1.一种输电线路缺陷的检测方法，其特征在于，包括：
通过非监督学习确定特征提取器，所述特征提取器为红外图像与红外图像的数据特征之间的映射函数；
获取目标红外图像，并通过所述特征提取器提取得到所述目标红外图像的数据特征；其中，所述目标红外图像为输电线路的红外图像；
利用分类器对所述目标红外图像的数据特征进行分类检测，识别出所述目标红外图像的正样本；其中，所述正样本为输电线路上电力元件的红外图像样本；
对所述正样本进行温度分析，输出缺陷判别结果。
2.根据权利要求1所述的检测方法，其特征在于，
所述检测方法还包括：根据预设的约束条件，通过肯定约束否定约束PN学习训练所述分类器；
所述利用分类器对所述目标红外图像的数据特征进行分类检测，识别出所述目标红外图像的正样本，包括：
当分类检测结果中存在与所述约束条件矛盾的样本时，将与所述约束条件矛盾的样本添加到所述分类器的训练样本集，迭代训练所述分类器直到所述约束条件满足时，输出所述目标红外图像的正样本。
3.根据权利要求1所述的检测方法，其特征在于，所述检测方法还包括：
利用已标注数据集修正所述特征提取器。
4.根据权利要求1所述的检测方法，其特征在于，所述通过非监督学习确定特征提取器，包括：
将无标签图像进行分块操作，并从中随机提取至少一个子图像块；
对所述至少一个子图像块的数据进行预处理；
利用稀疏自编码算法来学习得到所述特征提取器。
5.根据权利要求1所述的检测方法，其特征在于，所述通过所述特征提取器提取得到所述目标红外图像的数据特征，包括：
从红外图像中随机选取一个图像块，利用所述特征提取器，从所述一个图像块的数据中学习到基本特征，将所述基本特征跟原红外图像的各个子图像块做卷积，得到各个子图像块各自的卷积特征。
6.一种输电线路缺陷的检测装置，其特征在于，包括：
训练单元，用于通过非监督学习确定特征提取器，所述特征提取器为红外图像与红外图像的数据特征之间的映射函数；
特征提取单元，用于获取目标红外图像，并通过所述特征提取器提取得到所述目标红外图像的数据特征；其中，所述目标红外图像为输电线路的红外图像；
分类检测单元，用于利用分类器对所述目标红外图像的数据特征进行分类检测，识别出所述目标红外图像的正样本；其中，所述正样本为输电线路上电力元件的红外图像样本；
温度分析单元，用于对所述正样本进行温度分析，输出缺陷判别结果。
7.根据权利要求6所述的检测装置，其特征在于，
所述检测装置还包括肯定约束否定约束PN学习单元，用于根据预设的约束条件，通过PN学习训练所述分类器；
所述分类检测单元，具体用于当所述PN学习单元确定分类检测结果中存在与所述约束条件矛盾的样本时，将与所述约束条件矛盾的样本添加到所述分类器的训练样本集，迭代训练所述分类器直到所述约束条件满足时，输出所述目标红外图像的正样本。
8.根据权利要求6所述的检测装置，其特征在于，
所述分类检测单元，还用于利用已标注数据集修正所述训练单元确定的所述特征提取器。
9.根据权利要求6所述的检测装置，其特征在于，
所述训练单元，具体用于将无标签图像进行分块操作，并从中随机提取至少一个子图像块；对所述至少一个子图像块的数据进行预处理；利用稀疏自编码算法来学习得到所述特征提取器。
10.根据权利要求6所述的检测装置，其特征在于，所述特征提取单元，具体用于从红外图像中随机选取一个图像块，利用所述特征提取器，从所述一个图像块的数据中学习到基本特征，将所述基本特征跟原红外图像的各个子图像块做卷积，得到各个子图像块各自的卷积特征。