1.一种基于分布式压缩感知WSN的柑桔病虫害监测预警方法，其特征在于，所述方法通过无线传感器节点采集到农作物的生物信息和环境信息，利用分布式压缩感知DCS对采集到的数据进行处理，然后通过无线传感器网关节点传输到远端服务器，在远程控制中心采用快速稳健的分布式压缩感知重构算法恢复原始信号；将图像信号输入DCNN进行训练，用于柑桔病虫害的图像识别；最后，建立病虫害监测、传输、图像自动识别的预警系统；所述方法包括基于DCS的病虫害监测图像采集与重构、基于DCNN的病虫害图像特征提取、以及基于WSN的柑桔病虫害监测预警系统构建。
2.根据权利要求1所述的一种基于分布式压缩感知WSN的柑桔病虫害监测预警方法，其特征在于，所述基于DCS的病虫害监测图像采集与重构包括以下步骤：
(1)通过无线传感器节点对柑桔病虫害图像的采集；
(2)柑桔病虫害图像信号的稀疏表示：采用基于信号群的联合稀疏模型中的JSM-2模型架构进行稀疏表示；对于图像信号中稀疏的变换域，用拉普拉斯塔式分解和圆对称轮廓波分别表示图像的光滑成分和边缘部分，采用多成分冗余字典上病虫害图像联合稀疏表示方法，获得病虫害图像的联合稀疏表示系数，并采用JSM-2模型对病虫害图像进行联合稀疏建模；
(3)观测矩阵设计：基于相关性理论,将投影矩阵和观测矩阵的非相关条件等价为Grammar矩阵:Gram:(ACS)TACS
其中，A为观测矩阵；ACS为感知矩阵；T表示矩阵的转置；
首先产生一个随机观测矩阵，然后利用信号的稀疏基的信息，训练学习出一个优化观测矩阵,它与字典矩阵之间具有更低的相干性；采用K-SVD方法求解下式中的优化问题：
其中，A为观测矩阵；Φ为随机初始化投影矩阵；Ψ为变换基；I为随机观测矩阵；ACS为感知矩阵；T为矩阵的转置；
(4)使用基于JSM-2模型的快速且稳健的分布式重构算法对图像信号进行重构。
3.根据权利要求1所述的一种基于分布式压缩感知WSN的柑桔病虫害监测预警方法，其特征在于，所述基于DCNN神经网络的病虫害图像特征提取，包括以下步骤：
(1)柑桔病虫害图像卷积和采样
利用卷积神经网络，用于特征提取的卷积神经网络由卷积层和子采样层两种结构交替组成，采用5层结构；卷积和子采样过程包括用一个可训练的滤波器去卷积一个输入的图像，然后加一个偏置，得到卷积层；子采样过程包括将邻域4个像素通过权值系数求加权和变为1个像素，再加上偏置，然后通过一个sigmoid激活函数产生特征图的1/4大小的特征图；C层可看做是模糊滤波器，用于提取特征，S层的空间分辨率逐层递减，而每层所含的平面数递增，用于压缩数据并产生更多的信息；
(2)柑桔病虫害图像特征提取：对于监测图像中的每一个子块图像，将子块图像中的每一个像素看作神经元，其中第一个卷积层，由多个特征图构成，每个特征图通过一种卷积滤波器提取输入图像的一种特征；特征图中每个神经元与输入图像的某一区域相连；这些卷积滤波器的权值由训练样本训练得到，且对于一个特征图权值共享；下一层子采样层，有对应的多个的特征图；特征图中的每个神经元与卷积层中相对应特征图的某一区域相连；采样层每个神经元的结果由卷积层相邻的多个神经元相加后乘以一个可训练权值参数，再加上一个可训练偏置参数，最后通过sigmoid函数计算得到，下一层也是卷积层，它同样通过卷积核卷积上一采样层，得到多个特征图；接下来是一个子采样层；最后一层是一个卷积层，使用全连接，每个单元与上一采样的全部区域相连，得到的特征图大小为1；至此，可将原始的柑桔病虫害图像子块转变为多维的特征向量，即完成了图像的特征提取。
4.根据权利要求1所述的一种基于分布式压缩感知WSN的柑桔病虫害监测预警方法，其特征在于，所述基于WSN的柑桔病虫害预警系统构建：通过WSN监测的生物信息和环境信息传输到网关，再由传输网络从网关到服务器，服务器端软件系统对图像信息进行处理，将图像信息写入到相应的数据库中；对比农作物生物信息和环境信息参数的量化指标，明确无线传感器网络中采集测量的各类参数与病虫害灾情风险之间的关联程度，构建监测及预警系统。
5.根据权利要求3所述的一种基于分布式压缩感知WSN的柑桔病虫害监测预警方法，其特征在于，所述卷积一个输入的图像，第1阶段为输入的图像，其他阶段为特征图。
6.根据权利要求4所述的一种基于分布式压缩感知WSN的柑桔病虫害监测预警方法，其特征在于，所述量化指标包括叶面情况和周围环境信息。