1.一种基于类别余弦映射的绝缘子故障检测方法，其特征在于，包括：

绝缘子故障检测模型训练步骤，从真实数据集合与合成数据集合中获取图像数据、故障标签以及类别标签；利用类别余弦偏置编码将类别偏置编码进图像数据获得编码结果，利用特征提取网络提取编码结果中的空间特征；利用类别余弦偏置解码缓解空间特征中的偏置信息以获得类别特征，利用多标签分类器获取类别特征与类别标签的分类损失；利用分割解码器获取空间特征与故障标签的掩码损失；基于分类损失与掩码损失对绝缘子故障检测模型进行优化，完成模型训练；

绝缘子故障检测步骤，使用训练好的绝缘子故障检测模型对待检测图像数据进行故障检测；

利用类别余弦偏置编码将类别偏置编码进图像数据获得编码结果，利用特征提取网络提取编码结果中的空间特征，如下所示：；

其中， 为余弦初始化所得的类别余弦权重，高度为H，宽度为W的3张类别余弦权重图分别属于类别标签t的3个类，qd,i,j指示第d通道的类别余弦权重图的高度序号为i，宽度序号为j的权重值；tb,d为第b份样本的第d通道指示的类别，B表示样本份数；Norm为正则化函数；xb,c,i,j为图像数据x在第b份样本中，第c通道上，高度序号为i，宽度序号为j的空间位置的值； 为利用类别余弦权重q对图像数据x进行类别余弦偏置编码后的编码结果，yb,c,i,j为映射数据在第b份样本中，第c通道上，高度序号为i，宽度序号为j的空间位置的值；Net为特征提取网络，对映射数据进行特征提取所得的结果为空间特征空间特征的通道数为C，高度为h，宽度为w；

利用类别余弦偏置解码缓解空间特征中的偏置信息以获得类别特征，利用多标签分类器获取类别特征与类别标签的分类损失，如下所示：；

其中， 为余弦初始化所得的复原余弦权重，其等价于类别余弦权重q的缩放版本，即类别余弦权重的高度从H缩放为h，宽度从W缩放为w；pd,i,j指示第d通道的复原余弦权重图的高度序号为i，宽度序号为j的权重值；复原余弦权重p用于将类别余弦偏置编码的结果进行解码；zb,c,i,j为空间特征z在第b份样本中，第c通道上，高度序号为i，宽度序号为j的空间位置的值； 为解码后的类别特征，rb,c为类别特征中第b份样本的第c通道的值；

多标签分类器包含交叉熵损失函数CEL、多标签概率映射方法Sigmoid与分类器Classifier三个部分，分类器Classifier用于将类别特征与类别标签对齐，多标签概率映射方法Sigmoid用于独立的映射类别特征至类别概率，交叉熵损失函数CEL用于计算类别概率与类别标签的损失值；Lcls为多标签分类器计算得到的分类损失； 为类别标签；

利用分割解码器获取空间特征与故障标签的掩码损失，如下所示：

m

Lmask＝CEL(Softmax(Decoder(z)),s)；

m

其中，分割解码器包含掩码交叉熵损失函数CEL 、概率映射方法Softmax与解码器Decoder三个部分，解码器Decoder用于将空间特征与故障标签对齐，概率映射方法Softmaxm用于映射空间特征至空间类别概率，掩码交叉熵损失函数CEL用于计算空间类别概率与故障标签的损失值；Lmask为分割解码器计算得到的掩码损失； 为故障标签。

2.根据权利要求1所述的基于类别余弦映射的绝缘子故障检测方法，其特征在于，从真实数据集合与合成数据集合中获取图像数据、故障标签以及类别标签，如下所示：(x,s,t)～RS(S1∪S2,B)；

其中，S1与S2分别为真实数据集合与合成数据集合，真实数据集合S1包括无绝缘子的背景图片、正常绝缘子图片与故障绝缘子图片，合成数据集合S2为高空电塔背景下的故障绝缘子图片；RS为随机采样方法，～RS表示利用RS方法进行采样，(x,s,t)～RS(S1∪S2,B)表示在S1与S2的并集中随机采样B份样本作为一个训练批次的训练数据，采样结果为(x,s,t)；

为B份样本的图像数据；图像数据与故障标签的高度均为H，宽度均为W；故障标签 为二值掩码图，空间位置的掩码值为0时表示该位置不属于故障绝缘子，空间位置的掩码值为1时表示该位置属于故障绝缘子；类别标签 用3个通道表示样本是否存在正常绝缘子、是否存在异常绝缘子、是否为合成图像。

