1.基于仿生算法的高精度视觉测量方法，其特征在于，包括步骤：

建立图像像素尺寸与待测物体实际空间几何尺寸的映射关系；

获取待测物体的多幅第一低分辨率图像；

对多幅所述第一低分辨率图像进行基于残差网络的超分辨率重构，得到第一超分辨率图像；

对所述第一超分辨率图像，通过改进的Canny边缘检测算子提取出边缘点；通过希尔伯特变换提取角点；所述改进的Canny边缘检测算子，通过采用几何均值滤波器和中值滤波器组合成的混合滤波器代替Canny边缘检测算子的高斯滤波器，将所述几何均值滤波器的输出作为所述中值滤波的输入而获得；

以所述边缘点和角点作为启发信息，通过果蝇算法进行边缘追踪，得到单像素边缘，具体包括：设置果蝇选择任意路线进行迭代，在经过的每个像素点上进行相邻像素点结构搜索；

设置最大搜索次数，当结构搜索次数达到这个最大值，即使未满足图像边缘搜索终止条件，也应停止搜索并输出检测结果；将果蝇分为两类，探测果蝇和寻路果蝇；所述寻路果蝇先进行图像边缘初步检测，所述探测果蝇根据所述寻路果蝇的边缘检测结果进行味道浓度检测，得到单像素边缘；

其中，所述探测果蝇根据所述寻路果蝇的边缘检测结果进行味道浓度检测，包括：设所述探测果蝇数量为k0，味道浓度阈值为T；提取第一个所述寻路果蝇给出的边缘检测结果，判断k0个所述探测果蝇在当前边缘检测结果的不同节点的味道浓度是否满足味道浓度阈值T，将满足味道浓度阈值T的探测果蝇所在节点从第二超分辨率图像中标记出来，作为标记点；随后提取下一个所述寻路果蝇的边缘检测结果进行判断，直到所有寻路果蝇的边缘检测结果均被提取并判断，平滑连接所述标记点，得到单像素边缘；

根据所述单像素边缘和所述映射关系，推算待测物体的空间几何尺寸。

2.根据权利要求1所述的基于仿生算法的高精度视觉测量方法，其特征在于，所述步骤对多幅所述第一低分辨率图像进行基于残差网络的超分辨率重构之前，还包括对残差网络进行结构优化的步骤，具体包括残差单元结构优化和网络结构优化；

所述残差单元结构优化，包括去除每个残差网络单元中的批归一化层，并在深度支路上的残差网络单元中加入池化层；

所述网络结构优化，包括按照距离输入端越远则层数越少的原则，调节不同残差网络单元内卷积神经网络的层数分配，以调节整个残差网络模型中深度网络的权重。

3.根据权利要求2所述的基于仿生算法的高精度视觉测量方法，其特征在于，所述步骤对多幅所述第一低分辨率图像进行基于残差网络的超分辨率重构，具体包括：基于优化后的所述残差网络建立卷积神经网络模型；

获取多张待测物体的高分辨率图像；

然后通过对所述高分辨率图像进行4倍下采样得到第二低分辨率图像；

通过所述卷积神经网络模型学习所述第二低分辨率图像到所述高分辨率图像的映射，得到所述卷积神经网络模型内的权值参数；

在对所述卷积神经网络模型进行训练的反向传播过程中，使用损失函数对网络效果进行评判，以调整所述卷积神经网络模型中的所述权值参数；

将采集到的多幅所述第一低分辨率图像通过所述卷积神经网络模型进行超分辨率重构。

4.根据权利要求1所述的基于仿生算法的高精度视觉测量方法，其特征在于：所述步骤通过改进的Canny边缘检测算子提取出边缘点，包括：

利用所述混合滤波器对所述第一超分辨率图像进行预处理；

对经过预处理的所述第一超分辨率图像进行非极大值抑制，得到第二图像；

对所述第二图像进行线性边缘增强，得到备选背景像素集合及备选前景像素集合；

通过所述备选背景像素集合与所述备选前景像素集合获取最佳阈值的上下界，通过最佳阈值的上下界进行线性组合计算最佳阈值，根据所述最佳阈值设置高阈值和低阈值，进行边缘连接。

