1.基于全局上下文增强的稀疏卷积输电线路防外破检测方法，其特征在于，包括如下步骤：

S1、构建输电线路防外力破坏样本数据集，包括若干输电线路零部件损坏图像和输电通道下施工机械隐患图像、以及输电线路零部件损坏图像和输电通道下施工机械隐患图像分别对应的类别标签；

S2、构建输电线路防外破检测神经网络，以输电线路防外力破坏样本数据集为输入训练输电线路防外破检测神经网络，得到轻量级输电线路防外破检测模型；其中，输电线路防外破检测神经网络构建过程如下：S201、构建融入高效注意力机制的ECA‑PConv模块：以PConv层作为ECA‑PConv模块的输入端；在PConv层后顺序连接第一PWConv层、高效通道注意力机制ECA、BN层、ReLU激活函数、第二PWConv层；并且添加残差结构接收初始输入特征图、以及第二PWConv层的输出特征图，作为ECA‑PConv模块的输出；

然后利用ECA‑PConv模块构建输电线路防外破检测神经网络的骨干网络，用于提取输入图像的特征信息；

S202、利用步骤S201的ECA‑PConv模块构建C3_Faster模块，基于C3_Faster模块构建输电线路防外破检测神经网络中的特征融合网络，用于对骨干网络输出的特征图进行融合；

S203、基于稀疏卷积以及BN+单元构建具有全局上下文增强的SC+模块，用于获取上下文增强特征，然后基于SC+模块构建基于全局上下文增强的稀疏卷积网络SC+Net，最后利用稀疏卷积网络SC+Net构建输电线路防外破检测神经网络中的检测网络，用于对特征融合网络输出的特征图完成分类与回归任务；

S3、利用输电线路防外破检测模型对电网中输电线路零部件情况与输电通道下施工机械隐患情况进行检测，得到输电线路零部件损坏与输电通道下施工机械隐患的实时图像，用于后续输电线路安全隐患的预防以及修缮处理。

2.根据权利要求1所述的基于全局上下文增强的稀疏卷积输电线路防外破检测方法，其特征在于，步骤S201中的骨干网络具体是：以嵌入层为输入端，接收输电线路防外力破坏样本图像，所述嵌入层后顺序连接第一ECA‑PConv模块、第一合并层、2个顺序连接的第二ECA‑PConv模块、第二合并层、8个顺序连接的第三ECA‑PConv模块、第三合并层、2个顺序连接的第四ECA‑PConv模块、金字塔池化SPPF模块；

以2个顺序连接的第二ECA‑PConv模块的输出、8个顺序连接的第三ECA‑PConv模块的输出、以及金字塔池化SPPF模块的输出分别作为骨干网络的输出。

3.根据权利要求2所述的基于全局上下文增强的稀疏卷积输电线路防外破检测方法，其特征在于，步骤S202中的C3_Faster模块包括：第一Conv_BN_SiLU卷积块、第二Conv_BN_SiLU卷积块、第三Conv_BN_SiLU卷积块、第五ECA‑PConv模块、第一连接层；

以第一Conv_BN_SiLU卷积块、第二Conv_BN_SiLU卷积块作为C3_Faster模块的输入端；

第一Conv_BN_SiLU卷积块后顺序连接第五ECA‑PConv模块，将第五ECA‑PConv模块与第二Conv_BN_SiLU卷积块的输出特征图输入到第一连接层中进行拼接，然后将拼接后的特征图输入到第三Conv_BN_SiLU卷积块，经过第三Conv_BN_SiLU卷积块处理后的特征图作为C3_Faster模块的输出。

4.根据权利要求3所述的基于全局上下文增强的稀疏卷积输电线路防外破检测方法，其特征在于，特征融合网络包括：第二连接层、第三连接层、第四连接层、第五连接层、第一上采样单元、第二上采样单元、第四Conv_BN_SiLU卷积块、第五Conv_BN_SiLU卷积块、第六Conv_BN_SiLU卷积块、第七Conv_BN_SiLU卷积块、第一C3_Faster模块、第二C3_Faster模块、第三C3_Faster模块、第四C3_Faster模块；

以第二连接层、第三连接层、以及第五Conv_BN_SiLU卷积块作为特征融合网络的输入端，分别对应接收2个顺序连接的第二ECA‑PConv模块的输出、8个顺序连接的第三ECA‑PConv模块的输出、以及金字塔池化SPPF模块的输出；

第五Conv_BN_SiLU卷积块与第二上采样单元、第三连接层、第一C3_Faster模块、第四Conv_BN_SiLU卷积块、第一上采样单元、第二连接层顺序连接；

第二C3_Faster模块与第六Conv_BN_SiLU卷积块、第四连接层、第三C3_Faster模块、第七Conv_BN_SiLU卷积块、第五连接层、第四C3_Faster模块顺序连接；

第二连接层的输出作为第二C3_Faster模块的输入；第四Conv_BN_SiLU卷积块的输出作为第四连接层的输入；第五Conv_BN_SiLU卷积块的输出作为第五连接层的输入；

第二C3_Faster模块的输出、第三C3_Faster模块的输出、第四C3_Faster模块的输出分别作为特征融合网络的输出。

5.根据权利要求1所述的基于全局上下文增强的稀疏卷积输电线路防外破检测方法，其特征在于，步骤S203中的SC+模块，被配置执行如下动作：基于特征融合网络中输出的初级特征图Xi作为SC+模块的输入特征图Xi, j、二元掩码矩阵 ，以及全局特征 ，利用二元掩码矩阵Hi对SC+模块的输入特征图Xi, j进行指导，并应用稀疏卷积后得到中间特征Li, j，再输入至BN+层，BN+层采用全局特征Gi的标准值和标准差进行归一化，得到上下文增强特征Fi, j，如下式：,

其中，b、c、h、w分别表示特征图的批量大小、通道数量、高度和宽度；mean[•]和std[•]分别表示平均差和标准差，α和β是可学习的参数。

6.根据权利要求5所述的基于全局上下文增强的稀疏卷积输电线路防外破检测方法，其特征在于，对SC+模块的输入特征图Xi, j应用稀疏卷积时同时保留正常的标准卷积，生成在全输入特征图上卷积后的特征Ci,j；利用Ci, j通过优化均方误差损失MSE进一步增强BN+层获得的上下文增强特征Fi, j，最后在激活层之前采用残差结构，将全局特征Gi添加到由BN+层获得的上下文增强特征Fi, j中，即Fi, j+=Gi，损失函数公式如下：,

其中，n表示PAN网络的层数，Hi是二元掩码矩阵 。

7.根据权利要求6所述的基于全局上下文增强的稀疏卷积输电线路防外破检测方法，其特征在于，步骤S203中，检测网络包括两个分支，每个分支分别处理分类和回归任务，每个分支包括三个并行层；

第一并行层为：对初级特征图Xi应用1×1的标准卷积生成全局特征 ；

第二并行层为：掩码生成层，基于稀疏卷积应用的共享核 对初级特

征图Xi应用标准卷积，得到一个中间特征 ，然后利用Gumbel‑Softmax方法将Si转化为二元掩码矩阵 ，如下式：,

其中， 表示两个随机的Gumbel噪声，σ是sigmoid函数：

；在训练阶段中采用上行的公式，推理阶段采用下行的公式；在推理阶

段只对掩码值为1的区域进行卷积；

第三并行层为：分类分支与回归分支分别将初级特征图Xi、二元掩码矩阵Hi和全局特征Gi输入至4个顺序连接的SC+模块中，将得到的全局增强特征Fi, j输入至1个稀疏卷积中处理，最终得到分类与回归结果。