1.一种基于种植设备的作物产量预测方法，其特征在于，包括：
确定在种植设备内生长的待预测产量的目标作物；
获得所述目标作物的生长环境数据；
对所述生长环境数据进行分析，确定影响所述目标作物生长的影响维度信息；
根据所述目标作物的影响维度信息和预先建立的作物产量预测模型，预测所述目标作物的第一产量；
其中，通过以下步骤预先建立所述作物产量预测模型：
获得与所述目标作物的种类相同的作物的多组产量样本数据；
根据获得的产量样本数据，构建训练集，所述训练集中的每组数据包含作物产量及该作物产量对应的作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，建立所述作物产量预测模型。
2.根据权利要求1所述的基于种植设备的作物产量预测方法，其特征在于，所述使用所述训练集进行机器学习，建立所述作物产量预测模型，包括：
使用所述训练集进行机器学习，建立初始产量预测模型；
根据所述训练集中的影响维度信息和所述初始产量预测模型，确定所述训练集中每组影响维度信息对应的测试产量；
将所述训练集中每组影响维度信息对应的测试产量与相应的作物产量进行比较，计算误差值；
如果所述误差值不大于设定阈值，则将所述初始产量预测模型确定为所述作物产量预测模型；
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，获得所述作物产量预测模型。
3.根据权利要求1所述的基于种植设备的作物产量预测方法，其特征在于，所述根据所述目标作物的影响维度信息和预先建立的作物产量预测模型，预测所述目标作物的第一产量，包括：
将所述目标作物的影响维度信息输入到预先建立的作物产量预测模型中，采用多元线性回归算法预测所述目标作物的第一产量。
4.根据权利要求1至3任一项所述的基于种植设备的作物产量预测方法，其特征在于，在所述预测所述目标作物的第一产量之后，还包括：
根据所述第一产量和预先获得的所述目标作物在不同生长阶段的历史预测产量，预测所述目标作物的第二产量。
5.根据权利要求4所述的基于种植设备的作物产量预测方法，其特征在于，还包括：
将所述第二产量输出给所述种植设备，以使所述种植设备在自身显示屏幕上输出显示所述第二产量；
或者，
将所述第二产量输出给预设的所述种植设备的关联终端，以使所述关联终端输出显示所述第二产量。
6.一种基于种植设备的作物产量预测装置，其特征在于，包括：
目标作物确定模块，用于确定在种植设备内生长的待预测产量的目标作物；
生长环境数据获得模块，用于获得所述目标作物的生长环境数据；
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，确定影响所述目标作物生长的影响维度信息；
第一产量预测模块，用于根据所述目标作物的影响维度信息和预先建立的作物产量预测模型，预测所述目标作物的第一产量；
作物产量预测模型建立模块，用于通过以下步骤预先建立所述作物产量预测模型：获得与所述目标作物的种类相同的作物的多组产量样本数据；根据获得的产量样本数据，构建训练集，所述训练集中的每组数据包含作物产量及该作物产量对应的作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，建立所述作物产量预测模型。
7.根据权利要求6所述的基于种植设备的作物产量预测装置，其特征在于，所述作物产量预测模型建立模块，具体用于：
使用所述训练集进行机器学习，建立初始产量预测模型；
根据所述训练集中的影响维度信息和所述初始产量预测模型，确定所述训练集中每组影响维度信息对应的测试产量；
将所述训练集中每组影响维度信息对应的测试产量与相应的作物产量进行比较，计算误差值；
如果所述误差值不大于设定阈值，则将所述初始产量预测模型确定为所述作物产量预测模型；
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，获得所述作物产量预测模型。
8.根据权利要求6所述的基于种植设备的作物产量预测装置，其特征在于，所述第一产量预测模块，具体用于：
将所述目标作物的影响维度信息输入到预先建立的作物产量预测模型中，采用多元线性回归算法预测所述目标作物的第一产量。
9.根据权利要求6至8任一项所述的基于种植设备的作物产量预测装置，其特征在于，还包括第二产量预测模块，用于：
根据所述第一产量和预先获得的所述目标作物在不同生长阶段的历史预测产量，预测所述目标作物的第二产量。
10.根据权利要求9所述的基于种植设备的作物产量预测装置，其特征在于，还包括产量输出模块，用于：
将所述第二产量输出给所述种植设备，以使所述种植设备在自身显示屏幕上输出显示所述第二产量；
或者，
将所述第二产量输出给预设的所述种植设备的关联终端，以使所述关联终端输出显示所述第二产量。