1.一种绝缘子图像数据的小样本学习方法，所述的小样本学习方法包括：步骤1、收集绝缘子图像数据，分析绝缘子图像的特点；

步骤2、根据步骤1收集的绝缘子图像数据的特点，构建用于学习的深度神经网络模型；

步骤3、基于公用数据库训练步骤2所建立的深度神经网络模型，并对步骤1收集的绝缘子图像进行识别测试；

步骤4、选取少量未识别的绝缘子图像建立训练样本库；

步骤5、在知识迁移基础上，用步骤4建立的样本库继续训练步骤3训练过的深度神经网络；

所述的知识迁移，是指深度神经网络在步骤3公用数据库中学到的知识，迁移到步骤4所建训练样本库中绝缘子图像的学习与识别；

步骤6、用步骤5训练好的深度神经网络对步骤1收集的绝缘子图像进行识别测试；

步骤7、找出误识别的绝缘子图像；

步骤8、在步骤7的基础上，选取少量误识别的图像替换步骤4建立的训练集中的样本，建立新的训练样本库；

步骤9、在知识迁移基础上，用步骤8建立的样本库重新步骤2训练的深度神经网络；

所述的知识迁移，是指深度神经网络在步骤3公用数据库中学到的知识，迁移到步骤8所建训练样本集中绝缘子图像的学习与识别；

步骤10、用步骤9训练好的深度神经网络对步骤1收集的绝缘子图像进行测试，计算识别率；

所述的识别率是正确识别图像的数量与测试图像总数量的比值；

步骤11、判断识别率是否满足要求，若满足要求就保存学习结果用于后序的识别任务，若不满足要求就回到步骤7重复执行后序步骤，必要情况下可对步骤8所建的训练样本库进行扩容，直到识别率满足要求；

所述的必要情况下可对步骤8所建的训练样本库进行扩容，是指若连续两次重复执行步骤7‑步骤11，计算得到的识别率仍然不能满足要求，就将步骤8中选取的误识别图像不再替换原训练样本库中的图像，而是直接添加到训练样本库。

2.根据权利要求1所述的绝缘子图像数据的小样本学习方法，其特征在于，步骤2所述的深度神经网络模型，主要用于对目标进行检测，对具体模型没有限制，可以是Yolo系列模型，也可以是R‑CNN系列模型。

3.根据权利要求1所述的绝缘子图像数据的小样本学习方法，其特征在于，步骤3所述的公用数据库，不局限于绝缘子图像数据库，其他领域公用的图像数据库也可以，比如使用Microsoft COCO(MS‑COCO)公用数据库。

4.根据权利要求1所述的绝缘子图像数据的小样本学习方法，其特征在于，步骤4所述的选取少量未识别的绝缘子图像，是指选取的图像占图像总数的比例小，这个比例需要小于8％，而且绝缘子图像的绝对数量少，选取的图像一般不超过100幅；

所述的训练样本库，需要对每一个样本图像进行标注，标记出图像中的绝缘子。

5.根据权利要求1所述的绝缘子图像数据的小样本学习方法，其特征在于，步骤8所述的选取少量误识别的图像，是指选取的图像数量少，该数量不超过步骤4所建立训练样本库中样本数量的80％；

所述的建立新的训练样本库，需要对每一个样本图像进行标注，标记出图像中的绝缘子。