1.一种绝缘子串状态识别方法，其特征在于，包括：获取待检测的绝缘子串图片；通过预设的纹理特征提取模型提取所述绝缘子串图片的多个纹理特征；分别计算每个所述纹理特征与多个预设的树形数据结构内的树形特征之间的相似度；所述多个预设的树形数据结构由聚类簇内各个纹理特征对应的纹理向量按照绝缘子串状态类型分别构建得到；所述绝缘子串状态类型包括绝缘子串正常、绝缘子串掉片和绝缘子串缺陷；按照所述相似度将所述纹理特征归类至各个所述树形数据结构对应的纹理状态，并实时统计各个所述纹理状态的归类数量，该步骤包括：选取所述纹理特征与多个预设的树形数据结构内的树形特征之间的最大相似度对应的所述树形数据结构，将所述树形数据结构对应的纹理状态作为所述纹理特征的纹理状态，并实时统计各个所述纹理状态的归类数量；选取最大的所述归类数量对应的纹理状态作为所述绝缘子串图片对应的目标绝缘子串状态；所述树形数据结构的构建流程，包括：获取多个初始绝缘子串状态图片，并按照预设的绝缘子串状态类型标注所述初始绝缘子串状态图片，得到初始训练样本集；通过预设的目标检测模型对所述初始训练样本集进行目标检测，得到所述初始训练样本集内各个初始绝缘子串状态图片对应的可信度值；通过预设的时间序列检测模型对所述初始训练样本集进行时序目标检测，结合所述可信度值，得到目标训练样本集；通过所述纹理特征提取模型提取所述目标训练样本集对应的纹理特征，并进行聚类，构建对应的所述树形数据结构；其中，所述通过所述纹理特征提取模型提取所述目标训练样本集对应的纹理特征，并进行聚类，构建对应的所述树形数据结构的步骤，包括：通过所述纹理特征提取模型的卷积层分别提取所述目标训练样本集内各个所述目标绝缘子串状态图片对应的纹理特征，得到所述目标训练样本集对应的纹理集；按照所述纹理特征对应的绝缘子串状态类型对所述纹理集内各个纹理特征对应的纹理向量进行聚类，结合预设的聚类中心数量，得到各个所述绝缘子串状态类型对应的聚类簇；将所述聚类簇内各个的纹理向量设置为对应的树形特征；将所述聚类簇对应的绝缘子串状态类型作为所述树形特征对应的纹理状态；按照所述聚类簇对应的所述树形特征和所述树形特征对应的纹理状态，构建对应的树形数据结构。
2.根据权利要求1所述的绝缘子串状态识别方法，其特征在于，所述获取多个初始绝缘子串状态图片，并按照预设的绝缘子串状态类型标注所述初始绝缘子串状态图片，得到初始训练样本集的步骤，包括：获取至少一个绝缘子串图像采集装置采集的多个初始绝缘子串状态图片；按照预设的绝缘子串状态类型对各个所述初始绝缘子串状态图片进行标注；扩增标注后的所述初始绝缘子串状态图片，得到初始训练样本集。
3.根据权利要求1所述的绝缘子串状态识别方法，其特征在于，预设的目标检测模型包括目标检测层；所述通过预设的目标检测模型对所述初始训练样本集进行目标检测，得到所述初始训练样本集内各个初始绝缘子串状态图片对应的可信度值的步骤，包括：获取所述初始训练样本集内每个初始绝缘子串状态图片对应的绝缘子串真实值；通过所述目标检测层获取所述初始绝缘子串状态图片对应的绝缘子串预测值，结合对应的绝缘子串真实值计算，得到对应的交并比；将满足预设可信阈值的所述交并比作为所述初始绝缘子串状态图片的可信度值。
