1.一种基于深度学习的精液质量评估方法，其特征在于，包括以下操作步骤：

S1、预处理数据集、选取85名18岁或以上男性参与者的数据，数据包含了每个参与者的活的精子样本的视频，将数据集的60％用于训练，20％作为验证集，20％作为测试集，对训练集视频进行预处理，截取连续的9帧作为一次样本输入；

S2、训练改进的卷积神经网络、使用轻量化卷积网络MobileNet作为主干网络，在最后的全连接层串联加入精子中几种脂肪酸的水平，磷脂脂肪酸的血清水平，之后使用改进的轻量化卷积网络对输入的连续图像帧进行信息提取，前向传播计算损失函数，反向传播使用梯度下降法调整卷积神经网络的参数，使损失函数的结果下降，当损失函数的在训练集和验证集上的计算结果趋于稳定，微调学习率，继续重复训练卷积网络，先前向传播计算损失函数，后反向传播使用梯度下降法调整卷积神经网络的参数，使损失函数的结果下降，直到训练集与验证集的损失趋于平稳，使用测试集测试网络训练的结果，并且给出评价卷积神经网络的评价指标；

S3、样本推理、包含前端设计和后端设计，前端设计为两个网页，分别为加载视频界面和结果展示界面，后端设计为将训练好的深度学习网络，以及训练好的权重参数打包，写入后端框架，加载任意的精液样本视频，调用训练好的卷积神经网络，预测精液的运动活性指标以及精子的形态指标，传递到前端页面。

2.根据权利要求1所述的一种基于深度学习的精液质量评估方法，其特征在于，在步骤S1中其中的数据集还包括参与者精子中几种脂肪酸的水平，磷脂脂肪酸的血清水平，与者血液中测量的性激素血清水平，参与者的年龄，禁欲时间和体重指数。

3.根据权利要求1所述的一种基于深度学习的精液质量评估方法，其特征在于，在步骤S1中该数据集包含超过35GB的视频，每个视频持续两到七分钟，帧速率为每秒50帧，数据集有专业的医疗机构制作整理，具有效性。

4.根据权利要求1所述的一种基于深度学习的精液质量评估方法，其特征在于，在训练过程中的参数设置为：对训练集输入的视频图像进行预处理，调整为224×224×3大小，取连续的9帧图像作为改进的轻量化网络的输入，之后将输入的精子图像随机反转并且裁剪为16×112×112，以实现空间和时间抖动，选用Adam作为优化器完成，0.0001为初始学习率为，当损失函数结果不再下降学习率除以2，预先在UCF101经典动作分类数据集进行预训练。

5.根据权利要求1所述的一种基于深度学习的精液质量评估方法，其特征在于，所述卷积神经网络参数设置为：整个网络有28层，首先是一个3x3的标准卷积，然后堆积深度卷积模块，深度卷积模块有两种，bottleneck_1是步长为1的深度卷积模块，不改变特征图的大小，bottleneck_2是步长为2的深度卷积模块，将输入的特征图下采样，减小输入的特征图的长与宽，网络由多个深度可分离卷积模块堆叠，提取视频图像的时间与空间信息，然后采用平均卷积层将特征图变成1x1，然后连接全连接层，将除视频信息以外的医学健康信息：脂肪酸的水平，磷脂脂肪酸的血清水平，血液中性激素血清水平，样本的年龄，禁欲时间和体重指数这些参数归一化，堆叠在全连接层，最后用softmax层输出预测结果。