1.一种输电线路电力部件及异常目标检测方法，其特征在于，包括：步骤1、特征提取阶段，将ResNet101主干特征提取网络替换为MobileNetV3；步骤2、解码阶段，将MobileNetV3特征提取网络中的bottleneck3、bottleneck5和bottleneck7结构输出的特征输入特征增强结构中，将特征增强结构的输出特征与上采样层特征通过残差注意力融合的方式进行特征融合；步骤3、训练阶段，将目标的真值框编码为物体的中心点坐标和物体的尺寸信息，通过椭圆高斯散射核将物体的中心点投射到热力图上。

2.根据权利要求1所述的输电线路电力部件及异常目标检测方法，其特征在于，步骤1具体包括：步骤1.1、输入512×512的三通道电力巡检图像到MobileNetV3网络，经过3×3卷积、七个bottleneck结构得到的特征图大小为16×16，通道数为320；步骤1.2、步骤1.1中的bottleneck与ResNet的残差块不同，步骤1.1的bottleneck采用的是倒残差结构，对输入特征矩阵，通过1×1卷积进行升维，增加通道大小，通过3×3深度卷积进行处理，通过1×1卷积进行降维，MobileNetV3在MobileNetV2结构的基础上引入SE通道注意力模块，SE模块构建通道之间的相互依赖关系。

3.根据权利要求2所述的输电线路电力部件及异常目标检测方法，其特征在于，步骤2具体包括：步骤2.1、将特征提取网络的bottleneck3、bottleneck5、bottleneck7层特征输入特征增强结构，分别输出具有关注通道级的特征和具有多尺度感受野的特征，提升网络模型对小目标及多尺度目标的检测能力；步骤2.2、将MobileNetV3结构中bottleneck3层输出的特征分成两条路径，其中一条路径将特征变换通道和尺寸后与bottleneck5输出特征相加，得到中间级特征，另一条路径是bottleneck3输出的特征直连高效的通道注意力机制ECA，以获得对通道特征的关注；在bottleneck5层和高效的通道注意力ECA之间添加一条跨越支路；对bottleneck7输出的特征和中间级特征相加，将此特征通过空洞空间金字塔结构获取多尺度特征的提取；步骤2.3、为解决CenterNet在解码网络特征恢复阶段通过求和运算无法完全拟合两个相近特征的问题，设计一种残差注意力特征融合模块RAFF；将步骤2.1中的三个特征经过步骤2.2设计的特征增强结构后输出特征A{A1,A2,A3}，将跳跃支路、反卷积层1和反卷积层2的输出特征记作B{B1,B2,B3}；使用RAFF模块拟合连个特征集A与特征集B。

4.根据权利要求3所述的输电线路电力部件及异常目标检测方法，其特征在于，步骤3具体包括：引入椭圆高斯核生成热力图标签引导目标检测中预测框的定位，相比于圆形高斯核，椭圆高斯核对于长宽比例不一致的目标能更好的使预测框准确地匹配目标的真值框，椭圆高斯核函数Yxyc包括：其中， 为第一中间变量,W表示目标的宽度，

为第二中间变量，H表示目标的高度，min_iou取最小交并比为0.7，x为目标的中心点横坐标，y为目标的中心点纵坐标， 为预测的目标中心的横坐标， 为预测的目标中心的纵坐标。

5.一种输电线路电力部件及异常目标检测装置，其特征在于，包括：第一主模块，用于实现步骤1、特征提取阶段，将ResNet101主干特征提取网络替换为MobileNetV3；第二主模块，用于实现步骤2、解码阶段，将MobileNetV3特征提取网络中的bottleneck3、bottleneck5和bottleneck7结构输出的特征输入特征增强结构中，将特征增强结构的输出特征与上采样层特征通过残差注意力融合的方式进行特征融合；第三主模块，用于实现步骤3、训练阶段，将目标的真值框编码为物体的中心点坐标和物体的尺寸信息，通过椭圆高斯散射核将物体的中心点投射到热力图上。

6.一种电子设备，其特征在于，包括：

至少一个处理器、至少一个存储器和通信接口；其中，

所述处理器、存储器和通信接口相互间进行通信；

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以执行权利要求1至4任一项权利要求所述的方法。

7.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行权利要求1至4中任一项权利要求所述的方法。