1.一种基于DCN‑YOLO模型的树线故障识别与预警方法，其特征在于，包括以下步骤：步骤1、通过树线放电实验平台模拟真实树线放电，拍摄视频并按帧导出图片，对图片进行标签标记获得初始数据集；

步骤2、获取火焰、电缆、树枝数据集对初始数据集进行扩充组成增强数据集，并将其划分为训练集、验证集和测试集；

步骤3、基于DCN‑YOLO模型进行数据增强、通道注意力机制改进、损失函数样本权重平衡改进；

所述步骤3具体包括以下步骤：

步骤3.1、构建DCN‑YOLO模型，包括主干网络backbone，用于从输入图像中提取特征，头部网络Head，用于目标检测模型的决策并产生最终的检测结果，颈部网络Neck，用于进行特征融合和增强，并引入可变形卷积DCNv3提升处理复杂形变目标的性能；

步骤3.2、对数据集的颜色属性进行随机调整，增强DCN‑YOLO模型对不同光照和颜色条件下目标的识别能力，同时使图像随机旋转最多15度，模拟目标在图像中可能出现的不同朝向，并从数据集原图中随机裁剪出一个区域，调整到224x224的大小用于DCN‑YOLO模型学习目标的不同尺寸和比例；对数据集图像应用高斯模糊，模拟不同焦距下的图像，增强DCN‑YOLO模型对细节的不变性；

步骤3.3、在DCN‑YOLO模型中集成一个通道注意力机制，通过全局平均池化和全局最大池化分别获取特征图的全局信息，再通过两个1×1的卷积全连接层和ReLU激活函数学习通道之间的权重关系，最后使用Sgmoid函数将输出压缩到[0,1]区间，作为通道的注意力权重；

步骤3.4、通过焦点损失函数对DCN‑YOLO模型进行改进，减少易分类样本的权重并增加难分类样本的权重；

步骤4、将增强数据集输入改进后的模型进行训练和验证，获取最高评价指标mAP50和mAP50‑90数值，得到树线故障监测预警模型；

步骤5、将树线故障监测预警模型接入输电杆塔监控系统，当监测到输电线路上存在树枝和火焰或二者之一时将触发报警系统。

2.根据权利要求1所述的基于DCN‑YOLO模型的树线故障识别与预警方法，其特征在于，在步骤1中，通过在输电线路周围架设的图像采集设备获取树线故障发生时图像数据，所述图像采集设备包括可移动摄像机、杆塔固定节点设置的可视化监拍设备；所述初始数据集指标签标记后的火焰、电缆、树枝标签的数据集。

3.根据权利要求1所述的基于DCN‑YOLO模型的树线故障识别与预警方法，其特征在于，在步骤3.3中，全局平均池化具体如下：式中：F是输入特征图，H和W分别是特征图的高度和宽度，c是通道索引；

全局最大池化具体如下：

ReLU激活函数具体如下：

ReLU(x)＝max(0,x)

Sigmoid函数具体如下：

式中：e是自然对数的底数x是输入值；

在步骤3.4中，焦点损失函数具体如下：

γ

FocalLoss(pt)＝‑α(1‑pt) log (pt)

式中：pt是模型对于每个类别的预测概率，对于正样本，pt是模型预测为正类的置信度；

对于负样本，pt是模型预测为负类的置信度；αt是平衡正负样本权重的系数；γ是调节易分类样本和难分类样本权重的聚焦参数。

4.根据权利要求1所述的基于DCN‑YOLO模型的树线故障识别与预警方法，其特征在于，在步骤4中，通过调整改进算法中数据增强、注意力机制和损失函数参数使模型达到理想状态，得到训练优化后的DCN‑YOLO模型，并部署到实际应用中，进行树线故障识别任务。

5.根据权利要求4所述的基于DCN‑YOLO模型的树线故障识别与预警方法，其特征在于，在步骤5中，所述报警系统指当训练优化后的DCN‑YOLO模型识别到火焰和树枝时分别输出flame和branch，将flame和branch作为触发报警的输入信号进入报警系统，完成对树线故障的预警。

6.根据权利要求5所述的基于DCN‑YOLO模型的树线故障识别与预警方法，其特征在于，对树线故障的预警包括一次预警和二次报警，当训练优化后的DCN‑YOLO模型只识别到树枝并输出branch时，触发一次预警，当训练优化后的DCN‑YOLO模型识别到火焰并输出flame时，触发二次报警。