1.一种基于图像处理的绝缘子RTV喷涂质量评价方法，其特征在于，包括以下步骤：步骤1，采集绝缘子RTV喷涂图像；步骤2，对绝缘子RTV喷涂图像进行分割，获得绝缘子RTV喷涂区域分割图像；步骤3，对绝缘子RTV喷涂区域分割图像进行网格划分，得到若干子图像；步骤4，构建RTV喷涂质量评价图像数据集：对子图像块进行标注，根据图像内容将所有子图像块划分类别，包括背景类别、喷涂完好类别、堆积缺陷类别、杂质缺陷类别、不均匀缺陷类别及拉丝缺陷类别；其中堆积缺陷类别、杂质缺陷类别、不均匀缺陷类别及拉丝缺陷类别为喷涂缺陷；步骤5，构建分类网络模型，利用RTV喷涂质量评价图像数据集训练分类网络模型，得到训练好的分类网络模型；步骤6，将待评价的绝缘子RTV喷涂图像输入训练好的分类网络模型，检测缺陷样本并统计缺陷情况；步骤7，根据缺陷情况统计结果评估绝缘子RTV喷涂质量；所述步骤5包括以下步骤：步骤5.1、搭建分类网络模型：所述网络为神经卷积网络，主要由Mobile-vit模块，反向残差模块，普通卷积层，全局池化以及全连接层组成；Mobile-Vit模块由卷积层串联Transformer结构进行语义信息获取，接着通过跨越连接分支与原始输入特征图进行拼接，最后通过一个全连接层得出预测结果输出；所述反向残差模块由升维卷积，特征提取卷积和降维卷积组成，卷积之间使用ReLu激活函数；步骤5.2、训练分类网络模型：将喷涂质量评价图像数据集输入搭建的神经卷积网络，采用梯度下降的方式，根据输入图像及对应标注不断优化网络模型参数，直到网络训练损失和验证准确率保持稳定，平均波动偏差低于设定值时网络训练结束，获得训练好的分类网络模型。
2.根据权利要求1所述的一种基于图像处理的绝缘子RTV喷涂质量评价方法，其特征在于，所述步骤3包括以下步骤：步骤3.1、将绝缘子RTV喷涂区域的分割图像进行边缘填充，使得填充后输出图像的分辨率可以被N整除，N为分割数量；步骤3.2、对填充过的图像进行矩形网格化划分，得到互不重叠的总计N*N张子图像。
3.根据权利要求1所述的一种基于图像处理的绝缘子RTV喷涂质量评价方法，其特征在于，所述步骤5.1中，Transformer结构是把特征图划分为2*2的子图像块，每个子图像块中的最小像素点只和其他子图像块中具有同样相对位置的最小像素点做注意力全局建模。
4.根据权利要求1所述的一种基于图像处理的绝缘子RTV喷涂质量评价方法，其特征在于，所述步骤6包括以下步骤：步骤6.1、划分需要质量评价的绝缘子喷涂区域分割图像，获得RTV喷涂图像的子图像；步骤6.2、把划分后的子图像输入训练好的分类网络模型进行分类判断，得到子图像的分类结果；步骤6.3、统计RTV喷涂区域的子图像以及不同缺陷类别的子图像的数量，计算不同缺陷所占RTV喷涂区域的比例。
5.根据权利要求1所述的一种基于图像处理的绝缘子RTV喷涂质量评价方法，其特征在于，所述步骤7包括以下步骤：步骤7.1、根据运检验收规范设置缺陷等级对照表，确定各种不同的喷涂等级及其对应的缺陷占比标准；步骤7.2、设定不同绝缘子缺陷类型对RTV涂层防污闪能力的初始影响权重集合；当某种缺陷类型面积占比达到RTV喷涂质量等级评价表的IV级要求时，动态膨胀该缺陷对应的权重系数；步骤7.3、根据梯形分布函数形式设置不同缺陷与评价等级之间的隶属度函数，进而生成模糊判断矩阵；步骤7.4、在模糊判断矩阵的基础上，通过权重集合对最终概率结果进行约束，修正概率偏置，再通过归一化处理，得到当前绝缘子RTV涂覆层喷涂质量评价归属于每个等级的置信度；步骤7.5、通过每个等级之间的置信度对标准分进行加权计算，得到此次质量评价任务的结果分数，根据结果分数能够对绝缘子RTV喷涂结果进行评价。
6.根据权利要求5所述的一种基于图像处理的绝缘子RTV喷涂质量评价方法，其特征在于，所述步骤7.3中，梯形隶属度分布函数表达如下：式中α ij 代表第i类缺陷对应RTV缺损等级为j时的标准占比；模糊判断矩阵R表达式为：
7.根据权利要求5所述的一种基于图像处理的绝缘子RTV喷涂质量评价方法，其特征在于，所述步骤7.4中，归属于每个等级的置信度的计算公式为：S＝softmax(AR)＝[s 1 ,s 2 ,s 3 ,s 4 ]；其中，A为权重集合，R为模糊判断矩阵。
8.根据权利要求5所述的一种基于图像处理的绝缘子RTV喷涂质量评价方法，其特征在于，所述步骤7.5中，加权计算所用公式为：式中，s i 代表当前绝缘子喷涂样本归属于第i类缺陷等级的置信度，b i 是四种缺陷等级之间的标准分。
9.一种基于图像处理的绝缘子RTV喷涂质量评价装置，其特征在于，包括：采集模块，用于采集绝缘子RTV喷涂图像；分割采集模块，用于对绝缘子RTV喷涂图像进行分割，获得绝缘子RTV喷涂区域分割图像；网格划分模块，用于对绝缘子RTV喷涂区域分割图像进行网格划分，得到若干子图像；图像数据集构建模块，用于构建RTV喷涂质量评价图像数据集：对子图像块进行标注，根据图像内容将所有子图像块划分类别；模型构建模块，用于构建分类网络模型，利用RTV喷涂质量评价图像数据集训练分类网络模型，得到训练好的分类网络模型；分析模块，用于检测缺陷样本并统计缺陷情况，并根据缺陷情况统计结果评估绝缘子RTV喷涂质量；所述构建分类网络模型，利用RTV喷涂质量评价图像数据集训练分类网络模型，得到训练好的分类网络模型包括以下步骤：步骤5.1、搭建分类网络模型：所述网络为神经卷积网络，主要由Mobile-vit模块，反向残差模块，普通卷积层，全局池化以及全连接层组成；Mobile-Vit模块由卷积层串联Transformer结构进行语义信息获取，接着通过跨越连接分支与原始输入特征图进行拼接，最后通过一个全连接层得出预测结果输出；所述反向残差模块由升维卷积，特征提取卷积和降维卷积组成，卷积之间使用ReLu激活函数；步骤5.2、训练分类网络模型：将喷涂质量评价图像数据集输入搭建的神经卷积网络，采用梯度下降的方式，根据输入图像及对应标注不断优化网络模型参数，直到网络训练损失和验证准确率保持稳定，平均波动偏差低于设定值时网络训练结束，获得训练好的分类网络模型。
