1.一种基于图像的电力设备红外检测方法，其特征在于，包括：S1：获取待检设备的红外热图像、可见光图像和振动数据集；建立位移预测模型，得到待检设备的预测位移量；获取可见光图像中污渍区域的实时位置；对红外热图像进行仿射变换后与可见光图像进行初对齐,再根据实时位置和预测位移量进行运动补偿，得到对齐度和第一污渍图像；S2：根据振动数据集计算振动能量密度，根据红外热图像计算热梯度方差；根据第一污渍图像形态分析和振动能量密度，得到附着指数；基于附着指数和热梯度方差确定污渍区域的主边界和扩散边界，评估交叉区域的影响值，基于影响值确定生成策略，得到第二污渍图像；S3：基于第一污渍图像和第二污渍图像确定目标污渍图像，将红外热图像和目标污渍图像融合得到重建图像并确定待检设备的工作状态。
2.如权利要求1所述的一种基于图像的电力设备红外检测方法，其特征在于，建立位移预测模型，得到待检设备的预测位移量，包括：将红外热图像、可见光图像与振动数据集通过时间戳对齐，形成多模态数据流；在可见光图像中，提取污渍区域的角点特征，构成角点集；使用多模态数据流和角点集训练位移预测模型；获取实时的多模态数据流和角点集输入位移预测模型中，输出下一帧的污渍区域角点位移，进而得到待检设备在下一帧的预测位移量。
3.如权利要求1所述的一种基于图像的电力设备红外检测方法，其特征在于，对红外热图像进行仿射变换后与可见光图像进行初对齐,包括：根据污渍区域在可见光图像和红外热图像中的位置差异，确定仿射变换的参数，利用仿射变换函数，对红外热图像进行变换，使用变换后的红外热图像与可见光图像在空间上初对齐；再根据实时位置和预测位移量进行运动补偿，得到对齐度和第一污渍图像，包括：获取初对齐后的图像，选择污渍区域的中心点作为参考点，计算其在初对齐后的可见光图像中的坐标；根据预测位移量，计算预测位移后参考点的坐标；计算每个像素点相对于参考点的偏移量，根据偏移量对初对齐后的红外热图像和可见光图像分别进行反向平移，生成运动补偿后的图像；根据运动补偿后的图像计算对齐度，并确定第一污渍图像。
4.如权利要求1所述的一种基于图像的电力设备红外检测方法，其特征在于，所述对齐度用于衡量图像最终对齐的效果，包括：定义对齐度指标，计算对齐后的红外热图像和可见光图像之间的对齐度；所述对齐度指标包括特征匹配率、平均欧氏距离、结构相似性、互信息值和重叠相似度；所述特征匹配率是匹配成功的特征点对数与总特征点数的比例；所述平均欧氏距离是指匹配特征点对之间的平均欧氏距离；所述结构相似性是指在对齐后的红外热图像与可见光图像的污渍区域的结构相似性，分别在红外热图像与可见光图像中划分局部窗口，计算局部窗口内的像素均值、像素方差和协方差，计算每个窗口内的结构相似值，对所有窗口结果取平均值得到结构相似性；所述互信息值用于衡量污渍区域的相似程度，在污渍区域构建联合直方图，计算概率分布和边缘概率，进而计算互信息值；所述重叠相似度是指对齐后污渍区域在红外热图像和可见光图像中的重叠面积与并集面积之比。
5.如权利要求1所述的一种基于图像的电力设备红外检测方法，其特征在于，所述振动能量密度是指通过垂直于波传播方向的单位面积上的能量，用于量化污渍的附着稳定性受到振动的影响程度；所述热梯度方差是衡量污渍区域温度分布异常波动程度的关键指标，通过量化温度梯度的变化，直接反映污渍与基底材料之间的热传导特性。
6.如权利要求1所述的一种基于图像的电力设备红外检测方法，其特征在于，根据第一污渍图像形态分析和振动能量密度，得到附着指数，包括：根据第一污渍图像形态分析得到形态因子和稳定性因子，根据振动能量密度得到振动因子，根据形态因子、稳定性因子和振动因子计算得到附着指数；对第一污渍图像进行形态分析，通过连通域分析和轮廓进行形态特征提取，得到面积离散度、平均紧凑度和最大偏心率；基于面积离散度和最大偏心率加权求和得到形态因子，数值范围[0,1]；基于平均紧凑度得到稳定性因子，数值范围[0,1]；根据振动能量密度得到振动因子，包括：标定振动衰减系数k，用于描述污渍附着表面材料对振动能量的吸收能力，根据实验测量不同材料表面污渍在振动下的剥离率，拟合k值；振动因子的计算公式如下： ;附着指数的计算公式如下： ;其中， 是振动能量密度， 是附着指数， 是振动因子， 是形态因子， 是稳定性因子。
7.如权利要求1所述的一种基于图像的电力设备红外检测方法，其特征在于，基于附着指数和热梯度方差确定污渍区域的主边界和扩散边界，包括：预先设置贴附阈值范围，若附着指数小于下限阈值，则基于热梯度方差设置分割阈值，提取梯度幅值大于分割阈值的区域作为主边界；计算污渍区域内每个像素的局部梯度方差，预先设定边界阈值，提取局部梯度方差大于边界阈值的区域作为候选扩散边界；从主边界向外扩展，计算梯度幅值的衰减率，当梯度幅值衰减至主边界梯度幅值的20%时，停止扩展；将候选扩散边界与梯度幅值衰减边界取并集，得到最终扩散边界。
8.如权利要求1所述的一种基于图像的电力设备红外检测方法，其特征在于，评估交叉区域的影响值，基于影响值确定生成策略，得到第二污渍图像，包括：所述交叉区域是主边界与扩散边界的差异区域；设定交叉区域的评估指标，对评估指标进行归一化处理并加权求和得到影响值；所述评估指标包括面积占比、梯度方差变化和温度均值变化；所述生成策略包括保留原污渍区域、扩展污渍区域和分割污渍区域；所述保留原污渍区域直接使用原污渍掩模生成第二污渍图像；所述扩展污渍区域将扩散边界作为第二污渍区域，覆盖原污渍区域和交叉区域；所述分割污渍区域对交叉区域进行连通域分析，提取最大连通域作为潜在掉落区域，从原污渍区域中剔除潜在掉落区域；根据不同的生成策略得到第二污渍图像。
9.如权利要求1所述的一种基于图像的电力设备红外检测方法，其特征在于，所述方法还包括：S4：提取污渍演化特征和热扩散特征作为基础数据建立时空特征立方体，基于振动数据特征和影响值构成多维向量建立振动影响场；建立时空振热预模，以时空特征立方体和振动影响场作为输入数据，输出预测热梯度场和预测污渍边界，根据输出数据进一步识别设备状态并针对性设置预防措施；其中，所述污渍演化特征包括交叉区域面积变化率、边界曲率变异度和影响值梯度；所述热扩散特征包括主边界内热梯度方差、交叉区域平均热梯度和扩散边界温度跃变；所述振动数据特征包括振动能量、主导频率和相位；根据振动数据特征作为振动参数，与影响值构成多维向量通过张量外积运算得到振动影响场。
10.如权利要求9所述的一种基于图像的电力设备红外检测方法，其特征在于，所述方法还包括：S5：根据实际监测数据对预测结果进行评估，得到评估值，根据评估值确定三个分级状态，所述分级状态包括初级状态、关注状态和干预状态；在干预状态下，基于污渍分形维数计算得到振动参数，根据振动参数实施振动调控；获取调控后的污渍区域边界，重新执行步骤S4；所述振动参数包括振动频率和振动幅度。
