1.一种基于改进YOLO11s的雪天弱光环境下的绝缘子缺陷检测方法，其特征在于，包括：利用相机曝光公式对采集的第一绝缘子图像数据集进行亮度调整，形成第二绝缘子图像数据集，所述第一绝缘子图像数据集为无人机采集的绝缘子图像数据集；

利用自适应Gamma校正网络对第二绝缘子图像数据集进行亮度处理，得到第三绝缘子图像数据集；

将SPD卷积模块和MPDIOU损失函数引入YOLO11网络，获得SPD‑YOLO11s目标检测网络模型；

利用第三绝缘子图像数据集对SPD‑YOLO11s目标检测网络模型进行训练，得到最佳权重pt；

利用最佳权重pt的SPD‑YOLO11s目标检测网络模型对绝缘子缺陷进行检测；

所述将SPD卷积模块和MPDIOU损失函数引入YOLO11网络，获得SPD‑YOLO11s目标检测网络模型，包括：在YOLO11网络的主干特征提取模块中，将原有卷积下采样结构全部替换为SPD卷积模块；

在YOLO11网络的损失函数模块中，用MPDIoU损失函数替换原有的CIoU损失函数，以获得SPD‑YOLO11s目标检测网络模型；

所述MPDIoU损失函数的计算过程具体如下：

其中， 和 分别表示真实框的左上角坐标和右下角坐标， 和分别表示预测框的左上角坐标和右下角坐标，d1表示真实框的左上角点和预测框左上角点的距离，d2表示真实框的右下角点和预测框右下角点的距离，h和w分别表示图GT像的宽度和高度，IoU表示交并比损失，A为预测框的面积，A 为真实框的面积， 为目标函数，用于最小化MPDIoU损失。

2.如权利要求1所述的方法，其特征在于，所述利用自适应Gamma校正网络对第二绝缘子图像数据集进行亮度处理，得到第三绝缘子图像数据集，包括：根据第二绝缘子图像数据集中图像像素总数和每个灰度图像的像素值计算图像的平均亮度Bavg：其中，Igray(i)是灰度图像中的每个像素值，N是图像中像素的总数；

根据平均亮度动态调整Gamma值γ：

其中，γmin是Gamma的最小值，γmax是Gamma的最大值，Btarget是目标亮度值；

利用Gamma值对每个图像的像素值I(i)进行校正，得到第三绝缘子图像数据集；其中，所述利用Gamma值对每个图像的像素值I(i)进行校正，具体为：其中，Icorrected(i)是经过Gamma校正后的像素值。

3.如权利要求1所述的方法，其特征在于，在所述利用第三绝缘子图像数据集对SPD‑YOLO11s目标检测网络模型进行训练，得到最佳权重pt之后，还包括：利用最佳权重pt对SPD‑YOLO11s目标检测网络模型进行验证。

4.如权利要求3所述的方法，其特征在于，所述利用最佳权重pt对SPD‑YOLO11s目标检测网络模型进行验证，包括：将第三绝缘子图像数据集中的预设部分作为验证集，并将验证集输入到SPD‑YOLO11s模型中，利用最佳权重pt进行推理；

计算验证集上的多个评估指标以评估模型的性能。

5.一种基于权利要求1所述的基于改进YOLO11s的雪天弱光环境下的绝缘子缺陷检测装置，其特征在于，包括：调整模块，用于利用相机曝光公式对采集的第一绝缘子图像数据集进行亮度调整，形成第二绝缘子图像数据集，所述第一绝缘子图像数据集为无人机采集的绝缘子图像数据集；

校正模块，用于利用自适应Gamma校正网络对第二绝缘子图像数据集进行亮度处理，得到第三绝缘子图像数据集；

获得模块，用于将SPD卷积模块和MPDIOU损失函数引入YOLO11网络，获得SPD‑YOLO11s目标检测网络模型；

训练模块，用于利用第三绝缘子图像数据集对SPD‑YOLO11s目标检测网络模型进行训练，得到最佳权重pt；

检测模块，用于利用最佳权重pt的SPD‑YOLO11s目标检测网络模型对绝缘子缺陷进行检测。

6.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述的方法。

7.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4中任一项所述的方法。