5.根据权利要求1所述的基于仿生算法的高精度视觉测量方法，其特征在于，所述步骤通过希尔伯特变换提取角点，包括：通过希尔伯特变换将图像信号在空间域中角点信息转化为极值点的提取；

对于极值点的检测，运用邻域检测方法：划分出每个像素的3×3邻域，分析中间像素点的值和其邻域内8个相邻像素点的灰度值之间的大小关系；判断中间像素点的值是否均比周围8个相邻像素点的值大，是，则认为中间像素点为局部角点，反之不是局部角点。

6.根据权利要求1所述的基于仿生算法的高精度视觉测量方法，其特征在于，所述步骤根据所述单像素边缘和所述映射关系，推算待测物体的空间几何尺寸之前，还包括步骤：基于多个自由平面标定法对摄像机的内部参数和外部参数进行标定，结合非线性畸变校正数学模型，通过最小二乘法计算出畸变参数值；

将所述畸变参数值作为初始值，利用动态调整惯性权重的粒子群算法进行优化搜索，获得最优参数值，进行畸变校正。

7.基于仿生算法的高精度视觉测量装置，其特征在于，包括：

映射模块，用于建立图像像素尺寸与待测物体实际空间几何尺寸的映射关系；

图像采集模块，用于获取待测物体的多张低分辨率图像；

重构模块，用于对多幅所述低分辨率图像进行基于残差网络的超分辨率重构，得到第一超分辨率图像；

边缘粗检测模块，用于对所述第一超分辨率图像，通过改进的Canny边缘检测算子提取出边缘点；通过希尔伯特变换提取角点；所述改进的Canny边缘检测算子，通过采用几何均值滤波器和中值滤波器组合成的混合滤波器代替Canny边缘检测算子的高斯滤波器，将所述几何均值滤波器的输出作为所述中值滤波的输入而获得；

果蝇检测模块，用于以所述边缘点和角点作为启发信息，通过果蝇算法进行边缘追踪，得到单像素边缘，具体包括：设置果蝇选择任意路线进行迭代，在经过的每个像素点上进行相邻像素点结构搜索；

设置最大搜索次数，当结构搜索次数达到这个最大值，即使未满足图像边缘搜索终止条件，也应停止搜索并输出检测结果；将果蝇分为两类，探测果蝇和寻路果蝇；所述寻路果蝇先进行图像边缘初步检测，所述探测果蝇根据所述寻路果蝇的边缘检测结果进行味道浓度检测，得到单像素边缘；

其中，所述探测果蝇根据所述寻路果蝇的边缘检测结果进行味道浓度检测，包括：设所述探测果蝇数量为k0，味道浓度阈值为T；提取第一个所述寻路果蝇给出的边缘检测结果，判断k0个所述探测果蝇在当前边缘检测结果的不同节点的味道浓度是否满足味道浓度阈值T，将满足味道浓度阈值T的探测果蝇所在节点从第二超分辨率图像中标记出来，作为标记点；随后提取下一个所述寻路果蝇的边缘检测结果进行判断，直到所有寻路果蝇的边缘检测结果均被提取并判断，平滑连接所述标记点，得到单像素边缘；

推算模块，用于根据所述单像素边缘和所述映射关系，推算待测物体的空间几何尺寸。

8.基于仿生算法的高精度视觉测量系统，其特征在于，包括载物台、CCD相机、光源、二维工作台、PLC执行机构、图像采集卡、计算机和显示器/控制界面；

所述二维工作台置于所述载物台上方；所述CCD相机固定于所述二维工作台上，所述CCD相机装设有光学镜头，所述光学镜头朝向所述载物台；载物台上与所述光学镜头相对的位置设有载件玻片，用于放置待测物体；所述载件玻片下方设有光源；

所述PLC执行机构与所述二维工作台和所述计算机通讯连接，所述PLC执行机构用于根据所述计算机下发的指令控制所述二维工作台产生二维移动，使所述CCD相机依次采集所述载件玻片上的待测物体不同视场的低分辨率图像；

所述图像采集卡与所述CCD相机和所述计算机通讯连接，所述图像采集卡用于存储所述CCD相机采集的低分辨率图像并传输至所述计算机；

所述计算机，用于执行权利要求1‑6任一项所述的测量方法，并通过所述显示器/控制界面显示测量结果。