1.基于rgb图像重建高光谱图像的红枣水分含量等级检测方法，其特征在于，包括：
2.根据权利要求1所述的基于rgb图像重建高光谱图像的红枣水分含量等级检测方法，其特征在于，所述将第一红枣rgb图像输入到预先训练好的高光谱图像重建模型中重建，以得到第一重建红枣高光谱图像的步骤中，所述预先训练好的高光谱图像重建模型是通过第一训练数据集和多尺度空洞卷积u型编码-解码器残差连接网络共同确定的；
3.根据权利要求2所述的基于rgb图像重建高光谱图像的红枣水分含量等级检测方法，其特征在于，所述预先训练好的高光谱图像重建模型是通过第一训练数据集和多尺度空洞卷积u型编码-解码器残差连接网络共同确定的步骤具体为：
4.根据权利要求3所述的基于rgb图像重建高光谱图像的红枣水分含量等级检测方法，其特征在于，所述将多个第二红枣rgb图像输入到预先搭建的多尺度空洞卷积u型编码-解码器残差连接网络中重建，以得到多个第二重建红枣高光谱图像的步骤中，所述预先搭建的多尺度空洞卷积u型编码-解码器残差连接网络具体包括：
5.根据权利要求4所述的基于rgb图像重建高光谱图像的红枣水分含量等级检测方法，其特征在于，所述将多个第二红枣rgb图像输入到预先搭建的多尺度空洞卷积u型编码-解码器残差连接网络中重建，以得到多个第二重建红枣高光谱图像的步骤中，所述第一特征提取模块具体包括：依次连接第一卷积层、第一batchnormalization正则化层和第一swish激活层，所述特征映射模块具体包括：顺序连接而成的三个多尺度空洞卷积u型编码-解码器，所述第一swish激活层与三个多尺度空洞卷积u型编码-解码器中的其中一个多尺度空洞卷积u型编码-解码器连接，所述特征转换模块包括第二卷积层，所述第二卷积层与三个多尺度空洞卷积u型编码-解码器中的另一个多尺度空洞卷积u型编码-解码器连接；
6.根据权利要求5所述的基于rgb图像重建高光谱图像的红枣水分含量等级检测方法，其特征在于，所述将多个第二红枣rgb图像输入到预先搭建的多尺度空洞卷积u型编码-解码器残差连接网络中重建，以得到多个第二重建红枣高光谱图像的步骤中，所述组合结构具体包括第二多尺度空洞卷积层、下采样层、特征拼接环节、三层1×1的第四卷积层、上采样层和第三多尺度空洞卷积层，所述第二多尺度空洞卷积层的输出端分别与下采样层和特征拼接环节连接，所述特征拼接环节的输出端与第四卷积层连接，所述上采样层的输出端与特征拼接环节连接，所述第四卷积层的输出端与第三多尺度空洞卷积层连接，每个组合结构的下采样层的输出端与其相邻的组合结构中的第二多尺度空洞卷积层连接，每个组合结构的上采样层的输入端与其相邻的组合结构中的第三多尺度空洞卷积层连接，所述第一多尺度空洞卷积层分别连接末端的组合结构中的下采样层和上采样层，两层3×3的第三卷积层分别与首端的组合结构中的第二多尺度空洞卷积层和第三多尺度空洞卷积层连接，其中，每个多尺度空洞卷积层均包括三层并联的空洞卷积层和一层1×1的第四卷积层组成，每层空洞卷积层之后都串接一层第二batchnormalization正则化层和第二swish激活层，所述三层并联的空洞卷积层的输入特征图与第四卷积层的输出特征图进行残差连接，并将所述残差连接后的结果通过第三swish激活层进行一次swish激活，所述下采样层为一层卷积核大小为3×3，stride＝2，padding＝1，输出通道数为输入通道数的两倍的卷积层，所述上采样层为一层卷积核大小为3×3，stride＝2，padding＝1，输出通道数为输入通道数的二分之一的反卷积层。
7.根据权利要求2所述的基于rgb图像重建高光谱图像的红枣水分含量等级检测方法，其特征在于，所述将第一重建红枣高光谱图像输入到预先训练好的红枣水分含量等级分类模型中分类，以得到第一红枣水分含量等级标签的步骤中，所述预先训练好的红枣水分含量等级分类模型是通过第二训练数据集和卷积神经网络共同确定的；
8.根据权利要求7所述的基于rgb图像重建高光谱图像的红枣水分含量等级检测方法，其特征在于，所述预先训练好的红枣水分含量等级分类模型是通过第二训练数据集和卷积神经网络共同确定的步骤具体为：
9.根据权利要求1所述的基于rgb图像重建高光谱图像的红枣水分含量等级检测方法，其特征在于，所述将第一重建红枣高光谱图像输入到预先训练好的红枣水分含量等级分类模型中分类，以得到第一红枣水分含量等级标签的步骤中，所述预先搭建的卷积神经网络具体包括：
10.根据权利要求9所述的基于rgb图像重建高光谱图像的红枣水分含量等级检测方法，其特征在于，所述将第一重建红枣高光谱图像输入到预先训练好的红枣水分含量等级分类模型中分类，以得到第一红枣水分含量等级标签的步骤中，所述第二特征提取模块具体包括一层卷积核大小为3×3，stride＝2，padding＝1，输入通道数为31，输出通道数为64的第六卷积层，所述倒残差结构模块具体包括：依次连接的三组fused-mbconv块、三组mbconv块和一层1×1的第七卷积层，所述第六卷积层的输出端连接三组fused-mbconv块的首端的fused-mbconv块，所述分类模块具体包括依次连接的第一自适应平均池化层、第一线性层、hardswish激活层、dropout层和第二线性层，所述第七卷积层的输出端连接自适应平均池化层；