1.一種基于改進(jìn)的YOLOv4-tiny和YOLOv4絕緣子缺陷檢測方法，其特征在于，具體步驟如下：

步驟1，構(gòu)建圖像數(shù)據(jù)集：從無人機(jī)拍攝的輸電線路圖像中，選取含有缺陷絕緣子的圖像和正常絕緣子的圖像，建立由含有缺陷絕緣子的圖像和正常絕緣子的圖像組成的圖像數(shù)據(jù)集，用于訓(xùn)練絕緣子缺陷檢測模型；

步驟2，擴(kuò)充含有缺陷絕緣子的圖像的樣本數(shù)量：首先，根據(jù)圖像中缺陷絕緣子特點(diǎn)，利用Photoshop軟件在絕緣子串中其它正常絕緣子上構(gòu)建新的缺陷絕緣子，通過在不同的正常絕緣子上構(gòu)建新的缺陷絕緣子，增加含有缺陷絕緣子的圖像的樣本數(shù)量；然后，利用Photoshop軟件對上述含有缺陷絕緣子的圖像進(jìn)行處理，得到背景透明的含有缺陷絕緣子的絕緣子串圖像；最后，利用Photoshop軟件將背景透明的絕緣子串與不同背景的巡檢圖像進(jìn)行融合，得到不同背景下的缺陷絕緣子圖像，以進(jìn)一步擴(kuò)充缺陷絕緣子圖像的樣本數(shù)量，提高模型泛化能力；

步驟3，利用Labeling軟件對圖像數(shù)據(jù)集中的絕緣子串和絕緣子串中的缺陷絕緣子進(jìn)行標(biāo)注：絕緣子串標(biāo)注為絕緣子，缺陷絕緣子標(biāo)注為缺陷；

步驟4，改進(jìn)YOLOv4-tiny模型目標(biāo)檢測框優(yōu)化方法：提出一個動態(tài)非極大值抑制方法，它根據(jù)目標(biāo)周圍檢測框的統(tǒng)計(jì)特性確定出動態(tài)閾值，用來代替非極大值抑制方法中的固定閾值，降低絕緣子串漏檢概率；

步驟5，利用改進(jìn)的YOLOv4-tiny模型、即輕量化YOLOv4模型對絕緣子串整體目標(biāo)進(jìn)行檢測；

步驟6，裁剪已檢測到的絕緣子串圖像：根據(jù)步驟5得到的絕緣子串檢測框坐標(biāo)信息對絕緣子串進(jìn)行裁剪，得到絕緣子串圖像；

步驟7，改進(jìn)的YOLOv4模型主干網(wǎng)絡(luò)：構(gòu)建雙分支注通道注意力模塊，并將注意力模塊添加到Y(jié)OLOv4主干網(wǎng)絡(luò)中的跨階段局部網(wǎng)絡(luò)之后面，其輸入為跨階段局部網(wǎng)絡(luò)的輸出，使與絕緣子缺陷相關(guān)程度高的特征得到更大的權(quán)重；

步驟8，改進(jìn)的YOLOv4特征融合網(wǎng)絡(luò)：構(gòu)建沙漏型特征融合網(wǎng)絡(luò)，實(shí)現(xiàn)主干網(wǎng)絡(luò)淺層特征和深層特征融合；

步驟9，基于改進(jìn)的YOLOv4絕緣子缺陷檢測：利用步驟7和步驟8得到的改進(jìn)的YOLOv4模型從步驟6得到的裁剪后的絕緣子串圖形中，檢測出缺陷絕緣子。

步驟10，基于改進(jìn)的YOLOv4-tiny和YOLOv4的絕緣子缺陷檢測模型訓(xùn)練：利用步驟3已標(biāo)注的圖像數(shù)據(jù)集對改進(jìn)的YOLOV4-tiny模型和改進(jìn)的YOLOv4模型進(jìn)行訓(xùn)練，得到絕緣子缺陷檢測模型；

步驟11，模型應(yīng)用：將步驟10獲得的檢測模型應(yīng)用于絕緣子缺陷檢測，將無人機(jī)采集到的輸電線路圖像數(shù)據(jù)輸入到已訓(xùn)練模型，輸出絕緣子缺陷檢測結(jié)果。