1.一种铁路分段分项绝缘器消弧角缺陷识别方法，其特征在于，包括：

获取待检测分段绝缘器图像；

将所述待检测分段绝缘器图像输入预先训练完成的消弧角缺陷识别模型，利用所述消弧角缺陷识别模型的主干网络并行提取分段绝缘器的局部特征图与全局特征图；

利用主干网络中的桥接融合模块将全局特征融合到局部特征中并输出第一特征图，同时将局部特征融合到全局特征中并输出第二特征图；

将所述第一特征图和第二特征图输入消弧角缺陷识别模型的分类器进行缺陷识别分类，输出消弧角缺陷识别结果。

2.根据权利要求1所述的铁路分段分项绝缘器消弧角缺陷识别方法，其特征在于，所述消弧角缺陷识别模型包括输入层、主干网络和分类器；

所述主干网络包括四个阶段，每个阶段包括堆叠连接的多个交叉融合模块和一个空间降维模块；每个阶段的空间降维模块连接下一阶段的第一个交叉融合模块；

所述交叉融合模块由Nx个堆叠连接的卷积模块、Nx个堆叠连接的注意力模块和一个桥接融合模块组成；所述卷积模块用于提取分段绝缘器的局部特征图，注意力模块用于提取分段绝缘器的全局特征图；所述桥接融合模块的输入端分别与卷积模块的输出端和注意力模块的输出端连接。

3.根据权利要求2所述的铁路分段分项绝缘器消弧角缺陷识别方法，其特征在于，所述桥接融合模块包括卷积单元、注意力单元和融合单元；所述融合单元包括局部融合子单元和全局融合子单元；

所述卷积模块的输出端分别与卷积单元、局部融合子单元和全局融合子单元连接；注意力模块的输出端分别与注意力单元、局部融合子单元和全局融合子单元连接；卷积单元的输出端与局部融合子单元的输出端连接；注意力单元的输出端与全局融合子单元的输出端连接；局部融合子单元用于通过多头自注意力机制将全局特征图融合到局部特征图中；

全局融合子单元用于将局部特征图融合到全局特征图中。

4.根据权利要求2所述的铁路分段分项绝缘器消弧角缺陷识别方法，其特征在于，所述空间降维模块包括下采样单元和降采样单元；下采样单元用于对第一特征图进行空间降维操作，以获得具有第一分辨率的第一特征图，并输出具有第一分辨率的第一特征图；降采样单元用于对第二特征图进行空间降维操作，以获得具有第二分辨率的第二特征图，并输出具有第二分辨率的第二特征图；所述第一分辨率为输入第一特征图分辨率的四分之一，第二分辨率为输入第二特征图分辨率的四分之一。

5.根据权利要求1所述的铁路分段分项绝缘器消弧角缺陷识别方法，其特征在于，所述消弧角缺陷识别模型的训练过程包括：采集消弧角缺陷样本数据，并对消弧角缺陷样本数据进行样本增强，将样本增强后的消弧角缺陷样本数据按照85:15:5的比例划分为训练集、测试集和验证集；

构建消弧角缺陷识别模型，利用训练集对消弧角缺陷识别模型进行迭代训练，并采用focal loss损失函数优化模型参数，获得初始弧角缺陷识别模型；

利用测试集和验证集分别对初始弧角缺陷识别模型进行测试和验证，测试和验证完成后获得预先训练完成的消弧角缺陷识别模型。

6.根据权利要求2所述的铁路分段分项绝缘器消弧角缺陷识别方法，其特征在于，所述卷积模块和注意力模块的个数Nx具体为3个。