1.一种基于双能x光安检机的违禁品识别方法，其特征在于，包括：
获取带标注信息的多通道图像集合，所述多通道图像集合包括hls图像、等效原子序数图像及x射线接收能量图像，所述标注信息包括违禁品的位置信息和类别信息；
将所述多通道图像集合输入到卷积神经网络进行训练；
利用训练完成后的卷积神经网络对待检测图像进行识别，输出违禁品的位置和类别。
2.如权利要求1所述方法，其特征在于，在所述获取带标注信息的多通道图像集合之前，还包括：
获取多个带标注信息的安检图像，并将所述多个带标注信息的安检图像作为样本集进行划分，得到训练集、验证集和测试集；
所述获取带标注信息的多通道图像集合步骤包括：
对所述训练集中带标注信息的安检图像进行处理，得到带标注信息的多通道图像集合。
3.如权利要求2所述方法，其特征在于，所述对所述训练集中带标注信息的安检图像进行处理，得到带标注信息的多通道图像集合，包括：
对所述训练集中带标注信息的安检图像进行变换，得到与所述带标注信息的安检图像对应的hls图像；
对所述训练集中带标注信息的安检图像进行逆变换，得到与所述带标注信息的安检图像对应的等效原子序数图像及x射线接收能量图像。
4.如权利要求3所述方法，其特征在于，所述hls图像包括色相h分量图像、亮度l分量图像和饱和度s分量图像，
对所述训练集中带标注信息的安检图像进行变换，得到与所述带标注信息的安检图像对应的hls图像，包括：
获取所述带标注信息的安检图像中的每个像素点在rgb空间上红色r、绿色g和蓝色b三个通道的值；
利用所述红色r、绿色g和蓝色b三个通道的值按照下式进行变换：
vmax＝max(r,g,b)
vmin＝min(r,g,b)
上式中，r、g和b分别表示像素点在红色r、绿色g和蓝色b三个通道的值，vmax和vmin分别表示r、g和b三个值中最大的值和最小的值，l、s和h分别表示计算得到的hls图像中的l分量、s分量和h分量的值。
5.如权利要求2所述方法，其特征在于，所述将所述多通道图像集合输入到卷积神经网络进行训练，包括：
利用所述验证集对所述卷积神经网络进行参数优化；
利用所述测试集对优化后的卷积神经网络进行测试，直到所述优化后的卷积神经网络的识别准确率达到阈值为止，停止训练，得到训练完成后的卷积神经网络。
6.如权利要求1-5任一项所述方法，其特征在于，所述利用训练完成后的卷积神经网络对待检测图像进行识别，输出违禁品的位置和类别，包括：
获取待检测图像，并对所述待检测图像进行处理，得到所述待检测图像的多通道图像集合；
利用所述训练完成后的卷积神经网络对所述待检测图像的多通道图像集合进行识别，输出违禁品的位置和类别。
7.一种基于双能x光安检机的违禁品识别装置，其特征在于，包括：
图像集合获取模块，用于获取带标注信息的多通道图像集合，所述多通道图像集合包括hls图像、等效原子序数图像及x射线接收能量图像，所述标注信息包括违禁品的位置信息和类别信息；
训练模块，用于将所述多通道图像集合输入到卷积神经网络进行训练；
识别模块，用于利用训练完成后的卷积神经网络对待检测图像进行识别，输出违禁品的位置和类别。
8.如权利要求7所述装置，其特征在于，所述装置还包括：
安检图像获取模块，用于获取多个带标注信息的安检图像，并将所述多个带标注信息的安检图像作为样本集进行划分，得到训练集、验证集和测试集；
所述图像集合获取模块具体用于：
对所述训练集中带标注信息的安检图像进行处理，得到带标注信息的多通道图像集合。
9.一种安检设备，包括存储器、处理器、gpu显卡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至6任一项所述方法的步骤。
10.一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至6任一项所述方法的步骤。