1.一种智能电网深度视觉检测模型的安全评价方法，其特征在于，包括：基于电力场景图像形成具有真实目标干扰的测试图像；将具有真实目标干扰的测试图像输入基于混合干扰的对抗样本生成模型，生成对抗样本集；所述基于混合干扰的对抗样本生成模型是基于真实目标干扰、雾霾干扰以及真实噪声干扰构建的，包括生成对抗网络和替代模型，所述生成对抗网络包括生成网络和判别网络；利用所述对抗样本集对智能电网深度视觉检测模型进行测试，根据测试结果评估所述智能电网深度视觉检测模型的安全性；所述方法还包括：在生成对抗样本集之前，将具有真实目标干扰的训练图像输入基于混合干扰的对抗样本生成模型，对所述基于混合干扰的对抗样本生成模型进行训练，包括：将具有真实目标干扰的训练图像作为第一混合图像，利用加雾算法对第一混合图像叠加雾霾干扰，生成第二混合图像；将第二混合图像输入所述生成网络，生成第三混合图像；将第三混合图像和具有真实噪声干扰的图像输入所述判别网络进行真假噪声判别；将第三混合图像输入所述替代模型进行预测；其中，所述生成网络的损失函数包括：所述判别网络的生成判别损失，防止颜色失真的颜色稳定损失，以及用于衡量替代模型的预测结果与真实目标干扰标签之间差距的均方误差损失。
2.根据权利要求1所述的智能电网深度视觉检测模型的安全评价方法，其特征在于，所述基于电力场景图像形成具有真实目标干扰的测试图像，包括：将电力场景图像作为测试图像，在测试图像的待检测目标区域外随机标注测试图像中的一个真实目标，将标注的真实目标作为真实目标干扰，将该真实目标的位置和类别作为真实目标干扰标签。
3.根据权利要求1所述的智能电网深度视觉检测模型的安全评价方法，其特征在于，所述基于电力场景图像形成具有真实目标干扰的测试图像，包括：从采集的多种电力场景图像中分割出多类真实目标；将多类真实目标中的一类真实目标以前景形式放置于测试图像中，且真实目标的放置位置与测试图像中的待检测目标不重叠，将真实目标的放置位置和类别作为真实目标干扰标签。
4.根据权利要求1所述的智能电网深度视觉检测模型的安全评价方法，其特征在于，所述具有真实目标干扰的训练图像通过以下方式形成：将电力场景图像作为训练图像，在训练图像的待检测目标区域外随机标注训练图像中的一个真实目标，将标注的真实目标作为真实目标干扰，将该真实目标的位置和类别作为真实目标干扰标签；或者从采集的多种电力场景图像中分割出多类真实目标，将多类真实目标中的一类真实目标以前景形式放置于训练图像中，且真实目标的放置位置与训练图像中的待检测目标不重叠，将真实目标的放置位置和类别作为真实目标干扰标签。
5.根据权利要求1所述的智能电网深度视觉检测模型的安全评价方法，其特征在于，所述方法还包括：在对所述基于混合干扰的对抗样本生成模型进行训练的过程中，使用随机梯度上升算法更新所述生成网络的参数以及所述判别网络的参数。
6.根据权利要求1所述的智能电网深度视觉检测模型的安全评价方法，其特征在于，所述将具有真实目标干扰的测试图像输入基于混合干扰的对抗样本生成模型，生成对抗样本集，包括：将具有真实目标干扰的测试图像叠加雾霾干扰后输入生成网络，生成具有混合干扰的测试图像；将具有混合干扰的测试图像输入替代模型进行检测，判断替代模型的检测结果与测试图像中待测目标的真实标签是否一致，若不一致，则将具有混合干扰的测试图像加入对抗样本集。
7.一种智能电网深度视觉检测模型的安全评价系统，其特征在于，包括：真实目标干扰图像模块，用于基于电力场景图像形成具有真实目标干扰的测试图像；对抗样本生成模块，包括基于混合干扰的对抗样本生成模型，用于根据输入的具有真实目标干扰的测试图像生成对抗样本集；所述基于混合干扰的对抗样本生成模型是基于真实目标干扰、雾霾干扰以及真实噪声干扰构建的，包括生成对抗网络和替代模型，所述生成对抗网络包括生成网络和判别网络；安全评价模块，用于利用所述对抗样本集对智能电网深度视觉检测模型进行测试，根据测试结果评估所述智能电网深度视觉检测模型的安全性；所述对抗样本生成模块还用于利用具有真实目标干扰的训练图像对所述基于混合干扰的对抗样本生成模型进行训练，包括：将具有真实目标干扰的训练图像作为第一混合图像，利用加雾算法对第一混合图像叠加雾霾干扰，生成第二混合图像；将第二混合图像输入所述生成网络，生成第三混合图像；将第三混合图像和具有真实噪声干扰的图像输入所述判别网络进行真假噪声判别；将第三混合图像输入所述替代模型进行预测；其中，所述生成网络的损失函数包括：所述判别网络的生成判别损失，防止颜色失真的颜色稳定损失，以及用于衡量替代模型的预测结果与真实目标干扰标签之间差距的均方误差损失。
8.根据权利要求7所述的智能电网深度视觉检测模型的安全评价系统，其特征在于，所述真实目标干扰图像模块具体用于：将电力场景图像作为测试图像，在测试图像的待检测目标区域外随机标注测试图像中的一个真实目标，将标注的真实目标作为真实目标干扰，将该真实目标的位置和类别作为真实目标干扰标签；或者从采集的多种电力场景图像中分割出多类真实目标，将多类真实目标中的一类真实目标以前景形式放置于测试图像中，且真实目标的放置位置与测试图像中的待检测目标不重叠，将真实目标的放置位置和类别作为真实目标干扰标签。
9.根据权利要求7所述的智能电网深度视觉检测模型的安全评价系统，其特征在于，所述对抗样本生成模块根据输入的具有真实目标干扰的测试图像生成对抗样本集，具体包括：将具有真实目标干扰的测试图像叠加雾霾干扰后输入生成网络，生成具有混合干扰的测试图像；将具有混合干扰的测试图像输入替代模型进行检测，判断替代模型的检测结果与测试图像中待测目标的真实标签是否一致，若不一致，则将具有混合干扰的测试图像加入对抗样本集。
10.一种智能芯片，其特征在于，包括：存储器；处理器；以及计算机程序；其中，所述计算机程序存储在存储器中，并被配置为由处理器执行以实现如权利要求1至权利要求6任一项所述的智能电网深度视觉检测模型的安全评价方法。
11.一种计算机设备，其特征在于，包括：存储器；处理器；以及计算机程序；其中，所述计算机程序存储在存储器中，并被配置为由处理器执行以实现如权利要求1至权利要求6任一项所述的智能电网深度视觉检测模型的安全评价方法。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行以实现如权利要求1至权利要求6任一项所述的智能电网深度视觉检测模型的安全评价方法。
