1.一种提升环境自适应性的光学性能监测系统，包括数据生成模块和数据分析模块，其特征在于，所述系统还包括依次设置在所述数据生成模块和所述数据分析模块之间的数据变化感知模块、迁移训练模块和模型剪枝压缩模块；
其中，所述数据生成模块用于将光信号生成能够被神经网络模型处理的数据格式；
所述数据变化感知模块用于将最近预设时间段获取的数据分布与先前预设时间段获取的数据分布进行比对，判断光网络环境是否发生变化；
所述迁移训练模块用于当光网络环境发生变化时，从最新的光网络环境中采集数据重新训练神经网络模型；
所述模型剪枝压缩模块用于对新训练的神经网络模型进行剪枝操作；
所述数据分析模块用于根据新训练的神经网络模型对接收的数据进行处理，得到检测结果。
2.根据权利要求1所述的光学性能监测系统，其特征在于，所述数据变化感知模块具体用于：
加载预先存储的原始数据集，获取原始数据集的数据分布；
将新采集数据集的数据分布与原始数据集的数据分布进行比对，判断两者的数据分布差异是否超过预设阈值；
若数据分布差异超过预设阈值，则认为光网络环境发生变化；若数据分布差异未超过预设阈值，则认为光网络环境未发生变化。
3.根据权利要求1所述的光学性能监测系统，其特征在于，所述迁移训练模块具体用于：
当判断光网络环境发生变化后，加载原始的神经网络模型；
使用新采集数据集对神经网络模型进行训练；
判断训练轮数是否到达预设轮数；
若达到预设轮数，则完成训练，得到新训练的神经网络模型；否则，继续训练直至达到预设轮数。
4.根据权利要求1所述的光学性能监测系统，其特征在于，所述模型剪枝压缩模块具体用于：
加载新训练的神经网络模型，标记不重要的神经元连接；
对不重要的神经元连接进行剔除；
重新对保留下来的神经元连接进行训练；
将重新训练后的神经网络模型部署到数据分析模块中。
5.一种基于权利要求1-4中任一项所述的提升环境自适应性的光学性能监测系统的光学性能监测方法，其特征在于，包括以下步骤：
数据生成模块将光信号生成能够被神经网络模型处理的数据格式；
数据变化感知模块将最近预设时间段获取的数据分布与先前预设时间段获取的数据分布进行比对，判断光网络环境是否发生变化；
迁移训练模块当光网络环境发生变化时，从最新的光网络环境中采集数据重新训练神经网络模型；
模型剪枝压缩模块对新训练的神经网络模型进行剪枝操作；
数据分析模块根据新训练的神经网络模型对接收的数据进行处理，得到检测结果。
6.根据权利要求5所述的光学性能监测方法，其特征在于，所述数据变化感知模块将最近预设时间段获取的数据分布与先前预设时间段获取的数据分布进行比对，判断光网络环境是否发生变化的步骤具体包括：
加载预先存储的原始数据集，获取原始数据集的数据分布；
将新采集数据集的数据分布与原始数据集的数据分布进行比对，判断两者的数据分布差异是否超过预设阈值；
若数据分布差异超过预设阈值，则认为光网络环境发生变化；若数据分布差异未超过预设阈值，则认为光网络环境未发生变化。
7.根据权利要求5所述的光学性能监测方法，其特征在于，所述迁移训练模块当光网络环境发生变化时，从最新的光网络环境中采集数据重新训练神经网络模型的步骤具体包括：
当判断光网络环境发生变化后，加载原始的神经网络模型；
使用新采集数据集对神经网络模型进行训练；
判断训练轮数是否到达预设轮数；
若达到预设轮数，则完成训练，得到新训练的神经网络模型；否则，继续训练直至达到预设轮数。
8.根据权利要求5所述的光学性能监测方法，其特征在于，所述模型剪枝压缩模块对新训练的神经网络模型进行剪枝操作的步骤具体包括：
加载新训练的神经网络模型，标记不重要的神经元连接；
对不重要的神经元连接进行剔除；
重新对保留下来的神经元连接进行训练；
将重新训练后的神经网络模型部署到数据分析模块中。