1.一种10kV电缆中间接头杂质类型识别方法，其特征在于，所述方法包括：径向对10kV的待识别电缆中间接头发射频段为22GHz~30GHz的微波信号，将得到的微波反射幅值曲线和相位曲线转化为史密斯圆图像；构建所述史密斯圆图像对应的归一化灰度梯度共生矩阵，并根据所述归一化灰度梯度共生矩阵，计算大梯度优势特征、梯度平均特征和混合熵特征；根据所述大梯度优势特征、所述梯度平均特征和所述混合熵特征，计算用于表示电缆中间接头绕包带杂质类型的类型因子，其中，按照以下表达式计算所述类型因子：其中， 表示所述类型因子， 表示所述大梯度优势特征， 表示所述梯度平均特征， 表示所述混合熵特征；根据所述类型因子，确定所述待识别电缆中间接头的杂质类型。
2.根据权利要求1所述的10kV电缆中间接头杂质类型识别方法，其特征在于，所述构建所述史密斯圆图像对应的归一化灰度梯度共生矩阵的步骤，包括：读取所述史密斯圆图像中每个像素的灰度值，并针对每一个像素，计算该像素与相邻的右方像素和下方像素之间灰度值差的平方和的平方根，得到该像素对应的梯度值，生成梯度矩阵；对所述梯度矩阵进行离散化处理后，构建初始灰度梯度共生矩阵；对所述初始灰度梯度共生矩阵进行归一化处理，得到所述归一化灰度梯度共生矩阵。
3.根据权利要求1所述的10kV电缆中间接头杂质类型识别方法，其特征在于，所述大梯度优势特征的计算表达式为：其中， 表示所述大梯度优势特征， 表示所述归一化灰度梯度共生矩阵中所有元素的和， 表示所述归一化灰度梯度共生矩阵中的各个元素， 表示第 级灰度， 表示第 级梯度。
4.根据权利要求1所述的10kV电缆中间接头杂质类型识别方法，其特征在于，所述梯度平均特征的计算表达式为：其中， 表示所述梯度平均特征， 表示所述归一化灰度梯度共生矩阵中所有元素的和， 表示所述归一化灰度梯度共生矩阵中的各个元素， 表示第 级灰度， 表示第 级梯度。
5.根据权利要求1所述的10kV电缆中间接头杂质类型识别方法，其特征在于，所述混合熵特征的计算表达式为：其中， 表示所述混合熵特征， 表示所述归一化灰度梯度共生矩阵中的各个元素， 表示第 级灰度， 表示第 级梯度， 表示用于避免对零取对数的正数。
6.根据权利要求1所述的10kV电缆中间接头杂质类型识别方法，其特征在于，所述根据所述类型因子，确定所述待识别电缆中间接头的杂质类型的步骤，包括：若所述类型因子大于零且不大于0.24，则所述待识别电缆中间接头的杂质类型为空气；若所述类型因子大于0.24且不大于0.63，则所述待识别电缆中间接头的杂质类型为沙砾；若所述类型因子大于0.63且不大于1，则所述待识别电缆中间接头的杂质类型为金属残留颗粒。
7.一种10kV电缆中间接头杂质类型识别装置，其特征在于，所述装置包括：史密斯圆图像确定模块，用于径向对10kV的待识别电缆中间接头发射频段为22GHz~30GHz的微波信号，将得到的微波反射幅值曲线和相位曲线转化为史密斯圆图像；特征计算模块，用于构建所述史密斯圆图像对应的归一化灰度梯度共生矩阵，并根据所述归一化灰度梯度共生矩阵，计算大梯度优势特征、梯度平均特征和混合熵特征；类型因子计算模块，用于根据所述大梯度优势特征、所述梯度平均特征和所述混合熵特征，计算用于表示电缆中间接头绕包带杂质类型的类型因子，其中，按照以下表达式计算所述类型因子：其中， 表示所述类型因子， 表示所述大梯度优势特征， 表示所述梯度平均特征， 表示所述混合熵特征；杂质类型确定模块，用于根据所述类型因子，确定所述待识别电缆中间接头的杂质类型。
8.一种存储介质，其特征在于：所述存储介质中存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要求1至6中任一项所述10kV电缆中间接头杂质类型识别方法的步骤。
9.一种计算机设备，其特征在于，包括：一个或多个处理器，以及存储器；所述存储器中存储有计算机可读指令，所述计算机可读指令被所述一个或多个处理器执行时，执行如权利要求1至6中任一项所述10kV电缆中间接头杂质类型识别方法的步骤。
