1.一种基于种植设备的病虫害预测方法，其特征在于，包括：
确定在种植设备内生长的待预测病虫害的目标植物；
获得所述目标植物的生长环境数据；
对所述生长环境数据进行分析，确定影响所述目标植物发生病虫害的影响维度信息；
根据所述目标植物的影响维度信息和预先建立的病虫害预测模型，预测所述目标植物在下一生长阶段是否会发生病虫害；
其中，通过以下步骤预先建立所述病虫害预测模型：
获得与所述目标植物的种类相同的植物的多组病虫害样本数据；
根据获得的病虫害样本数据，构建训练集，所述训练集中的每组数据包含病虫害实际发生结果及该病虫害实际发生结果对应的植物生长过程中的影响维度信息；
使用所述训练集进行机器学习，建立所述病虫害预测模型。
2.根据权利要求1所述的基于种植设备的病虫害预测方法，其特征在于，所述使用所述训练集进行机器学习，建立所述病虫害预测模型，包括：
使用所述训练集进行机器学习，建立初始病虫害预测模型；
根据所述训练集中的影响维度信息和所述初始病虫害预测模型，确定所述训练集中每组影响维度信息对应的病虫害测试结果；
将所述训练集中每组影响维度信息对应的病虫害测试结果与相应的病虫害实际发生结果进行比较，计算误差值；
如果所述误差值不大于设定阈值，则将所述初始病虫害预测模型确定为所述病虫害预测模型；
如果所述误差值大于所述设定阈值，则扩大所述训练集，重复执行所述使用所述训练集进行机器学习的步骤，直至所述误差值不大于所述设定阈值，获得所述病虫害预测模型。
3.根据权利要求1所述的基于种植设备的病虫害预测方法，其特征在于，所述根据所述目标植物的影响维度信息和预先建立的病虫害预测模型，预测所述目标植物在下一生长阶段是否会发生病虫害，包括：
将所述目标植物的影响维度信息输入到预先建立的病虫害预测模型中，采用逻辑回归算法预测所述目标植物在下一生长阶段是否会发生病虫害。
4.根据权利要求1至3任一项所述的基于种植设备的病虫害预测方法，其特征在于，还包括：
如果预测所述目标植物在下一生长阶段会发生病虫害，则输出病虫害预警信息。
5.根据权利要求4所述的基于种植设备的病虫害预测方法，其特征在于，所述输出病虫害预警信息，包括：
将病虫害预警信息发送给所述种植设备，以使所述种植设备根据设定的预案调整相应的环境参数。
6.一种基于种植设备的病虫害预测装置，其特征在于，包括：
目标植物确定模块，用于确定在种植设备内生长的待预测病虫害的目标植物；
生长环境数据获得模块，用于获得所述目标植物的生长环境数据；
影响维度信息确定模块，用于对所述生长环境数据进行分析，确定影响所述目标植物发生病虫害的影响维度信息；
病虫害预测模块，用于根据所述目标植物的影响维度信息和预先建立的病虫害预测模型，预测所述目标植物在下一生长阶段是否会发生病虫害；
病虫害预测模型建立模块，用于通过以下步骤预先建立所述病虫害预测模型：获得与所述目标植物的种类相同的植物的多组病虫害样本数据；根据获得的病虫害样本数据，构建训练集，所述训练集中的每组数据包含病虫害实际发生结果及该病虫害实际发生结果对应的植物生长过程中的影响维度信息；使用所述训练集进行机器学习，建立所述病虫害预测模型。
7.根据权利要求6所述的基于种植设备的病虫害预测装置，其特征在于，所述病虫害预测模型建立模块，具体用于：
使用所述训练集进行机器学习，建立初始病虫害预测模型；
根据所述训练集中的影响维度信息和所述初始病虫害预测模型，确定所述训练集中每组影响维度信息对应的病虫害测试结果；
将所述训练集中每组影响维度信息对应的病虫害测试结果与相应的病虫害实际发生结果进行比较，计算误差值；
如果所述误差值不大于设定阈值，则将所述初始病虫害预测模型确定为所述病虫害预测模型；
如果所述误差值大于所述设定阈值，则扩大所述训练集，重复执行所述使用所述训练集进行机器学习的步骤，直至所述误差值不大于所述设定阈值，获得所述病虫害预测模型。
8.根据权利要求6所述的基于种植设备的病虫害预测装置，其特征在于，所述病虫害预测模块，具体用于：
将所述目标植物的影响维度信息输入到预先建立的病虫害预测模型中，采用逻辑回归算法预测所述目标植物在下一生长阶段是否会发生病虫害。
9.根据权利要求6至8任一项所述的基于种植设备的病虫害预测装置，其特征在于，还包括预警信息输出模块，用于：
在预测所述目标植物在下一生长阶段会发生病虫害时，输出病虫害预警信息。
10.根据权利要求9所述的基于种植设备的病虫害预测装置，其特征在于，所述预警信息输出模块，具体用于：
将病虫害预警信息发送给所述种植设备，以使所述种植设备根据设定的预案调整相应的环境参数。