4.根据权利要求1所述的绝缘子串状态识别方法，其特征在于，所述通过预设的时间序列检测模型对所述初始训练样本集进行时序目标检测，结合所述可信度值，得到目标训练样本集的步骤，包括：按照所述初始训练样本集内各个初始绝缘子串状态图片对应的可信度值，标注所述初始绝缘子串状态图片对应的子串状态；将所述初始训练样本集内的初始绝缘子串状态图片按照采集顺序输入预设的时间序列检测模型，并输入每个所述初始绝缘子串状态图片对应的所述可信度值与排在其前面的各个可信度的差值；通过所述时间序列检测模型将各个所述初始绝缘子串状态图片对应的所述可信度值、所述差值和所述子串状态进行线性回归计算，得到计算结果；将所述计算结果与预设阈值进行比较，得到比较结果；按照所述比较结果，结合所述绝缘子串状态类型，更新所述初始绝缘子串状态图片对应的绝缘子串状态类型，得到目标训练样本集。
5.根据权利要求1所述的绝缘子串状态识别方法，其特征在于，所述分别计算每个所述纹理特征与多个预设的树形数据结构内的树形特征之间的相似度的步骤，包括：分别计算每个所述纹理特征对应的纹理向量与多个预设的树形数据结构内的树形特征对应的纹理向量之间的距离值；将各个所述距离值按预设的相似度转换公式进行相似度转换，得到所述距离值对应的相似度。
6.一种绝缘子串状态识别系统，其特征在于，包括：绝缘子串图片获取模块，用于获取待检测的绝缘子串图片；纹理特征提取模块，用于通过预设的纹理特征提取模型提取所述绝缘子串图片的多个纹理特征；相似度计算模块，用于分别计算每个所述纹理特征与多个预设的树形数据结构内的树形特征之间的相似度；所述多个预设的树形数据结构由聚类簇内各个纹理特征对应的纹理向量按照绝缘子串状态类型分别构建得到；所述绝缘子串状态类型包括绝缘子串正常、绝缘子串掉片和绝缘子串缺陷；纹理状态归类和归类数量统计模块，用于按照所述相似度将所述纹理特征归类至各个所述树形数据结构对应的纹理状态，并实时统计各个所述纹理状态的归类数量，该步骤包括：选取所述纹理特征与多个预设的树形数据结构内的树形特征之间的最大相似度对应的所述树形数据结构，将所述树形数据结构对应的纹理状态作为所述纹理特征的纹理状态，并实时统计各个所述纹理状态的归类数量；目标绝缘子串状态选取模块，用于选取最大的所述归类数量对应的纹理状态作为所述绝缘子串图片对应的目标绝缘子串状态；所述系统还包括：初始训练样本集得到模块，用于获取多个初始绝缘子串状态图片，并按照预设的绝缘子串状态类型标注所述初始绝缘子串状态图片，得到初始训练样本集；可信度值得到模块，用于通过预设的目标检测模型对所述初始训练样本集进行目标检测，得到所述初始训练样本集内各个初始绝缘子串状态图片对应的可信度值；目标训练样本集得到模块，用于通过预设的时间序列检测模型对所述初始训练样本集进行时序目标检测，结合所述可信度值，得到目标训练样本集；树形数据结构构建模块，用于通过所述纹理特征提取模型提取所述目标训练样本集对应的纹理特征，并进行聚类，构建对应的所述树形数据结构；其中，所述树形数据结构构建模块包括：纹理集得到模块，用于通过所述纹理特征提取模型的卷积层分别提取所述目标训练样本集内各个所述目标绝缘子串状态图片对应的纹理特征，得到所述目标训练样本集对应的纹理集；聚类簇得到模块，用于按照所述纹理特征对应的绝缘子串状态类型对所述纹理集内各个纹理特征对应的纹理向量进行聚类，结合预设的聚类中心数量，得到各个所述绝缘子串状态类型对应的聚类簇；树形特征设置模块，用于将所述聚类簇内各个的纹理向量设置为对应的树形特征；纹理状态设置模块，用于将所述聚类簇对应的绝缘子串状态类型作为所述树形特征对应的纹理状态；树形数据结构构建子模块，用于按照所述聚类簇对应的所述树形特征和所述树形特征对应的纹理状态，构建对应的树形数据结构。
7.一种电子设备，其特征在于，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1-5任一项所述的绝缘子串状态识别方法的步骤。
