1.一种基于高光谱技术的绝缘子污秽度非接触检测方法，其特征在于，包括以下步骤：S1、获取积污绝缘子的高光谱图像集，并对高光谱图像集进行校正、变换处理，将处理后的高光谱图像集分为两部分，分别为第一高光谱图像集和第二高光谱图像集；

S2、获取第一高光谱图像集所对应的积污绝缘子区域的盐灰比例Ⅰ和污秽总量Ⅰ；

S3、提取第一高光谱图像集的纹理特征和高光谱谱线，其中第一高光谱图像集的纹理特征对应标签为盐灰比例Ⅰ，第一高光谱图像集的高光谱谱线对应标签为污秽总量Ⅰ，将第一高光谱图像集的一部分纹理特征和高光谱谱线作为训练集，另一部分纹理特征和高光谱谱线作为测试集，根据分类算法和训练集建立污秽度多参量检测模型，并用测试集对污秽度多参量检测模型进行优化；

S4、提取第二高光谱图像集中若干个局部区域的纹理特征和高光谱谱线，并通过优化后的污秽度多参量检测模型对它们进行识别，得到盐灰比例Ⅱ和污秽总量Ⅱ，根据盐灰比例Ⅱ和污秽总量Ⅱ，计算积污绝缘子的污秽等值盐密Ⅱ和污秽灰密Ⅱ，完成绝缘子污秽度的非接触检测；

所述步骤S2具体包括：

S21、分别清洗第一高光谱图像集中各图像所对应的积污绝缘子的区域，并收集混有积污绝缘子污秽的水溶液；

S22、通过电导率测试仪测量积污绝缘子被清洗过的区域，计算得到污秽等值盐密Ⅰ；

S23、对收集到的水溶液进行过滤、烘干、称重，计算得到污秽灰密Ⅰ；

S24、根据污秽等值盐密Ⅰ和污秽灰密Ⅰ，计算得到盐灰比例Ⅰ；

S25、根据污秽等值盐密Ⅰ、污秽灰密Ⅰ和积污绝缘子清洗面积，得污秽总量Ⅰ；

所述步骤S3中，分类算法为朴素贝叶斯、支持向量机、决策树、随机森林和最近邻分类算法中的任意一种。

2.根据权利要求1所述基于高光谱技术的绝缘子污秽度非接触检测方法，其特征在于，所述步骤S1中，是选择在积污绝缘子的污秽类型相同区域获取高光谱图像集。

3.根据权利要求1所述基于高光谱技术的绝缘子污秽度非接触检测方法，其特征在于，所述步骤S1中，获取积污绝缘子的高光谱图像集的方法是：无人机搭载高光谱仪飞行至线路杆塔悬停后，利用高光谱仪获取积污绝缘子的高光谱图像集。

4.根据权利要求1所述基于高光谱技术的绝缘子污秽度非接触检测方法，其特征在于，所述步骤S1中，所述校正为黑白校正或者多元散射校正。

5.根据权利要求1所述基于高光谱技术的绝缘子污秽度非接触检测方法，其特征在于，所述步骤S1中，所述变换处理为标准正态变换、Savitzky‑Golay平滑、小波去噪、微分变换以及对数变换中任意一种。

6.根据权利要求1所述基于高光谱技术的绝缘子污秽度非接触检测方法，其特征在于，所述步骤S4中，所述局部区域最小可为第二高光谱图像集中的一个像素点大小。