1.一种寄生虫检测系统，所述寄生虫不局限于人兽共患的疟原虫、巴贝西虫、阿米巴原虫、杜氏利士曼原虫、弓形虫、伊氏锥虫等感染后在宿主体内血细胞内部或周围形成具有环状体和/或滋养体形态的寄生虫，其特征在于，包括：
图像采集模块，用于获取待检测图像；
去干扰模块，用于对所述待检测图像进行去干扰操作，得到去干扰后的待检测图像；
图像分割模块，用于对所述去干扰后的待检测图像进行分割，得到多个待检测的细胞图像；
图像分类模块，用于将所述多个待检测的细胞图像分别输入到训练后的寄生虫检测模型中，得到所述多个待检测的细胞图像分别对应的分类结果；
分类结果确定模块，用于若所述多个待检测的细胞图像分别对应的分类结果均为不存在寄生虫，则确定所述待检测图像中不存在寄生虫；若所述多个待检测的细胞图像中的任意一个待检测的细胞图像对应的分类结果为存在寄生虫，则确定所述待检测图像中存在寄生虫；
优选地还包括分类结果显示模块。
2.如权利要求1所述的寄生虫检测系统，其特征在于，所述对所述待检测图像进行去干扰操作，得到去干扰后的待检测图像，包括：获取圆形的待检测图像的内接正方形的图像，作为所述去干扰后的待检测图像。
3.根据权利要求1所述的寄生虫检测系统，其特征在于，所述对所述去干扰后的待检测图像进行分割，得到多个待检测的细胞图像，包括：
将所述去干扰后的待检测图像进行灰度化，得到灰度图像；
根据所述灰度图像得到灰度值统计图；其中，所述灰度值统计图的横坐标为灰度值，纵坐标为在所述灰度图像中，对应的灰度值出现的次数；
在所述灰度值统计图中，获取目标灰度值；其中，在第一灰度值和第二灰度值之间，所述目标灰度值对应的纵坐标值最小，所述第一灰度值对应的纵坐标和所述第二灰度值对应的纵坐标为所述灰度值统计图中的两个峰值；
根据所述目标灰度值，对所述去干扰后的待检测图像进行分割，得到多个待检测的细胞图像。
4.根据权利要求1所述的寄生虫检测系统，其特征在于，其中所述寄生虫检测模型由下述方法获得：
获取训练样本集，所述训练样本集包括多个训练图像；
对各个训练图像分别进行去干扰操作，得到去干扰后的训练图像；
对各个去干扰后的训练图像分别进行分割，得到每个训练图像对应的多个训练细胞图像；其中，每个训练细胞图像均已标定为存在寄生虫或不存在寄生虫；
基于所述每个训练图像对应的多个训练细胞图像，对预先构建的寄生虫检测模型进行训练，得到训练后的寄生虫检测模型；
其中所述寄生虫是疟原虫、巴贝西虫、阿米巴原虫、杜氏利士曼原虫、弓形虫、伊氏锥虫中的一种进行训练分别获得相应寄生虫的训练模型，优选多种寄生虫的训练模型构成训练模型集。
5.根据权利要求4所述的寄生虫检测系统，其特征在于，所述寄生虫检测模型包括十三个深度空间卷积层和五个最大池化层；在解码过程中，所述寄生虫检测模型通过全连接层将各个维度的特征转换为相同大小的特征，并将所述相同大小的特征依次进行特征相加操作，得到多个特征和，并通过展平层和全连接层提取各个特征和的特征；在解码过程中，所述寄生虫检测模型通过softmax激活函数，对待检测的细胞图像进行分类。
6.根据权利要求4所述的寄生虫检测系统，其特征在于，所述带有腾跃层(skipconnections)的人工智能(artificialintelligence,ai)寄生虫诊断(diagnosis)模型，称为aidman模型。
7.根据权利要求1所述的寄生虫检测系统，其特征在于，所述图像采集模块包括直接读取或无线方式获得图像，优选地所述图像由移动终端如手机获取。
8.根据权利要求1所述的寄生虫检测系统，其特征在于，所述分类结果显示模块将结果通过远程无线上传网络显示，或通过显示设备如果屏幕直接显示结果。
9.一种含有如权利要求1至7所述寄生虫检测系统的检测设备，其包括存储器、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，所述处理器执行所述计算机程序，所述计算机程序编码实现如权利要求1至7任一项所述寄生虫检测系统，优选地还包括配套的图像拍照设备如手机，以及显示设备如屏幕或者远程结果显示器。
10.一种利用如权利要求9所述的检测设备用于非诊断目的寄生虫的检测方法，其包括获取待测样品的图像，执行所述的计算机程序，获得检测结果的步骤。