1.一种变电站小动物入侵监测与预警系统，其特征在于：该系统包括考虑微气象因素的图像预处理模块、基于图像识别与目标跟踪的入侵目标检测模块和无监测区域的轨迹预测模块；

所述考虑微气象因素的图像预处理模块：实时监测得到气象判断数据并对摄像机画面进行图像预处理；

所述基于图像识别与目标跟踪的入侵目标检测模块：实时对变电站内的入侵目标进行识别与跟踪，触发预警提示；具体如下：采用改进的YOLOv5s算法作为基准检测模型，采用改进型EIOU损失函数替换模型中损失函数，同时，通过替换可变形卷积的方式，提升模型识别的准确率，对变电站中的目标进行检测，判断是否为入侵小动物；

结合改进的ByteTrack多目标跟踪算法对入侵小动物的实时跟踪，将边界框宽高比替换为边界框宽度，同时，提出了遮挡目标轨迹划分，对被遮挡目标轨迹采用保留帧的策略，有效提升了被遮挡目标轨迹的连续性；

利用单目视觉测距技术完成入侵小动物在摄像机坐标系中的三维坐标位置预估，其中地面目标的测距公式如下所示：其中，dh和dw分别为测距点距离摄像机的垂直纵向距离和测距点距离摄像机的水平横向距离，H为摄像机与地面之间的高度，α为摄像机光轴与水平面之间的夹角，即俯仰角，u、v为图像中点的坐标，u0、v0为图像坐标系中原点变换到像素坐标系的位置，为图像的中心点位置，fx、fy分别为摄像机在水平向上的焦距和摄像机在垂直方向上的焦距；

所述无监测区域的轨迹预测模块：对摄像机盲区的入侵目标运动轨迹进行预测，构成完整轨迹路线；具体如下：结合变电站的三维模型，通过坐标融合公式将摄像机中入侵目标位置融入世界坐标系中，从全局角度对入侵目标的轨迹进行描述，公式如下：其中， 、 为世界坐标系中的目标位置， 、 为摄像机中的目标位置， 、 为摄像机的原点在世界坐标系中的位置， 为摄像机坐标系与世界坐标系水平轴之间的夹角；

对于无监测区域内的入侵目标不连续轨迹，采用PSO算法进行最优轨迹预测。

2.一种用于权利要求1所述的一种变电站小动物入侵监测与预警系统的方法，其特征在于：该方法包括以下步骤：S1、利用微气象监测装置获取当前环境的气象相关数据，判断当前摄像机所处环境的气象状态；

S2、依据S1所判断的气象，针对雾天与夜间环境的低亮度图像进行图像预处理；

S3、对变电站内的入侵目标进行识别，判断是否为小动物及跟踪目标的运动轨迹；

S4、结合变电站的三维模型对无监测区域轨迹进行预测。

3.根据权利要求2所述的一种用于变电站小动物入侵监测与预警系统的方法，其特征在于：步骤S1的具体步骤包括：S11、首先对监测数据中的雨量参数进行判断，若监测到雨水，则直接判定为雨天出现；

S12、若未监测到雨水，对温湿度和紫外线强度进行判断，若同时满足雾天条件，则依据时间进一步判断是否为晨露现象，代入晨露公式中进行计算，公式如下：式中，  为露点温度，为日落时的相对湿度，为日落时的温度，其中日出日落时间以紫外线强度在0时的跳变点划分；

S13、对于不满足雨天与雾天的气象，依据光强度区分多云与晴天，最终，所有监测数据及气象判断送入气象曲线中进行更新。