1.输电导线防鸟粪闪络绝缘套破损预警方法，其特征在于，包括具体步骤如下：

S1：构建输电导线防鸟粪闪络绝缘套破损检测原始数据集，或使用现有的绝缘套破损检测数据集，采集不同环境下的绝缘套破损图像数据，并对采集到的图像数据进行人工标注，使用标注工具对破损区域的位置进行框选并进行标签标注；

S2：对输电导线防鸟粪闪络绝缘套破损检测原始数据集进行预处理，得到预处理后的绝缘套破损数据集；对绝缘套破损数据集进行划分，得到训练集、验证集和测试集；

S3：构建输电导线防鸟粪闪络绝缘套破损检测网络ISDI-Net；

S4：在构建的输电导线防鸟粪闪络绝缘套破损预警网络ISDI-Net模型基础上，训练并更新各层的参数，初始化所有神经网络参数，设置模型相关的超参数，包括训练轮次、批处理大小、权重衰减系数、学习率以及总迭代次数；

S5：输电导线防鸟粪闪络绝缘套破损预警模型训练完成后，应用训练好的ISDI-Net模型对输电线路图像进行绝缘套破损检测，最终输出检测结果，包括破损区域的边界框坐标、破损类型标签及置信度分数，为电力设备运维提供精准预警信息；

所述S3构建输电导线防鸟粪闪络绝缘套破损检测网络ISDI-Net的具体步骤如下：

S31：将数据增强后的绝缘套破损数据集中的图像输入至多级自适应特征融合模块，得到绝缘套破损区域的破损增强特征图F17；

S32：将F17输入至Ghost逐点卷积多尺度特征融合模块中，得到绝缘套损伤特征图T9；

S33：将T9输入至分组卷积与协调注意力残差扩展模块中；

所述Ghost逐点卷积多尺度特征融合模块的构建与执行过程如下：

S321：对输入特征图F17进行Conv 1×1卷积操作和批归一化和LeakyReLU激活函数进行处理，生成初步的绝缘套损伤特征图T1；

S322：将T1分流为三条特征处理路径：在路径一中，经过Conv 1×1卷积操作，生成绝缘套损伤特征图T2；对T2进行DWConv 5×5卷积操作，得到绝缘套损伤特征图T5；在路径二中，对T1进行DWConv 3×3卷积操作，生成绝缘套损伤特征图T3；在路径三中，对T1进行GhostConv卷积操作得到绝缘套损伤特征图T4；对T4进行Conv 3×3卷积操作，得到绝缘套损伤特征图T6；同时，对T4进行Conv 1×1卷积操作，得到绝缘套损伤特征图T7；

S323：将T2、T3、T5、T6和T7通过Concat操作沿通道维度拼接，得到融合后的绝缘套损伤特征图T8；

S324：利用卷积运算GhostConv对T8进行进一步处理，获得更为紧凑且具备高效表达能力的绝缘套损伤特征图T9，从而完成多尺度特征的融合和优化。

2.根据权利要求1所述的输电导线防鸟粪闪络绝缘套破损预警方法，其特征在于，所述S2的具体步骤如下：S21：对绝缘套破损检测原始数据集中的绝缘套图像进行裁剪至统一大小，然后对所有绝缘套图像进行数据增强处理，得到数据增强后的绝缘套破损数据集；对绝缘套图像进行数据增强处理的目的在于增加数据集的规模，并增强破损检测模型的鲁棒性，降低模型对环境变化的敏感度；

S22：将经过数据增强处理后的绝缘套破损数据集划分为训练集、验证集和测试集，以便后续对基于深度学习的绝缘套破损检测模型进行训练。

3.根据权利要求1所述的输电导线防鸟粪闪络绝缘套破损预警方法，其特征在于，所述多级自适应特征融合模块的构建和运行过程如下：S311：对输电导线防鸟粪闪络绝缘套图像进行CBS操作进行处理，以获得破损增强特征图F1，随后，将F1输入至第一自适应特征融合模块进行特征提取，生成破损增强特征图F2，并通过Conv3×3卷积操作提取更深层次的局部特征，得到破损增强特征图F3，同时，对F1进行Conv3×3卷积操作，得到破损增强特征图F5；

S312：采用残差连接方式，将F3与F5逐元素相加，形成破损增强特征图F6，然后，将F6再次输入至第一自适应特征融合模块进行特征提取，获得破损增强特征图F7，对F7进行Conv3×3卷积操作，得到破损增强特征图F8，最后对F8进行Conv1×1卷积操作，得到破损增强特征图F9；

S313：利用Sigmoid激活函数对F5进行归一化处理，得到注意力权重，将注意力权重对F5进行加权运算，得到破损增强特征图F10，并通过Conv5×5卷积操作对F10进一步提取全局信息，得到破损增强特征图F11；

S314：采用残差连接方式，将F11与F9逐元素相加，形成破损增强特征图F12，将F12输入第二自适应特征融合模块进行深层次自适应特征提取，生成破损增强特征图F13，并对F13进行5×5卷积以增强特征表达能力，得到破损增强特征图F14；

