1.一种纺织品纤维识别与成分检测系统，其特征在于，包括：

样本处理单元，用于对待检测样本进行第一预处理，获得第一检测样本；所述第一预处理包括清洗和干燥；

数据获取单元，用于对第一检测样本进行数据获取，获取第一光谱数据和第一图像数据；所述第一光谱数据通过近红外光谱仪来获取；所述第一图像数据通过显微镜相机来获取；

数据分析单元，包括成分识别模型，用于对所述第一光谱数据和所述第一图像数据进行分析，获取分析结果；所述成分识别模型包括数据预处理层、特征提取层、特征分析层、全连接层和结果输出层；

所述数据预处理层用于分别对所述第一光谱数据和所述第一图像数据进行预处理操作，获取第二光谱数据和第二图像数据；

所述特征提取层用于分别对所述第二光谱数据和所述第二图像数据进行特征提取，获得综合光谱特征向量和综合图像特征向量；

所述结果输出层为多个输出的结构；每个所述输出对应一种纤维的量化结果；所述量化结果为所述纤维的成分占比；

所述成分识别模型通过历史数据集进行模型训练来提高识别的准确率和可靠性；

所述历史数据集中的每条数据均包括图像数据和光谱数据；对所述历史数据集中的每条所述数据进行结果标注；所述结果标注包括各种纤维的成分占比；将所述历史数据集按照7:3的比例划分为训练集和验证集；通过所述训练集对所述成分识别模型进行训练；通过所述验证集对所述成分识别模型进行验证和优化；

所述模型训练包括优化损失函数，所述优化损失函数Lfi为：

其中，LCE用于强化对纤维识别的准确性；ytrue实际纤维成分的向量，每个元素代表一个纤维的实际占比，ypred为模型预测的纤维成分向量，每个元素代表预测的纤维占比；N是类别数，即不同纤维的种类；LMSE用于强化对成分比例预测的精确性；wi是针对纤维类别不平衡问题，增加稀有纤维类型的权重；fr(i)表示第i类纤维在训练集中的出现频率，用于调整该纤维类型的损失权重；α和β是可调的超参数，用于平衡LCE和LMES的贡献。

2.根据权利要求1所述的一种纺织品纤维识别与成分检测系统，其特征在于，所述第一光谱数据的获取过程包括使用所述近红外光谱仪扫描所述第一检测样本，记录不同波长下的光反射强度；所述第一图像数据的获取过程包括使用所述显微镜相机拍摄所述第一检测样本，获得所述第一检测样本的微观结构图像。

3.根据权利要求1所述的一种纺织品纤维识别与成分检测系统，其特征在于，所述数据预处理层包括第一处理通道和第二处理通道；所述第一处理通道用于对所述第一光谱数据进行第一预处理操作，获得所述第二光谱数据；所述第一预处理操作包括基线校正和去噪声；所述第二处理通道用于对所述第一图像数据进行第二预处理操作，获得所述第二图像数据；所述第二预处理操作包括颜色增强、对比度调整、边缘增强和噪声滤除。

4.根据权利要求1所述的一种纺织品纤维识别与成分检测系统，其特征在于，所述特征提取层包括两个网络结构；两个所述网络结构分别为GRU和CNN；所述CNN包括卷积层、激活层、池化层和全连接层，用于对所述第二图像数据进行分析，获取所述综合图像特征向量；所述GRU用于对所述第二光谱数据进行分析，获取所述综合光谱特征向量；

所述卷积层应用多个卷积滤波器来捕捉所述第二图像数据的局部特征；所述局部特征包括纹理特征、边缘特征、形状特征和颜色特征；

所述激活层用于增加非线性处理，帮助网络学习更复杂的特征；

所述池化层用于降低特征的空间维度，提高特征的抽象程度和不变性；

所述全连接层用于将学习到的所述局部特征综合起来，形成所述综合图像特征向量。

5.根据权利要求4所述的一种纺织品纤维识别与成分检测系统，其特征在于，所述综合光谱特征向量的获取过程包括：使用局部最大值搜索识别峰值，获得峰位置、峰高度、缝宽和峰面积；

将峰的位置、高度、宽度和面积特征汇总形成一个所述综合光谱特征向量。

6.根据权利要求1所述的一种纺织品纤维识别与成分检测系统，其特征在于，所述特征分析层用于对所述综合图像特征向量和所述综合光谱特征向量进行分析，获取分析结果并输入到全连接层；所述特征分析层包括一个纤维注意力机制；所述纤维注意力机制包括通道注意力模块和空间注意力模块，用于关注不同纤维的不同特征；所述通道注意力模块的公式为：Mc(F)＝σ(Conv1D(AvgPool(F))+Conv1D(MaxPool(F)))；

其中，F是输入的特征向量，Conv1D是一维卷积操作，AvgPool和MaxPool分别代表全局平均池化和全局最大池化，σ是Sigmoid激活函数，用于生成通道权重；

所述空间注意力模块的公式为：

Ms(F)＝σ(Convx1(Concat(Dconvr＝1(F),DConvr＝2(F),DConvr＝3(F))))；

其中，Dconvr表示扩展率为r的空洞卷积，Convx1表示1x1卷积用于降维，Concat表示在通道维度上的拼接操作，σ是Sigmoid激活函数，用于生成空间注意力权重；

注意力加权特征F′通过结合所述通道注意力模块和所述空间注意力模块计算得到，计算公式为：其中，·和分别表示通道和空间维度上的元素乘法。

7.根据权利要求1所述的一种纺织品纤维识别与成分检测系统，其特征在于，所述全连接层用于学习特征间的非线性组合，将所述特征分析层获取的特征向量通过权重矩阵进行整合。