1.一种基于4C检测的高铁接触网防零部件脱落方法，其特征在于，包括以下步骤：获取高铁接触网部件的多源检测数据，所述多源检测数据包括4C检测装置采集的原始图像数据以及历史状态数据；通过目标检测网络模型识别原始图像数据，获取高铁接触网部件的关键部件数据，关键部件包括螺栓-螺母组合、止动垫片和开口销；通过细粒度检测网络模型对所述关键部件数据进行特征提取，得到关键部件特征数据；基于所述关键部件特征数据对所述关键部件进行防松状态判断，得到所述关键部件的防松检测数据；基于防松检测数据与历史状态数据构建时空特征矩阵，通过风险评估模型计算所述关键部件的脱落风险系数；基于所述脱落风险系数进行防脱落预警，生成包含定位信息、异常类型及维修建议的防脱落预警报告，并发至管理人员。
2.如权利要求1所述的一种基于4C检测的高铁接触网防零部件脱落方法，其特征在于，所述获取高铁接触网部件的多源检测数据，所述多源检测数据包括4C检测装置采集的原始图像数据以及历史状态数据，包括：通过4C检测装置采集高铁接触网部件的原始图像数据，所述原始图像数据包括在不同角度和不同光照条件下获取的图像数据；从历史状态数据库中读取高铁接触网部件的历史状态数据，所述历史状态数据包括历史防松检测数据及相关维修记录。
3.如权利要求1所述的一种基于4C检测的高铁接触网防零部件脱落方法，其特征在于，通过目标检测网络模型识别原始图像数据，获取高铁接触网部件的关键部件数据，包括：基于YOLOv5网络构建目标检测网络模型，通过目标检测网络模型生成候选区域，采用自适应特征金字塔提取多尺度特征，获取螺栓-螺母组合、止动垫片和开口销的粗粒度位置；采用动态置信度阈值对所述候选区域进行筛选，结合目标尺寸分布特征对重叠候选区域进行融合优化，输出关键部件的精确边界框。
4.如权利要求1所述的一种基于4C检测的高铁接触网防零部件脱落方法，其特征在于，所述通过细粒度检测网络模型对所述关键部件数据进行特征提取，得到关键部件特征数据，包括：所述细粒度检测网络模型包括多分支特征提取网络和多尺度关键点回归网络；通过多分支特征提取网络对所述关键部件进行细粒度特征提取，所述多分支特征提取网络包括形态学特征分支、几何关系特征分支和纹理特征分支；基于多尺度关键点回归网络对所述关键部件的特征点进行精确定位，所述关键部件的特征点包括防松标志线端点、止动垫片长短端交界点以及开口销的根部与两端弯曲点。
5.如权利要求1所述的一种基于4C检测的高铁接触网防零部件脱落方法，其特征在于，所述基于所述关键部件特征数据对所述关键部件进行防松状态判断，得到所述关键部件的防松检测数据，包括：针对不同关键部件的特征数据，计算对应的防松状态参数，防松状态参数包括防松标志线的线性偏移量、止动垫片与线夹本体的空间夹角以及开口销两弯曲边的夹角角度值；基于预设的防松状态参数标准值，对计算得到的防松状态参数进行阈值判断，确定各关键部件的防松状态级别，并生成标准化的防松检测数据。
6.如权利要求1所述的一种基于4C检测的高铁接触网防零部件脱落方法，其特征在于，所述基于防松检测数据与历史状态数据构建时空特征矩阵，通过风险评估模型计算所述关键部件的脱落风险系数，包括：构建时空特征矩阵，将防松检测数据与历史状态数据在时间维度和空间维度进行对齐，得到反映关键部件的松动状态随时间变化及空间分布的多维特征矩阵；通过深度集成风险评估模型，对时空特征矩阵进行识别，得到各关键部件的脱落风险系数；所述深度集成风险评估模型采用三层架构，其中：第一层基于梯度提升决策树建立部件松动基础风险评估模型，生成初始风险系数；第二层结合长短期记忆网络捕获时间序列趋势特征，对初始风险系数进行时间维度校正；第三层通过图卷积网络建模部件间空间拓扑关系，对初始风险系数进行空间维度风险校正。
7.如权利要求6所述的一种基于4C检测的高铁接触网防零部件脱落方法，其特征在于，所述基于所述脱落风险系数进行防脱落预警，生成包含定位信息、异常类型及维修建议的防脱落预警报告，并发至管理人员，包括：基于脱落风险系数，结合部件重要性和线路运行等级，建立多级预警机制，生成包含精确定位信息、异常类型分析及维修优先级的防脱落预警报告；所述多级预警机制包括信息级、提示级、警告级和紧急级，其中：对于信息级，记录检测结果，不触发预警；对于提示级，生成低优先级预警，在下次例行检修时关注；对于警告级，生成中优先级预警，在一周内进行专项检修；对于紧急级，生成高优先级预警，在24小时内进行紧急处理；将预警报告发送至相关管理人员，根据部件松动风险特征和历史维修经验，生成维修建议及资源调配方案。
8.一种基于4C检测的高铁接触网防零部件脱落系统，用于执行如权利要求1-7任一项所述的一种基于4C检测的高铁接触网防零部件脱落方法，其特征在于，所述系统包括：数据获取模块，用于获取高铁接触网部件的多源检测数据，所述多源检测数据包括4C检测装置采集的原始图像数据以及历史状态数据；关键部位识别模块，用于通过目标检测网络模型识别原始图像数据，获取高铁接触网部件的关键部件数据，关键部件包括螺栓-螺母组合、止动垫片和开口销；特征提取模块，用于通过细粒度检测网络模型对所述关键部件数据进行特征提取，得到关键部件特征数据；防松检测模块，用于基于所述关键部件特征数据对所述关键部件进行防松状态判断，得到所述关键部件的防松检测数据：脱落风险计算模块，用于基于防松检测数据与历史状态数据构建时空特征矩阵，通过风险评估模型计算所述关键部件的脱落风险系数；防脱落预警模块，用于基于所述脱落风险系数进行防脱落预警，生成包含定位信息、异常类型及维修建议的防脱落预警报告，并发至管理人员。
9.一种电子设备，其特征在于，包括：至少一个处理器、至少一个存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信，所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以实现如权利要求1~7任一项所述的方法。
10.一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存储计算机指令，所述计算机指令使计算机实现如权利要求1~7任一项所述的方法。
