9.如权利要求1所述的基于物联网的猪肉信息异常检测溯源方法，其特征在于，所述根据各异常猪只各异常药物残留量序列各峰值的峰值差异度得到各异常时间点，包括：设置峰值阈值；将各异常猪只各异常药物残留量序列的各峰值的峰值差异度大于峰值阈值的时刻记为异常时间点。

10.如权利要求1所述的基于物联网的猪肉信息异常检测溯源方法，其特征在于，所述根据各异常猪只各异常时间点的药物残留量序列判断各猪只的异常情况，包括：对于各异常猪只，当异常猪只的异常时间点只存在一种药物残留量序列时，则可根据异常时间点完成安全信息溯源；

当异常猪只的异常时间点存在大于一种药物残留量序列时，则计算任意两种药物残留量序列之间的皮尔逊相关系数；当所述皮尔逊相关系数大于相关阈值时，则说明两种药物存在相互影响导致的异常现象；当所述皮尔逊相关系数小于相关阈值时，则说明两种药物不存在相互影响导致的异常现象；在异常时间点的基础上结合所述异常现象完成安全信息溯源。