1.一种电缆及其附件的故障诊断方法，其特征在于，包括：获取待诊断区域的图像信息，并将所述待诊断区域的图像信息输入预设的神经网络模型进行格式转化处理，得到预测区域的图像；对所述待诊断区域的图像信息与对应的预测区域的图像进行叠加融合处理，得到目标图像；通过随机框选所述目标图像内的图像，根据框选的图像内对应的温度值计算对应的温度梯度值，并根据所述温度梯度值确定该框选图像内是否存在故障，若存在故障，则判定该区域内的电缆及其附件存在故障；其中，所述得到预测区域的图像，具体包括：对获取的待诊断区域的图像信息进行尺寸修改，得到符合预设尺寸的红外图像；通过预设的神经网络模型分别识别待诊断区域的图像信息和符合预设尺寸的红外图像中的对应的区域，经过卷积池化提取特征、反卷积还原特征进行结果预测，输出符合预设尺寸的预测区域的图像；其中该预设的神经网络模型在特征提取时考虑到了中间特征的影响，将卷积过程和反卷积过程中相同尺寸的特征层进行融合；所述对所述待诊断区域的图像信息与对应的预测区域的图像进行叠加融合处理，具体包括：根据预设的像素点筛选条件筛选所述待诊断区域的图像信息内的像素点，确定所述待诊断区域的图像信息内电缆或电缆附件的像素点；根据预设的像素点筛选条件筛选所述预测区域的图像内的像素点，确定所述预测区域的图像内电缆或电缆附件的像素点；将所述预测区域的图像内电缆或电缆附件的像素点叠加到所述待诊断区域的图像信息内电缆或电缆附件的像素点上，得到目标图像；所述根据框选图像内对应的温度值计算对应的温度梯度值，具体包括：在所述目标图像通过预设的矩形框选择一个图像区域，并获取该矩形框左上角的坐标；识别该矩形框内红外图像代表的温度值，并根据识别的温度值和矩形框左上角的坐标计算对应的温度梯度值；以及，通过以下公式计算对应的温度梯度值：其中， 表示待求点的梯度， 表示待求点的温度，x.y表示矩形框左上角的坐标， 表示x对应的没有方向的梯度值， 表示x对应的有方向的向量值， 表示x对应的没有方向的梯度值， 表示x对应的有方向的向量值；对应图像有对应的标注文件，其对应标注文件内容为(fault,x,y,height,width),其中第一个代表有无故障，第二、三个代表矩形框左上角的坐标，第四、五代表矩形框的高和宽，利用该标注文件对故障诊断模型进行训练后，将计算得到的温度梯度值输入故障诊断模型进行故障诊断。
2.如权利要求1所述的方法，其特征在于，所述确定所述待诊断区域的图像信息内电缆或电缆附件的像素点，具体包括：根据预设的像素点筛选条件检测所述待诊断区域的图像内的像素点；若像素点符合预设的像素点筛选条件，则判定该像素点是电缆或电缆附件的像素点，保留该像素点；若像素点不符合预设的像素点筛选条件，则判定该像素点不是电缆或电缆附件的像素点，删除该像素点。
3.如权利要求1所述的方法，其特征在于，所述确定所述预测区域的图像信息内电缆或电缆附件的像素点，具体包括：根据预设的像素点筛选条件检测所述预测区域的图像内的像素点；若像素点符合预设的像素点筛选条件，则判定该像素点是电缆或电缆附件的像素点，保留该像素点；若像素点不符合预设的像素点筛选条件，则判定该像素点不是电缆或电缆附件的像素点，删除该像素点。
4.如权利要求2或3所述的方法，其特征在于，所述根据所述温度梯度值确定该框选图像内是否存在故障，具体包括：将框选图像对应的温度梯度值与预设的判断标准比较，若框选图像对应的温度梯度值符合预设的判断标准，则判定该框选图像对应的电缆或电缆附件无故障，若框选图像对应的温度梯度值不符合预设的判断标准，则判定该框选图像对应的电缆或电缆附件有故障。
5.一种电缆及其附件的故障诊断系统，用以实现如权利要求1-4任一项所述的方法，其特征在于，包括：图像预处理模块，用以获取待诊断区域的图像信息，并将所述待诊断区域的图像信息输入预设的神经网络模型进行格式转化处理，得到预测区域的图像；图像叠加模块，用以对所述待诊断区域的图像信息与对应的预测区域的图像进行叠加融合处理，得到目标图像；故障判断模块，用以通过随机框选所述目标图像内的图像，根据框选的图像内对应的温度值计算对应的温度梯度值，并根据所述温度梯度值确定该框选图像内是否存在故障，若存在故障，则判定该区域内的电缆及其附件存在故障。
6.如权利要求5所述的系统，其特征在于，所述故障判断模块还用于将框选图像对应的温度梯度值与预设的判断标准比较，若框选图像对应的温度梯度值符合预设的判断标准，则判定该框选图像对应的电缆或电缆附件无故障，若框选图像对应的温度梯度值不符合预设的判断标准，则判定该框选图像对应的电缆或电缆附件有故障。
