1.一种抗滑桩的设计方法,其特征在于,包括:获取历史数据库,所述历史数据库包括已经完成施工的抗滑桩的工程地质信息和设计信息;基于所述历史数据库构建样本集;基于MobileNet优化技术,利用所述样本集对卷积神经网络模型进行训练,得到训练好的卷积神经网络;利用所述训练好的卷积神经网络预测当前需要施工的抗滑桩的设计信息。2.根据权利要求1所述的抗滑桩的设计方法,其特征在于,基于所述历史数据库构建样本集,包括:将每个已经完成施工的抗滑桩的设计信息中包含的设计参数进行随机组合,其中,每次随机选择预设个数的设计参数进行组合,得到组合设计参数;将每个所述已经完成施工的抗滑桩所对应的工程地质信息和一个所述组合设计参数作为一个样本中包含的数据,将全部的所述样本进行集合得到所述样本集。3.根据权利要求1所述的抗滑桩的设计方法,其特征在于,基于MobileNet优化技术,利用所述样本集对卷积神经网络模型进行训练,得到训练好的卷积神经网络模型,包括:获取相关性系数阈值;将所述样本集输入所述卷积神经网络模型中进行训练,其中,将所述样本集中的工程地质信息作为输入参数,将所述样本集中的组合设计参数作为输出参数,且在训练过程中引入MobileNet优化技术进行训练,得到模型的输出结果;利用模型输出的结果和所有的所述组合设计参数计算得到相关性系数,对所述相关性系数进行判断,当所述相关性系数大于相关性系数阈值时,则完成对所述卷积神经网络模型的训练。4.根据权利要求3所述的抗滑桩的设计方法,其特征在于,在训练过程中引入MobileNet优化技术进行训练,得到模型的输出结果,包括:将所述样本集输入所述卷积神经网络模型中进行训练,其中,针对每一个样本,在卷积神经网络模型的1×1卷积核对输入特征参数进行卷积操作时引入宽度因子进行优化,得到第一处理结果;对于输出特征参数的每个通道都用一个3×3卷积核进行卷积操作,且用分裂因子进行优化,得到第二处理结果;将所述第一处理结果和所述第二处理结果进行拼接,得到第三处理结果,将所述第三处理结果作为模型输出的结果。5.一种抗滑桩的设计装置,其特征在于,包括:第一获取模块,用于获取历史数据库,所述历史数据库包括已经完成施工的抗滑桩的工程地质信息和设计信息;构建模块,用于基于所述历史数据库构建样本集;训练模块,用于基于MobileNet优化技术,利用所述样本集对卷积神经网络模型进行训练,得到训练好的卷积神经网络;预测模块,用于利用所述训练好的卷积神经网络预测当前需要施工的抗滑桩的设计信息。6.根据权利要求5所述的抗滑桩的设计装置,其特征在于,构建模块,包括:
组合单元,用于将每个已经完成施工的抗滑桩的设计信息中包含的设计参数进行随机组合,其中,每次随机选择预设个数的设计参数进行组合,得到组合设计参数;集合单元,用于将每个所述已经完成施工的抗滑桩所对应的工程地质信息和一个所述组合设计参数作为一个样本中包含的数据,将全部的所述样本进行集合得到所述样本集。7.根据权利要求5所述的抗滑桩的设计装置,其特征在于,训练模块,包括:第一获取单元,用于获取相关性系数阈值;训练单元,用于将所述样本集输入所述卷积神经网络模型中进行训练,其中,将所述样本集中的工程地质信息作为输入参数,将所述样本集中的组合设计参数作为输出参数,且在训练过程中引入MobileNet优化技术进行训练,得到模型的输出结果;第一计算单元,用于利用模型输出的结果和所有的所述组合设计参数计算得到相关性系数,对所述相关性系数进行判断,当所述相关性系数大于相关性系数阈值时,则完成对所述卷积神经网络模型的训练。8.根据权利要求7所述的抗滑桩的设计装置,其特征在于,训练单元,包括:训练子单元,用于将所述样本集输入所述卷积神经网络模型中进行训练,其中,针对每一个样本,在卷积神经网络模型的1×1卷积核对输入特征参数进行卷积操作时引入宽度因子进行优化,得到第一处理结果;对于输出特征参数的每个通道都用一个3×3卷积核进行卷积操作,且用分裂因子进行优化,得到第二处理结果;拼接子单元,用于将所述第一处理结果和所述第二处理结果进行拼接,得到第三处理结果,将所述第三处理结果作为模型输出的结果。9.一种抗滑桩的设计设备,其特征在于,包括:存储器,用于存储计算机程序;处理器,用于执行所述计算机程序时实现如权利要求1至4任一项所述抗滑桩的设计方法的步骤。10.一种可读存储介质,其特征在于:所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述抗滑桩的设计方法的步骤。