1.一种基于状态空间模型和高频信息增强的电力目标检测方法，其特征在于，包括：获取目标图像数据集；建立YOLOv12网络，对所述YOLOv12网络的卷积层进行改进，改进后的卷积层分为两个分支网络，包括用于特征提取的卷积模块和用于提取高频信息的最大池化层；构建空间-通道双维度注意力SCAM模块，并以所述SCAM模块替换YOLOv12网络中的C3k2和A2C2f模块，得到电力目标检测网络；其中，所述SCAM模块包括空间注意力支路SAM、通道注意力支路CAM；其中，所述空间注意力支路SAM基于二维选择性扫描SS2D模块搭建，用于在空间维度上进行选择性扫描，捕获目标图像中的长距离空间信息；所述通道注意力支路CAM基于一维选择性扫描SS1D模块整合通道间信息；所述空间注意力支路SAM分为两个并列分支，其中一个分支包括依次连接的Linear层、卷积层、SiLU激活函数层、SS2D模块和层归一化；另一个分支包括依次连接的Linear层和SiLU激活函数层；所述通道注意力支路CAM包括Linear层、并列的全局平均池化层和全局最大池化层、SS1D模块、Sigmoid激活函数；基于所述目标图像数据集，对所述电力目标检测网络进行训练，得到电力目标检测模型，进行真实场景下的电力目标检测；基于优化后的卷积层进行特征提取，包括：将输入的目标图像分为两个分支处理，包括普通特征提取分支和高频信息增强分支；基于所述卷积模块提取目标图像的普通特征；基于所述最大池化层从所述目标图像中提取高频特征，并结合1×1卷积对通道维度进行线性变换；通过SiLU激活函数引入非线性，用于学习和增强所述高频特征；将所述普通特征和所述高频特征进行融合，得到所述优化后的卷积层的输入特征图。
2.根据权利要求1所述的基于状态空间模型和高频信息增强的电力目标检测方法，其特征在于，其中，所述Linear层用于将输入特征图进行线性变换；所述卷积层用于提取局部特征；所述SiLU激活函数层用于引入非线性；所述SS2D模块用于从多个方向对特征图进行选择性扫描，整合多方向的上下文信息；两个并列分支得到的特征图通过乘积的方式进行特征融合。
3.根据权利要求2所述的基于状态空间模型和高频信息增强的电力目标检测方法，其特征在于，所述SS2D模块包括依次连接的Linear层、深度可分离卷积DW-Conv2d、Sigmoid激活函数、2DScan、层归一化和Linear层；所述SS2D模块从多个方向对特征图进行选择性扫描，整合多方向的上下文信息，包括：基于Linear层对输入特征图的维度进行线性变换，并结合深度可分离卷积DW-Conv2d提取局部特征；采用双向2D扫描策略，从多个方向对图像进行扫描，捕获空间维度上的全局特征；通过层级卷积增强空间语义感知，捕获目标图像中的长距离空间信息。
4.根据权利要求1所述的基于状态空间模型和高频信息增强的电力目标检测方法，其特征在于，所述通道注意力支路CAM用于整合通道间信息，包括：基于所述Linear层对输入特征进行线性变换；通过全局平均池化层和全局最大池化层转换为一维向量，并基于所述SS1D模块对一维向量进行扫描，整合通道间的信息；对扫描后的一维向量进行Sigmoid函数运算，得到通道权重，并与输入特征图进行哈达玛积。
5.根据权利要求1所述的基于状态空间模型和高频信息增强的电力目标检测方法，其特征在于，形成的电力目标检测网络以Focal-EioU损失函数为损失函数，表示为： ；式中，α为平衡因子，用于调整Focal Loss和EIoU Loss之间的权重； p t 表示模型预测的置信度，对于正样本， p t =p ，对于负样本， p t =1−p ； γ 为调节参数，用于控制Focal Loss的聚焦程度，调节难易样本的权重分配； 表示EIoU损失函数的值，它由IoU、中心点距离和宽高比三部分组成，用于衡量预测框与真实框之间的相似度；IoU表示预测框与真实框的交并比； ρ(b, b gt ) 表示预测框中心点与真实框中心点的欧氏距离； c表示 覆盖两框的最小闭包区域的对角线长度； ρ(w, w gt ) 和 ρ(h, h gt ) 表示预测框与真实框的宽度、高度差异； c w 和 c h 分别表示闭包区域的宽度和高度。
6.根据权利要求1所述的基于状态空间模型和高频信息增强的电力目标检测方法，其特征在于，基于所述目标图像数据集，训练所述电力目标检测网络，包括：定义训练参数和训练轮次；所述训练参数包括批大小batch size、初始学习率、最小学习率和输入图片归一化尺寸；加载预训练权重；基于所述目标图像数据集进行模型训练并更新权重；根据最终确定的权重参数生成电力目标检测模型。
7.根据权利要求1所述的基于状态空间模型和高频信息增强的电力目标检测方法，其特征在于，基于所述电力目标检测模型进行电力图像目标检测，包括：获取待检测的电力图像和对应的检测目标；将所述待检测的电力图像输入所述电力目标检测模型，确定各个检测目标的类别、置信度分数和相应的目标框坐标信息。
