1.一种古建筑斜坡瓦面破损自动评估方法，其特征在于，包括以下步骤：(1)对屋面瓦片进行图像采集和数字图像分区命名的预处理；

(2)对预处理得到的屋面瓦片图像利用卷积神经网络进行破损状态识别，包括图像异常检测、图像异常提取、提取破损分类和模型验证测试，得到破损状态识别结果；

(3)根据破损状态识别结果进行评估并给出维护方法；

所述步骤(2)中图像异常检测，通过图像的每个像素输入与输出之间差的平方，评估重构质量，公式如下：其中，e为评价重构质量的重构误差，p表示输入像素点，表示重构输入像素点，即输出点，p和 位于第x行第y列，c为图像的颜色通道，由于输入与输出像素值位于‑1到1之间，e的最大值为3×[1‑(‑1)]×2＝12；

所述步骤(2)中图像异常提取通过对图像的分割和提取异常分数完成，即通过单个图像数据的局部图像阈值TL和整个图像数据集的全局图像阈值TG协同使用，提取破损瓦片图像并过滤未破损瓦片图像；

所述异常分数的计算过程如下：

其中，APG为异常分数，PG为计算APG根据实际需求选定的百分位数，ni表示图像i的总像素，N表示图像总数；

所述局部图像阈值TL的计算过程如下：

其中，PL为计算TL选定的百分位数，n表示图像的总像素；

所述步骤(2)中图像异常提取包括以下根据异常分数确定提取缺陷阈值的步骤：(21)将默认的TG值设置为0.5；

(22)根据选定的百分位数PG计算异常分数APG；

(23)若APG大于默认值，则更新TG值；

(24)根据选定的百分位数PL计算TL；

(25)判断TL是否大于αTG，若大于，选择TL作为阈值T，否则选择TG作为阈值T；

其中，α为折减系数，取值范围为小于1的正实数。

2.根据权利要求1所述的古建筑斜坡瓦面破损自动评估方法，其特征在于，所述步骤(1)中预处理包括以下步骤：(11)规划无人机路径并对划分后区域进行图像采集；

(12)对采集到的图像进行网格划分；

(13)对划分后的图像进行命名编号。

3.根据权利要求1所述的古建筑斜坡瓦面破损自动评估方法，其特征在于，所述步骤(2)中提取破损分类中，对图像预处理过程中对图像网格划分后，通过ResNet架构作为分类器进行模型训练。

4.根据权利要求3所述的古建筑斜坡瓦面破损自动评估方法，其特征在于，所述模型训练前，计算并存储预设数据的训练数据集和实际采集数据的验证数据集的均值和标准差；

模型训练时，采用分类交叉熵CC作为损失函数，对图像的损失值计算单独损失的总和，计算过程如下：其中l＝0、1、2分别表示无缺破损、开裂、剥落的分类；yl表示类l的单热编码标签的二进制值；pl表示分类器预测的类l的概率，且p0+p1+p2＝1。

5.根据权利要求1所述的古建筑斜坡瓦面破损自动评估方法，其特征在于，所述步骤(2)中模型验证测试中，对模型训练后的图像模型输入分类器进行分类，并验证其损失值和准确率，通过验证则输出最小验证损失的最佳模型，测试生成无破损、开裂和剥落的概率并输出。

6.根据权利要求1所述的古建筑斜坡瓦面破损自动评估方法，其特征在于，所述步骤(3)中评估内容包括异常检测所检测到实际破损的命中率、检测忽略破损的漏报率和误报率，计算过程如下：命中率+漏报率＝100％；

其中，TP表示检测为破损实际为破损，TN表示检测为非破损实际为非破损，FP表示检测为破损实际为非破损，FN表示检测为非破损实际为破损。