1.基于深度学习的粮库清理机器人视觉识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于深度学习的粮库清理机器人视觉识别方法，其特征在于，对粮库环境中的不同区域进行全面图像采集的具体步骤如下：
3.根据权利要求1所述的基于深度学习的粮库清理机器人视觉识别方法，其特征在于，对于每个子区域，提取反映潜在玻璃碎片存在的关键特征，其中，提取的特征包括图像中物体周围因高反光而形成的光晕、图像中反射光谱特征以及普通粮食反射光谱特征，获取后，对图像中物体周围因高反光而形成的光晕进行分析后生成光晕效应参考值，通过光晕效应参考值量化图像中因玻璃碎片高反光而在物体周围形成的光晕区域的强度和范围，突出反光物体的显著性，对图像中反射光谱特征和普通粮食反射光谱特征之间存在的差异进行分析后生成反射频谱偏移参考值，通过反射频谱偏移参考值量化图像中的反射光谱特征相对于普通粮食反射反射光谱的偏移程度，识别出光谱特性异常的物体。
4.根据权利要求3所述的基于深度学习的粮库清理机器人视觉识别方法，其特征在于，获取到对提取的反映潜在玻璃碎片存在的关键特征进行分析生成的光晕效应参考值和反射频谱偏移参考值后，将光晕效应参考值和反射频谱偏移参考值输入到预先训练好的深度学习模型中生成玻璃碎片特征指数，通过玻璃碎片特征指数对粮库中的玻璃碎片进行识别，预测粮库中的玻璃碎片隐患区域和玻璃碎片区域。
5.根据权利要求3所述的基于深度学习的粮库清理机器人视觉识别方法，其特征在于，对图像中物体周围因高反光而形成的光晕进行分析后生成光晕效应参考值的具体步骤如下：
6.根据权利要求5所述的基于深度学习的粮库清理机器人视觉识别方法，其特征在于，对图像中反射光谱特征和普通粮食反射光谱特征之间存在的差异进行分析后生成反射频谱偏移参考值的具体步骤如下：
7.根据权利要求4所述的基于深度学习的粮库清理机器人视觉识别方法，其特征在于，将通过深度学习模型对粮库中的玻璃碎片进行预测时生成的玻璃碎片特征指数与预先设定的玻璃碎片特征指数参考阈值范围进行比对分析，对粮库中的玻璃碎片进行识别，识别的步骤如下：
8.根据权利要求1所述的基于深度学习的粮库清理机器人视觉识别方法，其特征在于，采用图像分割技术对标记区域的边缘进行描绘，生成精确的边缘轮廓，具体的步骤如下：
9.根据权利要求7所述的基于深度学习的粮库清理机器人视觉识别方法，其特征在于，针对标记的玻璃碎片隐患区域，根据深度学习模型的预测结果，对边缘锐化强度进行自适应调节，具体的步骤如下：
10.基于深度学习的粮库清理机器人视觉识别平台，用于实现上述权利要求1-9中任意一项所述的基于深度学习的粮库清理机器人视觉识别方法，其特征在于，包括图像采集模块、特征提取与分析模块、玻璃碎片识别模块、隐患区域标记与边缘描绘模块、自适应边缘锐化模块、二次识别模块以及清理指令生成模块；