1.一种基于深度学习的三维电阻抗成像系统，其特征在于，包括依次连接的传感器模块、数据采集控制模块及上位机模块；
所述传感器模块用于形成被测区域空间的敏感场；
所述数据采集控制模块用于对被测区域的表面阻抗进行测量，并进行数据的初步处理及传输；
所述上位机模块用于根据处理后的阻抗数据进行图像重建。
2.根据权利要求1所述的基于深度学习的三维电阻抗成像系统，其特征在于，所述传感器模块包括半球形外壁、电极扣以及柔性pcb板；
所述柔性pcb板内铺设有连接线路；所述传感器外壁设有若干通孔；所述柔性pcb板通过所述电极扣与所述传感器外壁相连。
3.根据权利要求2所述的基于深度学习的三维电阻抗成像系统，其特征在于，所述柔性pcb板上设有若干个过孔及焊盘；
所述过孔为圆环状且能够导电，并与所述电极扣相连，所述过孔沿所述柔性pcb板对称设置；
所述焊盘包括焊接接口，用于连接传输信号的屏蔽线，所述焊盘沿所述柔性pcb板对称设置；
所述过孔与所述焊盘在所述柔性pcb板上成对设置，且每个所述过孔均与其对应的所述焊盘相连。
4.根据权利要求1所述的基于深度学习的三维电阻抗成像系统，其特征在于，所述数据采集控制模块包括通道切换板及核心控制板，所述核心控制板与所述通道切换板相连；
所述通道切换板用于对通道进行选择；
所述核心控制板用于对阻抗数据进行测量；
所述核心控制板设有数字信号控制模块，并通过所述数字信号控制模块对所述通道切换板的芯片引脚通断进行控制。
5.根据权利要求4所述的基于深度学习的三维电阻抗成像系统，其特征在于，所述通道切换板由四个74hc4067芯片构成，对通道进行选择。
6.根据权利要求1所述的基于深度学习的三维电阻抗成像系统，其特征在于，所述上位机模块包括calderon直接图像重建算法及深度学习神经网络，用于对所述传感器模块形成的敏感区域内电导率分布进行图像重建。
7.根据权利要求6所述的基于深度学习的三维电阻抗成像系统，其特征在于，所述上位机模块三维图像重建的过程为：采用calderon算法对一组表面阻抗测量数据进行电导率的初步重建，得到初步的电导率分布图像；将所述初步的电导率分布图像作为神经网络的训练样本输入，并使用预期电导率分布二分图像作为标签对所述神经网络进行监督训练，得到训练好的神经网络；将测量得到的阻抗数据与所述初步的电导率分布图像输入到所述训练好的神经网络，得到电导率分布重建图像，并根据重建图像的异常块位置、大小信息，对重建图像结果进行定量的分析，得到电导率分布重建图像。