1.一种基于GT‑YOLOv3输电线路中小目标故障检测方法，其特征在于，所述基于GT‑YOLOv3输电线路中小目标故障检测方法包括以下步骤：第一步，利用无人机巡检视频制作训练样本和测试样本；

第二步，在Gaussian YOLOv3算法框架下，保留32×32和64×64两层输出，构建检测模型；

第三步，利用K‑means聚类算法确定anchor的个数和尺寸；

所述基于GT‑YOLOv3输电线路中小目标故障检测方法的Gaussian YOLOv3网络模型在输入分辨率为512×512的图像后，分别以16×16、32×32和64×64三种尺度输出特征图；在第五次降采样中，将输入的步长stride设定为1，使得网络在尺度一上输出特征图大小为32×32×42，并对尺度一倒数第三层的输出32×32×512进行卷积后上采样，与尺度一输出的最后一个64×64大小的特征图进行张量连接concat，再经过多层卷积操作后，在尺度二上输出特征图大小为64×64×42。

2.如权利要求1所述的基于GT‑YOLOv3输电线路中小目标故障检测方法，其特征在于，其中42=3×(8+1+5)，3代表每个尺度的网格预测3个不同大小的目标框， 8代表Gaussian YOLOv3在边界框的坐标预测输出中包含了8个维度，相比YOLOv3只预测边界框中心位置的坐标和宽高，坐标可靠性系数分别代表预测边界框四个标准差的平均值，1代表预测边界框的类别概率值，5代表包含的预测类别个数。

3.如权利要求2所述的基于GT‑YOLOv3输电线路中小目标故障检测方法，其特征在于，网络采用上采样up‑sample操作，将不同大小上采样后的特征图进行张量连接concat；通过上采样和特征融合。

4.如权利要求1所述的基于GT‑YOLOv3输电线路中小目标故障检测方法，其特征在于，所述基于GT‑YOLOv3基于GT‑YOLOv3输电线路中小目标故障检测方法将anchor box作为先验框预测目标的边界框，并利用K‑means算法在数据集上得到anchor box个数和初始尺寸，将簇的个数作为anchor box的个数。

5.如权利要求4所述的基于GT‑YOLOv3输电线路中小目标故障检测方法，其特征在于，通过交并比新获得距离函数；

；

式中：centroid表示簇的中心，box表示标注的边框坐标信息，IOU表示交并比；

每种尺度有三个anchor box，通过K‑means聚类算法后，得到适用于检测目标故障的6个新anchor box：(11，21)，(14，24)，(14，37)，(20，28)，(17，45)，(21，62)。

6.一种如权利要求1 5任意一项所述基于GT‑YOLOv3输电线路中小目标故障检测方法~在高压输电线路故障检测中的应用。

7.一种实施权利要求1 5任意一项所述基于GT‑YOLOv3输电线路中小目标故障检测方~法的输电线路中小目标故障检测系统，其特征在于，所述输电线路中小目标故障检测系统包括：训练样本和测试样本制作模块，利用无人机巡检视频制作训练样本和测试样本；

检测模型构建模块，用于在Gaussian YOLOv3算法框架下，保留32×32和64×64两层输出，构建检测模型；

anchor个数和尺寸确定模块，利用K‑means聚类算法确定anchor的个数和尺寸。

8.一种接收用户输入程序存储介质，所存储的计算机程序使电子设备执行权利要求1~

5任意一项所述基于GT‑YOLOv3输电线路中小目标故障检测方法包括下列步骤：步骤1，利用无人机巡检视频制作训练样本和测试样本；

步骤2，在Gaussian YOLOv3算法框架下，保留32×32和64×64两层输出，构建检测模型；

步骤3，利用K‑means聚类算法确定anchor的个数和尺寸。

9.一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施如权利要求1 5任意一项所述基于GT‑YOLOv3输电~线路中小目标故障检测方法。