1.一种基于改进YOLOv5的GIS红外特征识别系统，其特征在于，包括GIS红外图像采集模块和GIS红外特征识别模块，GIS红外图像采集模块采集GIS设备部件红外图像，GIS红外特征识别模块内置基于改进YOLOv5的GIS红外目标检测网络模型，基于改进YOLOv5的GIS红外目标检测网络模型用于GIS设备部件识别；所述基于改进YOLOv5的GIS红外目标检测网络模型包括主干网络、颈部网络、头部网络三部分；主干网络依次由调焦模块、第一CBL模块、CSP模块、第二CBL模块、第一融合CA注意力机制的CSP模块、第三CBL模块、第二融合CA注意力机制的CSP模块、第四CBL模块、SPP模块，各模块之间依次为输入输出的关系；颈部网络包括四个GSCBL模块和五个GSCSP模块，主干网络中SPP模块输出的特征依次经第一GSCSP模块、第一GSCBL模块处理；第一GSCBL模块输出的特征经上采样后与第二融合CA注意力机制的CSP模块输出的特征进行特征融合，然后依次经第二GSCSP模块、第二GSCBL模块处理，第二GSCBL模块输出的特征经上采样后与第一融合CA注意力机制的CSP模块输出的特征进行特征融合，然后经第三GSCSP模块处理，得到第一融合特征图；第一融合特征图经第三GSCBL模块处理后与第二GSCBL模块输出的特征进行特征融合，然后经第四GSCSP模块处理，得到第二融合特征图；第二融合特征图经第四GSCBL模块处理后与第一GSCBL模块输出的特征进行特征融合，然后经第五GSCSP模块处理，得到第三融合特征图；头部网络包括三个解耦头，第一融合特征图、第二融合特征图、第三融合特征图分别输入各自对应的解耦头处理，得到九幅特征图输出；CBL模块依次由卷积层、批归一化层和Leaky Relu激活函数组成；GSCBL模块依次由GS卷积层、批归一化层和Leaky Relu激活函数组成；融合CA注意力机制的CSP模块的输入分为两条输入分支，一条输入分支包括CBL模块、若干个残差部件、CA注意力模块、卷积层；另一条输入分支为卷积层；然后两条输入分支得到的特征融合后，再经过CA注意力模块、批归一化层、Leaky Relu激活函数、CBL模块然后得到输出结果；GSCSP模块包括两条输入分支，其中一条输入分支为GS卷积层，另一条输入分支依次包括GSCBL模块、偶数个GSCBL模块、GS卷积层；两个输入分支的特征融合后经批归一化层、Leaky Relu激活函数、GSCBL模块处理后输出。

2.根据权利要求1所述的基于改进YOLOv5的GIS红外特征识别系统，其特征在于，每个解耦头均包括三层，第一层为一个CBL模块，第二层为两个CBL模块，第三层为三个卷积层，第一层主要用于降低通道维数；第一层的输出分别进入第二层的两个CBL模块，第二层中的一个CBL模块的输出进入第三层的一个卷积层中；第二层中的另一个CBL模块的输出进入第三层的另外两个卷积层中。

3.根据权利要求1所述的基于改进YOLOv5的GIS红外特征识别系统，其特征在于，CSP模块包括两条输入分支，其中一条输入分支为卷积层，另一条输入分支依次包括CBL模块、若干个残差部件、卷积层；两个输入分支的特征融合后经批归一化层、Leaky Relu激活函数、CBL模块处理后输出。

4.一种基于改进YOLOv5的GIS红外特征识别方法，其特征在于，通过GIS设备部件红外图像数据集训练基于改进YOLOv5的GIS红外目标检测网络模型，用训练好的基于改进YOLOv5的GIS红外目标检测网络模型进行GIS红外目标检测；所述基于改进YOLOv5的GIS红外目标检测网络模型包括主干网络、颈部网络、头部网络三部分；主干网络依次由调焦模块、第一CBL模块、CSP模块、第二CBL模块、第一融合CA注意力机制的CSP模块、第三CBL模块、第二融合CA注意力机制的CSP模块、第四CBL模块、SPP模块，各模块之间依次为输入输出的关系；颈部网络包括四个GSCBL模块和五个GSCSP模块，主干网络中SPP模块输出的特征依次经第一GSCSP模块、第一GSCBL模块处理；第一GSCBL模块输出的特征经上采样后与第二融合CA注意力机制的CSP模块输出的特征进行特征融合，然后依次经第二GSCSP模块、第二GSCBL模块处理，第二GSCBL模块输出的特征经上采样后与第一融合CA注意力机制的CSP模块输出的特征进行特征融合，然后经第三GSCSP模块处理，得到第一融合特征图；第一融合特征图经第三GSCBL模块处理后与第二GSCBL模块输出的特征进行特征融合，然后经第四GSCSP模块处理，得到第二融合特征图；第二融合特征图经第四GSCBL模块处理后与第一GSCBL模块输出的特征进行特征融合，然后经第五GSCSP模块处理，得到第三融合特征图；头部网络包括三个解耦头，第一融合特征图、第二融合特征图、第三融合特征图分别输入各自对应的解耦头处理，得到九幅特征图输出；CBL模块依次由卷积层、批归一化层和Leaky Relu激活函数组成；GSCBL模块依次由GS卷积层、批归一化层和Leaky Relu激活函数组成；融合CA注意力机制的CSP模块的输入分为两条输入分支，一条输入分支包括CBL模块、若干个残差部件、CA注意力模块、卷积层；另一条输入分支为卷积层；然后两条输入分支得到的特征融合后，再经过CA注意力模块、批归一化层、Leaky Relu激活函数、CBL模块然后得到输出结果；

GSCSP模块包括两条输入分支，其中一条输入分支为GS卷积层，另一条输入分支依次包括GSCBL模块、偶数个GSCBL模块、GS卷积层；两个输入分支的特征融合后经批归一化层、Leaky Relu激活函数、GSCBL模块处理后输出。

5.根据权利要求4所述的基于改进YOLOv5的GIS红外特征识别方法，其特征在于，GIS设备部件红外图像数据集的构建方式为：获取GIS设备部件红外图像，并利用标注工具Labelimg完成标记并进行数据增强，得到GIS设备部件红外图像数据集，将GIS设备部件红外图像数据集划分为训练集和测试集；训练集用于训练基于改进YOLOv5的GIS红外目标检测网络模型，测试集用于评估基于改进YOLOv5的GIS红外目标检测网络模型的性能。

6.根据权利要求5所述的基于改进YOLOv5的GIS红外特征识别方法，其特征在于，训练时，训练集输入基于改进YOLOv5的GIS红外目标检测网络模型的主干网络中，提取训练集的特征；所提取的特征，在颈部网络中得到训练集的特征图；在头部网络中进行预测，通过计算损失函数来确定模型参数的更新方向；用基于改进YOLOv5的GIS红外目标检测网络模型检测测试集，并用平均精度指标和每秒帧率指标评估，不符合评估要求时，更新模型参数继续训练；当符合评估要求时，保留模型参数用于GIS红外目标检测。