1.一种基于高光谱图像深度特征融合的甜瓜品质检测方法，其特征在于，所述方法包括：
构建端到端的甜瓜甜度和硬度预测框架，将该预测框架作为无监督网络模型，该框架将甜瓜的光谱特征和空间特征集成到一个统一的神经网络中；
对边缘像素点分别进行3×3和5×5的填充，来保证图像的边缘信息丰富；
构建特征像素间相关性的小样本，计算特征像素间的距离，将此距离作为权重值，然后计算被测区域各像素点的甜度值和硬度值来估计整个甜瓜的甜度和硬度。
2.根据权利要求1所述的一种基于高光谱图像深度特征融合的甜瓜品质检测方法，其特征在于，所述神经网络分为2个分支：
第一分支是将光谱数据送入自动编码器中以无监督的方式来提取光谱特征；
第二分支是提取空间特征：首先，高光谱图像经过主成分分析降低高光谱图像中光谱的维度；其次，以高光谱图像中的每个像素点为中心，在其周围选择多个像素点作为一个块，将块拉伸成一维向量；再次，将这一维向量送入到自动编码器中以无监督的方式提取空间特征，最后，将空间特征和光谱特征进行逐像素相加来达到空间信息与光谱信息的融合。
3.根据权利要求1所述的一种基于高光谱图像深度特征融合的甜瓜品质检测方法，其特征在于，所述特征像素间相关性的小样本的计算公式如下：
上述公式中，si和hi分别是预测的甜度和硬度值；wli是从预测点到标记点的距离，然后归一化为0到1之间的距离；sl、hl是传统测量方法测得的甜度和硬度值；vi是预测像素的一维向量，vl是标记像素。