1.一种变电站设备的异物识别方法，其特征在于，包括：获取目标变电站设备的设备图像;对所述设备图像进行特征提取，以获取所述目标变电站设备的特征图像；基于所述设备图像生成变电站设备关系图；对所述特征图像对应的嵌入特征图以及所述变电站设备关系图进行特征映射，得到特征映射关系；基于所述特征映射关系对所述目标变电站设备进行异物识别，并获取识别结果，所述设备关系图用于定义所述变电站设备图像中变电站设备间关系，基于所述设备图像生成变电站设备关系图，包括：生成所述设备图像对应的多个候选框节点；搜索多个所述候选框节点中每一个候选框节点的相邻节点；将所述每一个候选框节点与其相邻节点相连，得到所述变电站设备关系图，所述嵌入特征图是将所述特征图像中的图像特征进行基于自注意力机制的特征融合得到的图像。
2.根据权利要求1所述的方法，其特征在于，对所述设备图像进行特征提取，以获取所述目标变电站设备的特征图像，包括：通过深度自注意力网络模型对所述设备图像进行特征提取，得到所述特征图像，其中，所述深度自注意力网络模型为使用多组训练数据通过机器学习训练得到的，多组所述训练数据中的每一组训练数据均包括：历史设备图像以及历史特征图像。
3.根据权利要求1所述的方法，其特征在于，对所述特征图像对应的嵌入特征图以及所述变电站设备关系图进行特征映射，得到特征映射关系，包括：对所述嵌入特征图进行解码，得到解码后的嵌入特征图；对所述解码后的嵌入特征图以及所述变电站设备关系图进行特征映射，得到所述特征映射关系。
4.根据权利要求1至3中任一项所述的方法，其特征在于，在基于所述特征映射关系对所述目标变电站设备进行异物识别，并获取识别结果之后，所述方法还包括：对所述识别结果进行误差分析，以获取误差结果；基于所述误差结果利用预定算法进行优化，得到优化后的识别结果。
5.一种变电站设备的异物识别装置，其特征在于，包括：获取模块，用于获取目标变电站设备的设备图像;提取模块，用于对所述设备图像进行特征提取，以获取所述目标变电站设备的特征图像；生成模块，用于基于所述设备图像生成变电站设备关系图；映射模块，用于对所述特征图像对应的嵌入特征图以及所述变电站设备关系图进行特征映射，得到特征映射关系；识别模块，用于基于所述特征映射关系对所述目标变电站设备进行异物识别，并获取识别结果，所述设备关系图用于定义所述变电站设备图像中变电站设备间关系，所述生成模块，包括：生成单元，用于生成所述设备图像对应的多个候选框节点；搜索单元，用于搜索多个所述候选框节点中每一个候选框节点的相邻节点；连接单元，用于将所述每一个候选框节点与其相邻节点相连，得到所述变电站设备关系图，所述嵌入特征图是将所述特征图像中的图像特征进行基于自注意力机制的特征融合得到的图像。
6.根据权利要求5所述的装置，其特征在于，所述提取模块，包括：提取单元，用于通过深度自注意力网络模型对所述设备图像进行特征提取，得到所述特征图像，其中，所述深度自注意力网络模型为使用多组训练数据通过机器学习训练得到的，多组所述训练数据中的每一组训练数据均包括：历史设备图像以及历史特征图像。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序被处理器运行时控制所述计算机可读存储介质所在设备执行上述权利要求1至4中任一项所述的变电站设备的异物识别方法。
8.一种处理器，其特征在于，所述处理器用于运行计算机程序，其中，所述计算机程序运行时执行上述权利要求1至4中任一项所述的变电站设备的异物识别方法。
