1.一种输电线路绝缘子爆裂识别方法，其特征在于，包括以下步骤：采集输电线路图像，对输电线路图像中绝缘子区域进行标注，得到绝缘子标注框；

对所述输电线路图像进行分割，得到多个锚框，选取一部分锚框，根据所述绝缘子标注框对选取的锚框进行分类，得到包括绝缘子的正样本和不包括绝缘子的负样本；

利用所述正样本和负样本对区域提议网络进行训练，得到绝缘子识别模型；

根据所述绝缘子识别模型对所有所述锚框进行分类，得到正样本和负样本，对所述正样本进行爆裂区域标注，得到训练样本；

利用训练样本对神经网络进行训练，得到爆裂识别模型；

结合所述绝缘子识别模型以及爆裂识别模型对待识别图像进行爆裂识别；

对所述正样本进行爆裂区域标注，得到训练样本，具体为：选取置信率最高的设定数量的正样本作为目标区域，并将正样本的偏移量添加到所述目标区域的坐标上；

对所述目标区域进行极大值抑制操作，筛除对应同一个目标的重复目标区域；

如果筛除重复目标区域后，剩余目标区域的数量小于所述设定数量，则通过补零的方式对目标区域进行补充；

对所述目标区域进行进一步筛选，去除补零的目标区域，去除包含多个待测物体的目标区域，从剩余的目标区域中，按设定比例挑选设定数量的包含爆裂绝缘子的正样本和不包含爆裂绝缘子的负样本；

将与正样本交并比最大的爆裂标注框的类标签赋给正样本，并计算正样本与真实框之间的偏移量，得到所述训练样本。

2.根据权利要求1所述的输电线路绝缘子爆裂识别方法，其特征在于，对所述输电线路图像进行分割，得到多个锚框，具体为：将所述输电线路图像输入残差网络得到多维的特征图；

将高层特征图上采样后再与相应的低层特征图按元素相加融合，得到融合后的特征图；

对所述特征图进行逐像素的滑窗扫描，生成多个锚框。

3.根据权利要求2所述的输电线路绝缘子爆裂识别方法，其特征在于，对所述特征图进行逐像素的滑窗扫描，生成多个锚框，具体为：设置锚框的多种长宽比例；

为每一层特征图设置相应的锚框大小，结合多种长宽比例得到每一层特征图相应的多种锚框大小；

遍历每一层特征图，对每一层特征图进行逐像素的滑窗扫描，生成多种大小的锚框组。

4.根据权利要求1所述的输电线路绝缘子爆裂识别方法，其特征在于，根据所述绝缘子标注框对选取的锚框进行分类，得到包括绝缘子的正样本和不包括绝缘子的负样本，具体为：

以绝缘子标注框作为真实框，计算真实框与各锚框的交并比，将交并比大于第一设定值的锚框划分为正样本，并计算所述正样本与相应真实框之间的偏移量，将交并比小于第二设定值的锚框划分为负样本。

5.根据权利要求1所述的输电线路绝缘子爆裂识别方法，其特征在于，对所述目标区域进行极大值抑制操作，筛除对应同一个目标的重复目标区域，具体为：计算置信率最高的目标区域与其他目标区域之间的交并比，如果交并比大于设定阈值，则去除相应的目标区域。

6.根据权利要求1所述的输电线路绝缘子爆裂识别方法，其特征在于，对所述正样本进行爆裂区域标注，得到训练样本，还包括：对训练样本进行二次调整；

对训练样本进行二次调整，具体为：查找与训练样本相应的特征图，计算训练样本在相应特征图上的大小；

将特征图上与训练样本对应的区域划分为多个小区域，将每一小区域划分为四等份，采用双线性插值法计算每一小区域中四等份区域的中心点像素，取计算的四个中心点像素的最大值作为相应小区域的像素值；

结合多个小区域的像素值得到与训练样本相对应的特征块；

将所述特征块输入全连接层和softmax层进行分类，返回训练样本相应的类别标签和真实框坐标。

7.根据权利要求1所述的输电线路绝缘子爆裂识别方法，其特征在于，结合所述绝缘子识别模型以及爆裂识别模型对待识别图像进行爆裂识别，具体为：将待测图像按比例缩小，将缩小的待测图像输入爆裂识别模型，得到第一预测结果；

对所述待测图像进行预处理，将预处理后的待测图像输入所述绝缘子识别模型，得到绝缘子区域，判断所述绝缘子区域是否发生绝缘子爆裂，得到第二预测结果；

判断第一预测结果与第二预测结果是否重合，如果重合，则输出第一预测结果或第二预测结果，如果不重合，则对第一预测结果进行扩充得到扩充矩阵，并进一步判断扩充矩阵是否为多个，如果为多个，则输出第一预测结果，如果不为多个，则输出第二预测结果。

8.一种输电线路绝缘子爆裂识别装置，其特征在于，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现如权利要求1‑7任一所述的输电线路绝缘子爆裂识别方法。

9.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机该程序被处理器执行时，实现如权利要求1‑7任一所述的输电线路绝缘子爆裂识别方法。