1.一种变电站设备状态检测方法，其特征在于，包括：

获取待测变电站的设备红外图像，对所述设备红外图像进行灰度处理，得到灰度化红外图像，将所述灰度化红外图像和所述设备红外图像进行融合，得到预处理后的设备红外图像，对预处理后的设备红外图像中的各设备进行标注，得到带有边界框的设备红外图像，基于带有边界框的设备红外图像构建变电站设备红外图像数据集；

将所述变电站设备红外图像数据集输入设备状态检测模型中进行分类预测，得到变电站设备状态信息；其中，所述设备状态检测模型由依次连接的多通道特征提取模块，加权空间金字塔池化模块和检测层构成；

所述设备状态检测模型的处理过程包括：

对所述变电站设备红外图像数据集中的设备红外图像进行多层卷积操作，得到红外图像特征图；将所述红外图像特征图输入多通道特征提取模块中进行特征提取，输出不同尺度的特征提取结果，将各特征提取结果分别输入加权空间金字塔池化模块进行特征融合，得到不同尺度的特征图；其中，所述不同尺度的特征图包括第一分支特征图、第二分支特征图和第三分支特征图；

所述多通道特征提取模块的处理过程，具体包括：将输入的红外图像特征图经过一层Conv层卷积后输出特征图M2，将特征图M2分为三条路径进行处理，其中，第一路径将特征图M2通过Conv层卷积后输出特征图M3；第二路径将特征图M2进行升维，得到特征图M4，对特征图M4进行逐通道卷积输出特征图M5，利用1×1卷积核将特征图M5进行降维，输出特征图M6，特征图M6与特征图M3的通道数相同；第三路径直接输出特征图M2；通过加权相加层EAdd将三条路径输出的特征图进行加权相加，输出特征提取结果；

所述加权空间金字塔池化模块的处理过程，具体包括：将特征提取结果输入卷积核为1×1、步长为1、输出通道数为特征提取结果通道数半数的Conv层，输出特征图P2；

将所述特征图P2输入第一加权池化层PPool2d中进行加权池化，得到特征图P3，将特征图P3输入第二加权池化层PPool2d中进行加权池化，得到特征图P4，将特征图P4输入第三加权池化层PPool2d中进行加权池化，得到特征图P5；

将特征图P2、特征图P3、特征图P4和特征图P5输入Concat层得到特征图P6；

将特征图P6输入卷积核为1×1、步长为1、输出通道数与输入的特征提取结果通道数相同的Conv层卷积后，输出对应分支的分支特征图；

其中，各加权池化层PPool2d的计算公式为：

；

式中，为PPool2d层的尺寸， 为输入特征图上对应的 池化区域内的像素点，为对应输出特征图上的像素点，为池化计算权重；

通过上采样操作和下采样操作使所述不同尺度的特征图进行融合，得到不同尺度的强化特征图，具体包括：对所述第三分支特征图进行1×1卷积处理，得到第三下分支特征图；

对所述第三下分支特征图进行上采样处理后与所述第二分支特征图进行融合，得到第二下分支特征图；对所述第二下分支特征图进行连续1×1卷积处理后与所述第三下分支特征图进行融合，得到第三分支强化特征图；对所述第二分支特征图依次进行1×1卷积处理和上采样处理后与所述第一分支特征图进行融合，得到第一下分支特征图；对所述第一下分支特征图进行1×1卷积处理，得到第一分支增强特征图；使所述第一分支增强特征图和经过单层1×1卷积处理后的第二下分支特征图进行融合，得到第二分支强化特征图；

将不同尺度的强化特征图输入检测层进行分类预测，得到带有预测边界框及对应设备类别的变电站设备目标检测图；基于变电站设备管理规定对所述变电站设备目标检测图进行温度分析判断，得到变电站设备状态信息；

将不同尺度的强化特征图输入检测层进行分类预测，得到带有预测边界框及对应设备类别的变电站设备目标检测图，具体包括：将不同尺度的强化特征图输入检测层进行分类预测，得到初步预测的边界框及对应设备类别，基于非极大值抑制算法去除重叠的边界框，输出所述变电站设备目标检测图。

2.根据权利要求1所述的一种变电站设备状态检测方法，其特征在于，所述设备状态检测模型的训练过程包括：获取训练数据，所述训练数据包括变电站设备红外图像训练数据集及对应的变电站设备状态信息；

构建初始设备状态检测模型，将所述训练数据输入所述初始设备状态检测模型进行分类预测，并以分类预测后的初始训练结果与所述变电站设备红外图像训练数据集对应的变电站设备状态信息之间的损失最小为目标，进行训练，得到所述设备状态检测模型。

3.根据权利要求1所述的一种变电站设备状态检测方法，其特征在于，基于变电站设备管理规定对所述变电站设备目标检测图进行温度分析判断，具体包括：对所述变电站设备目标检测图中各预测边界框的像素比例进行分析，输出对应温度数据，基于变电站设备管理规定对所述温度数据进行分析判断，输出变电站设备状态信息。

4.根据权利要求3所述的一种变电站设备状态检测方法，其特征在于，对所述变电站设备目标检测图中各预测边界框的像素比例进行分析，具体包括：选取所述变电站设备目标检测图中的任一预测边界框，遍历选取的预测边界框中的灰度像素点；得到最大灰度值、最小灰度值和总像素点数量；

基于所述最大灰度值与所述总像素点数量计算最大灰度值所占比例数据；基于所述最小灰度值与所述总像素点数量计算最小灰度值所占比例数据；

将所述最大灰度值所占比例数据/最小灰度值所占比例数据与预设阈值进行比较，若最大灰度值所占比例数据/最小灰度值所占比例数据大于所述预设阈值，则保留最大灰度值/最小灰度值，若最大灰度值所占比例数据/最小灰度值所占比例数据小于所述预设阈值，则删除最大灰度值/最小灰度值；

根据灰度值和温度的对应关系计算选取的预测边界框的对应温度数据。