1.一种瓜果种植水肥消耗数据收集分析方法，其特征在于：包括以下步骤；

S1：获取不同时间段内测量瓜果种植水肥消耗数据的若干个传感器的实时读数，计算相同时间段内各个传感器之间的读数偏差值，若读数偏差值大于预定的阈值，将该时间段内测量到的数据标记为冲突数据；

S2：对于产生冲突数据的时间段，根据不同传感器读数之间的相关性异常程度和传感器测量精度变化情况，确定各个传感器的信任度权重赋值，对各个时间段内冲突数据的信任度权重赋值进行加权平均计算后得到水肥消耗数据异常系数；

根据传感器测量精度变化情况生成测量精度漂移指数，则测量精度漂移指数的获取方法为：在初始状态下，设定传感器测量精度的先验分布，其中，θ代表传感器的预设标准测量精度，使用高斯分布建立似然函数，表示在给定测量精度θ下，传感器读数出现的概率，设定传感器测量误差服从正态分布，则似然函数表示为：；其中，是初始的精度估计值，是先验的预测值，其中t代表时间，是传感器在时间t的期望测量，通过贝叶斯公式更新传感器的测量精度分布，得到后验分布，表达式为：；式中，是观测数据的边际似然，通过积分计算，表达式为：；在下一时间步t+1，将当前时间t的后验分布作为新的先验分布，继续进行下一步的贝叶斯更新，计算后验分布的均值，作为当前时间t传感器测量精度的估计，计算测量精度漂移指数，表达式为：；式中，是当前时间t后验分布的均值，是初始先验分布的均值；

S3：将计算得到水肥消耗数据异常系数与梯度标准阈值进行对比分析，根据分析结果对传感器读数进行修正，所述梯度标准阈值包括第一标准阈值和第二标准阈值，并根据传感器读数的修正效果，动态调整灌溉计划。

2.根据权利要求1所述的一种瓜果种植水肥消耗数据收集分析方法，其特征在于：S1中，计算相同时间段内各个传感器之间的读数偏差值，若读数偏差值大于预定的阈值，将该时间段内测量到的数据标记为冲突数据，具体为：从每个传感器获取在相同时间段内的实时读数，计算所有传感器在该时间段内的平均读数作为基准值，对于每个传感器，在相同时间段内计算其读数与基准值之间的偏差，偏差值公式为：偏差值=其中：是第i个传感器的读数，是基准值；

比较每个传感器的偏差值与预定的阈值：若偏差值≤参考偏差阈值，该时间段内的传感器数据正常，此时生成数据正常信号；

若偏差值>参考偏差阈值，该时间段内的传感器数据存在冲突，标记为冲突数据，此时生成数据异常信号。

3.根据权利要求1所述的一种瓜果种植水肥消耗数据收集分析方法，其特征在于：S2中，根据不同传感器读数之间的相关性异常程度生成相关性异常指数，则相关性异常指数的获取方法为：对每一对传感器的数据进行相关性分析，计算在冲突时间段内冲突数据之间的皮尔逊相关系数，表达式为：；式中，和分别是第i和第j个传感器的读数，和分别是它们的平均值，将实时计算得到的冲突数据之间的皮尔逊相关系数与预先设置的传感器正常数据监测状态下的标准皮尔逊相关系数进行比较，若实时计算得到的冲突数据之间的皮尔逊相关系数小于预先设置的传感器正常数据监测状态下的标准皮尔逊相关系数，计算其的差值的绝对值，记为相关性异常指数。

4.根据权利要求3所述的一种瓜果种植水肥消耗数据收集分析方法，其特征在于：确定各个传感器的信任度权重赋值，对各个时间段内冲突数据的信任度权重赋值进行加权平均计算后得到水肥消耗数据异常系数；将相关性异常指数和测量精度漂移指数转换为第一特征向量，将第一特征向量作为机器学习模型的输入，机器学习模型以每组第一特征向量预测各个传感器的信任度权重赋值标签为预测目标，以最小化对所有传感器的信任度权重赋值标签的预测误差之和作为训练目标，对机器学习模型进行训练，直至预测误差之和达到收敛时停止模型训练，根据模型输出结果确定各个传感器的信任度权重赋值，对各个时间段内冲突数据的信任度权重赋值进行加权平均计算后得到水肥消耗数据异常系数，其中，机器学习模型为多项式回归模型。

5.根据权利要求4所述的一种瓜果种植水肥消耗数据收集分析方法，其特征在于：S3中，将计算得到水肥消耗数据异常系数与梯度标准阈值进行对比分析，根据分析结果对传感器读数进行修正，所述梯度标准阈值包括第一标准阈值和第二标准阈值，具体为：将获取到的水肥消耗数据异常系数与梯度标准阈值进行比较，梯度标准阈值包括第一标准阈值和第二标准阈值，且第一标准阈值小于第二标准阈值，将水肥消耗数据异常系数分别与第一标准阈值和第二标准阈值进行对比；

若水肥消耗数据异常系数大于第二标准阈值，说明异常系数超出了最高容忍范围，表明传感器数据存在严重异常，此时生成一级预警信号，立即暂停自动灌溉系统，并进行全面的系统检查；

若水肥消耗数据异常系数大于等于第一标准阈值且小于等于第二标准阈值，表明传感器数据存在中度异常，对数据进行修正，此时生成二级预警信号，进行传感器读数修正，根据修正后的读数，动态调整灌溉计划；

若水肥消耗数据异常系数小于第一标准阈值，表明传感器数据没有显著异常，此时不生成预警信号，无需修正传感器读数，灌溉计划继续按照原计划执行，无需进行调整。

6.一种瓜果种植水肥消耗数据收集分析系统，用于实现权利要求1-5任一项所述的一种瓜果种植水肥消耗数据收集分析方法，其特征在于：包括数据获取模块，计算模块以及分析调整模块；

数据获取模块：获取不同时间段内测量瓜果种植水肥消耗数据的若干个传感器的实时读数，计算相同时间段内各个传感器之间的读数偏差值，若读数偏差值大于预定的阈值，将该时间段内测量到的数据标记为冲突数据；

计算模块：对于产生冲突数据的时间段，根据不同传感器读数之间的相关性异常程度和传感器测量精度变化情况，确定各个传感器的信任度权重赋值，对各个时间段内冲突数据的信任度权重赋值进行加权平均计算后得到水肥消耗数据异常系数；

分析调整模块：将计算得到水肥消耗数据异常系数与梯度标准阈值进行对比分析，根据分析结果对传感器读数进行修正，所述梯度标准阈值包括第一标准阈值和第二标准阈值，并根据传感器读数的修正效果，动态调整灌溉计划。