1.基于改进YOLOv7的绝缘子缺陷检测方法，其特征在于，包括： 将待识别图片输入预先训练获得的网络模型； 基于预先获取的预测框，网络模型输出多个与预测框尺寸相同的待识别图片的初步预测框； 利用SIoU‑NMS改进非极大值抑制算法对待识别图片输出的初步预测框进行过滤，得到最终预测框； 基于最终预测框，获得待识别图片的缺陷类型；

构建的网络模型的网络架构包括Input模块、Backbone模块、Neck模块和Head模块，Input模块、Backbone模块、Neck模块和Head模块依次连接； Backbone模块包括第一CBS模块、第二CBS模块、第三CBS模块、第四CBS模块、gnConv模块、第一ELAN模块、第二ELAN模块、第三ELAN模块、第四ELAN模块、第一MP1模块、第二MP1模块、第三MP1模块和CoordAtt模块， 第一CBS模块、第二CBS模块、第三CBS模块、gnConv模块、第四CBS模块、第一ELAN模块、第一MP1模块、第二ELAN模块、第二MP1模块、第三ELAN模块、第三MP1模块、第四ELAN模块和CoordAtt模块依次连接； 第一CBS模块、第二CBS模块、第三CBS模块和第四CBS模块均为CBS模块，第一ELAN模块、第二ELAN模块、第三ELAN模块和第四ELAN模块均为ELAN模块，第一MP1模块、第二MP1模块和第三MP1模块均为MP1模块； gnConv模块采用递归门控卷积，CoordAtt模块采用CoordAtt注意力机制；

利用SIoU‑NMS改进非极大值抑制算法对待识别图片输出的初步预测框进行过滤，得到最终预测框，通过以下步骤实现： 步骤1：设定置信度阀值和SIoU阀值； 步骤2：计算网络模型输出的所有初步预测框的置信度，把置信度高于置信度阀值的初步预测框放到候选列表中，在候选列表把初步预测框按置信度从高到低降序排序； 步骤3：从候选列表中取出置信度最高的初步预测框，并保存到输出列表中，从候选列表中删除该初步预测框； 步骤4：计算上一步取得的置信度最高的初步预测框与候选列表中其余所有初步预测框的交并比损失，把交并比损失高于设定SIoU阀值的初步预测框从候选列表中删除； 步骤5：重复步骤3和步骤4，直至候选列表为空； 步骤6：将输出列表中的初步预测框作为最终预测框。

2.根据权利要求1所述的基于改进YOLOv7的绝缘子缺陷检测方法，其特征在于， 预先训练获得网络模型，通过以下步骤实现： 获取训练集，训练集包括图片样本和图片样本的目标真实框； 预处理图片样本的目标真实框，获得多个固定尺寸的锚框； 构建网络模型，将图片样本和固定尺寸的锚框输入网络模型，网络模型将图片样本划分成多个网格； 基于固定尺寸的锚框，以每个网格为中心生成多个固定尺寸的预测框； 利用总损失函数分别计算图片样本的目标真实框和固定尺寸的预测框之间的差距，迭代更新网络模型的网络参数、预测框的位置和预测框的尺寸； 若总损失函数收敛于定值，则停止迭代，输出最终的网络模型。

3.根据权利要求2所述的基于改进YOLOv7的绝缘子缺陷检测方法，其特征在于， 预先获取预测框，通过以下步骤实现： 筛选网络模型在训练期间获得精度最高的预测框，作为预先获取的预测框。

4.根据权利要求2所述的基于改进YOLOv7的绝缘子缺陷检测方法，其特征在于， 总损失函数的表达式为： L＝W1×Lbox+W2×Lcls+W3×Lobj Lcls＝‑ζt(1‑δ

pt) log(pt)，  式中，L为总损失，Lbox为边界回归损失，Lobj为目标置

信度损失，W1为边界回归损失占总损失的权重，W2为focalloss分类损失占总损失的权重，W3是目标置信度损失占总损失的权重，IoU为交并比损失，Ω为形状损失，△为距离损失； Lcls为focalloss分类损失，ζt为正负样本权重参数，pt为属于正负样本的概率，δ为可调节聚参数，p是网络模型预测图片样本属于前景的概率，Y＝1代表图片样本的前景，Y＝‑1代表图片样本的背景，ζ为权重参数。

5.根据权利要求4所述的基于改进YOLOv7的绝缘子缺陷检测方法，其特征在于， 交并比损失的表达式为：  式中，A为真实框，B为预测框，IoU为交并比损失； 形状损失的表达式为：  式中，Ω为形状损失，w是预gt gt gt gt

测框的宽度，w 是真实框的宽度，max(w,w )为w和w 中最大值，h是预测框的高度，h 是真gt gt

实框的高度，max(h，h )为h和h 中最大值，θ是可调变量； 距离损失的表达式为： 式中，α为真实框中心点到预测框中心点连线和X轴之间的夹角，σ是真实框中心点到预测框中心点的距离，x为α的正弦值，Cw1是真实框和预测框最小外接矩形的宽，Ch1是真实框和预测框最小外接矩形的高，Cw是以真实框中心点到预测框中心点连线为对角线构造的矩形的宽，Ch是以真实框中心点到预测框中心点连线为对角线构造的矩形的高， 为真实框中心点横坐标值，bcx为预测框中心点横坐标值， 为真实框中心点纵坐标值，bcy为预测框中心点纵坐标值，^为角度损失，△为距离损失； 若α的角度大于45°，则里α换成β，β＝90°‑α。

6.根据权利要求1所述的基于改进YOLOv7的绝缘子缺陷检测方法，其特征在于， 预处理图片样本的目标真实框，获得多个固定尺寸的锚框，通过以下步骤实现： 用K均值聚类算法对图片样本的目标真实框进行聚类，获得多个固定尺寸的锚框。

7.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至6中任一项所述方法的步骤。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述方法的步骤。