3.根据权利要求1所述的基于类别余弦映射的绝缘子故障检测方法，其特征在于，基于分类损失与掩码损失对绝缘子故障检测模型进行优化的方法为随机梯度下降法。

4.根据权利要求1所述的基于类别余弦映射的绝缘子故障检测方法，其特征在于，使用训练好的绝缘子故障检测模型对待检测图像数据进行故障检测，具体包括：将待检测图像数据输入至训练好的特征提取网络获取空间特征，将空间特征输入至分割解码器，分割解码器计算到空间类别概率时输出，将空间类别概率值大于等于预设概率值的位置置1，小于预设概率值的位置置0，所获得的二值掩码图即为绝缘子故障检测结果，值为1表示该位置存在绝缘子故障。

5.一种基于类别余弦映射的绝缘子故障检测装置，其特征在于，包括：

绝缘子故障检测模型训练模块，用于从真实数据集合与合成数据集合中获取图像数据、故障标签以及类别标签；利用类别余弦偏置编码将类别偏置编码进图像数据获得编码结果，利用特征提取网络提取编码结果中的空间特征；利用类别余弦偏置解码缓解空间特征中的偏置信息以获得类别特征，利用多标签分类器获取类别特征与类别标签的分类损失；利用分割解码器获取空间特征与故障标签的掩码损失；基于分类损失与掩码损失对绝缘子故障检测模型进行优化，完成模型训练；

绝缘子故障检测模块，用于使用训练好的绝缘子故障检测模型对待检测图像数据进行故障检测；

利用类别余弦偏置编码将类别偏置编码进图像数据获得编码结果，利用特征提取网络提取编码结果中的空间特征，如下所示：；

其中， 为余弦初始化所得的类别余弦权重，高度为H，宽度为W的3张类别余弦权重图分别属于类别标签t的3个类，qd,i,j指示第d通道的类别余弦权重图的高度序号为i，宽度序号为j的权重值；tb,d为第b份样本的第d通道指示的类别，B表示样本份数；Norm为正则化函数；xb,c,i,j为图像数据x在第b份样本中，第c通道上，高度序号为i，宽度序号为j的空间位置的值； 为利用类别余弦权重q对图像数据x进行类别余弦偏置编码后的编码结果，yb,c,i,j为映射数据在第b份样本中，第c通道上，高度序号为i，宽度序号为j的空间位置的值；Net为特征提取网络，对映射数据进行特征提取所得的结果为空间特征空间特征的通道数为C，高度为h，宽度为w；

利用类别余弦偏置解码缓解空间特征中的偏置信息以获得类别特征，利用多标签分类器获取类别特征与类别标签的分类损失，如下所示：；

其中， 为余弦初始化所得的复原余弦权重，其等价于类别余弦权重q的缩放版本，即类别余弦权重的高度从H缩放为h，宽度从W缩放为w；pd,i,j指示第d通道的复原余弦权重图的高度序号为i，宽度序号为j的权重值；复原余弦权重p用于将类别余弦偏置编码的结果进行解码；zb,c,i,j为空间特征z在第b份样本中，第c通道上，高度序号为i，宽度序号为j的空间位置的值； 为解码后的类别特征，rb,c为类别特征中第b份样本的第c通道的值；

多标签分类器包含交叉熵损失函数CEL、多标签概率映射方法Sigmoid与分类器Classifier三个部分，分类器Classifier用于将类别特征与类别标签对齐，多标签概率映射方法Sigmoid用于独立的映射类别特征至类别概率，交叉熵损失函数CEL用于计算类别概率与类别标签的损失值；Lcls为多标签分类器计算得到的分类损失； 为类别标签；

利用分割解码器获取空间特征与故障标签的掩码损失，如下所示：

m

Lmask＝CEL(Softmax(Decoder(z)),s)；

m

其中，分割解码器包含掩码交叉熵损失函数CEL 、概率映射方法Softmax与解码器Decoder三个部分，解码器Decoder用于将空间特征与故障标签对齐，概率映射方法Softmaxm用于映射空间特征至空间类别概率，掩码交叉熵损失函数CEL用于计算空间类别概率与故障标签的损失值；Lmask为分割解码器计算得到的掩码损失； 为故障标签。