1.一种违禁品检测方法，其特征在于，包括：
获取待测x光安检图片；
将所述待测x光安检图片输入检测模型，得到输出结果，所述检测模型的神经网络结构包括深度神经网络和宽度神经网络，且所述检测模型为通过机器学习训练得到的；
根据所述输出结果确定违禁品检测结果。
2.根据权利要求1所述的方法，其特征在于，所述检测模型的训练过程包括：
获取多个x光安检图片；
获取多个标注图像，所述标注图像为对所述x光安检图片标注得到的；
建立所述x光安检图片与所述标注图像的映射关系，得到训练数据集，其中，所述训练数据集包括多组数据，且所述多组数据中的每组数据中均包括：x光安检图片和对应的标注图像；
基于所述训练数据集的数据对所述神经网络结构进行训练，得到所述检测模型。
3.根据权利要求1所述的方法，其特征在于，将所述待测x光安检图片输入检测模型，得到检测结果，包括：
采用所述深度神经网络对所述x光安检图片进行特征提取，得到特征点，一个所述特征点对应一个第一数值；
采用所述宽度神经网络对所述特征点进行融合和再提取，得到所述输出结果。
4.根据权利要求3所述的方法，其特征在于，所述深度神经网络包括浅层、中层和深层，采用所述深度神经网络对所述x光安检图片进行特征提取，得到特征点，包括：
采用所述浅层、所述中层和所述深层对所述x光安检图片进行特征提取，得到第一特征图；
采用激活函数对所述第一特征图进行处理，得到第二特征图；
对所述第二特征图进行全局平均池化处理，得到所述特征点。
5.根据权利要求3所述的方法，其特征在于，采用所述宽度神经网络对所述特征点进行融合和再提取，得到所述输出结果，包括：
所述特征点通过第一函数计算得到特征层节点，一个所述特征层节点对应一个第二数值；
所述特征层节点通过第二函数计算得到增强层节点，一个所述增强层节点对应一个第三数值；
所述特征点和所述特征层节点通过第三函数计算得到所述输出结果。
6.根据权利要求1所述的方法，其特征在于，根据所述输出结果确定违禁品检测结果，包括：
根据所述输出结果绘制特征响应图；
根据所述特征响应图确定所述违禁品检测结果。
7.一种违禁品检测装置，其特征在于，包括：
获取单元，用于获取x光安检图片；
检测单元，用于将所述x光安检图片输入检测模型，得到输出结果，所述检测模型的神经网络结构包括深度神经网络和宽度神经网络，且所述检测模型为使用多组训练数据通过机器学习训练得到的；
确定单元，用于根据所述输出结果确定违禁品检测结果。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，所述程序执行权利要求1至6中任意一项所述的方法。
9.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至6中任意一项所述的方法。
10.一种安检系统，包括安检x光机和违禁品检测装置，其特征在于，所述违禁品检测装置用于执行权利要求1至6中任意一项所述的方法。