S315：将F11输入至第一自适应特征融合模块进行特征提取，得到破损增强特征图F15，对F15进行Conv1×1卷积操作，生成破损增强特征图F16，最终，通过逐元素加法融合F14和F16，获得最终输出破损增强特征图F17。

4.根据权利要求3所述的输电导线防鸟粪闪络绝缘套破损预警方法，其特征在于，所述第一自适应特征融合模块的构建与运行过程如下：对F1 进行 Conv1×1 卷积操作，提取初步特征，生成自适应融合特征图 X1，接着，X1经过两条不同的路径进行特征处理：在路径一中，X1 通过可变形卷积提取局部特征，得到自适应融合特征图X2，随后将X2经过 Sigmoid 激活函数生成自适应权重图；将X2与自适应权重图逐元素相乘，得到自适应融合特征图X3；

在路径二中，X1 先通过可变形卷积提取特征，得到自适应融合特征图X4，再将X4通过最大池化操作增强特征的鲁棒性，得到自适应融合特征图 X5；然后，对X5进行上采样，得到自适应融合特征图 X6，将X3和X6沿通道维度进行拼接，得到自适应融合特征图 X7，随后，对X7进行 Conv1×1 卷积操作，得到最终输出自适应融合特征图 F2。

5.根据权利要求3所述的输电导线防鸟粪闪络绝缘套破损预警方法，其特征在于，所述第二自适应特征融合模块的构建与运行过程如下：对F12进行Conv3×3卷积操作，提取初步特征，生成自适应融合特征图Z1，接着，Z1经过两条不同的路径进行特征处理：在路径一中，Z1通过可变形卷积提取局部特征，得到自适应融合特征图Z2，随后将Z2经过Sigmoid激活函数生成自适应权重图；将Z2与自适应权重图逐元素相乘，得到自适应融合特征图Z3；

在路径二中，Z1 先通过可变形卷积提取特征，得到自适应融合特征图Z4，再将Z4通过平均池化操作增强特征的鲁棒性，得到自适应融合特征图 Z5，然后，对Z5进行上采样，得到自适应融合特征图 Z6，将Z3和Z6沿通道维度进行拼接，得到自适应融合特征图 Z7，随后，对Z7进行 Conv1×1 卷积操作，得到最终输出自适应融合特征图 F13。

6.根据权利要求1所述的输电导线防鸟粪闪络绝缘套破损预警方法，其特征在于，所述分组卷积与协调注意力残差扩展模块的构建与执行过程如下：S331：对输入特征图T9进行CBS处理，生成绝缘套缺陷感知特征图A1，接着，对A1进行特征分流，分为A2、A3、A4三条特征处理路径：在路径一中，将A2经过Conv 1×1卷积操作，生成绝缘套缺陷感知特征图A5；在路径二中，采用残差连接方式，将A5与A3逐元素相加，形成绝缘套缺陷感知特征图A6，将A6通过Conv 1×1卷积操作生成特征图A7；在路径三中，采用残差连接方式，将A4与A7逐元素相加，形成绝缘套缺陷感知特征图A8，将A8输入第一个分组卷积与协调注意力层进行进一步处理，生成绝缘套缺陷感知特征图A9，将A9输入第二个分组卷积与协调注意力层进行进一步处理，生成绝缘套缺陷感知特征图A10，将A10输入第三个分组卷积与协调注意力层进行进一步处理，生成绝缘套缺陷感知特征图A11；

S332：将A5、A7、A11进行拼接操作，得到绝缘套缺陷感知特征图A12，将特征图A5、A7、A11通过Concat操作沿通道维度进行拼接，得到最终融合后的绝缘套缺陷感知特征图A12，将A12通过Conv 1×1卷积操作生成绝缘套缺陷感知特征图A13，将A13输入目标检测头Head中，运用Head对A13进行检测，输出包含检测信息的张量，每一行对应一个检测结果，所述检测结果是对输电导线防鸟粪闪络绝缘套破损检测结果，包括破损区域的边界框坐标、破损类型标签及置信度分数。

7.根据权利要求6所述的输电导线防鸟粪闪络绝缘套破损预警方法，其特征在于，所述分组卷积与协调注意力层的构建与运行过程如下：S3311：对输入特征图A8进行Conv 1×1卷积操作，调整通道数并提取初步特征，生成注意力优化特征图S1；

S3312：对特征图S1进行分组卷积操作，通过分组卷积进一步提取不同通道的特征，生成注意力优化特征图S2，对S2进行Conv 1×1卷积操作，并进一步优化特征图的表达，生成注意力优化特征图S3；

S3313：通过协调注意力机制对S3进行处理，通过协调特征的空间信息和通道信息来增强关键区域的特征，生成注意力优化特征图S4，对S4进行平均池化，生成最终的注意力优化特征图A9，从而完成多尺度特征的整合和优化。