1.一种基于改进ssd算法的输电线路鸟窝检测方法，其特征在于包括以下步骤：
(1)通过无人机获取输电铁塔的图像，并对其进行预处理后，人工打标签，制作数据集；
(2)将步骤(1)得到的数据集分为互斥的训练集、验证集和测试集，采用改进后的ssd算法对其进行训练得出用于识别目标的模型；
(3)根据步骤(2)得到的模型对目标进行识别；
(4)对训练所得日志进行统计，得出该模型的准确率。
2.根据权利要求1所述的基于改进ssd算法的输电线路鸟窝检测方法，其特征在于上述步骤(1)中输电铁塔的图像，其图像包括输电线路以及搭建在输电线路上的鸟窝；对图像进行预处理，采用图片转换器对于图片进行批量的处理，将图片的尺寸缩至512×512，使之能够匹配ssd的输入；对图片进行人工打标签是使用labelimg工具给图片打标签，进而生成包含目标类别以及位置信息的xml文件。
3.根据权利要求1所述的基于改进ssd算法的输电线路鸟窝检测方法，其特征在于上述步骤(2)中的训练集、验证集和测试集按照8：1：1的比例随机分配。
4.根据权利要求1所述的基于改进ssd算法的输电线路鸟窝检测方法，其特征在于上述步骤(3)中对目标进行识别时，设置其ssd算法的识别阙值为0.5。
5.根据权利要求1所述的基于改进ssd算法的输电线路鸟窝检测方法，其特征在于上述步骤(4)中得模型准确率以(precision)和召回率(recall)作为衡量的评价指标；其计算公式为：
式中tp表示为被正确地划分到正例的个数，fp表示为被错误地划分到正例的个数，fn表示为被错误的划分到负例的个数。
6.根据权利要求1所述的基于改进ssd算法的输电线路鸟窝检测方法，其特征在于上述步骤(2)中改进后的ssd算法，包括(1′)采用detnet网络；(2′)使用convnms获得更好的输出。
7.根据权利要求6所述的基于改进ssd算法的输电线路鸟窝检测方法，其特征在于上述convnms，其流程为：
(a)当输入的输电线路图片为w×h时，需要对其生成w×h的scoremap，其中w＝w/4，h＝h/4，即scoremap上的每个点分别对应原图中4×4的区域。
(b)根据所得物体的boundingbox的置信度，将其中心点的位置记录在scoremap中，若接着得到更高的置信度，则需要对该区域的置信度进行更新，从而得到w×h×1的scoremap。
(c)用传统的nms对boundingbox进行处理，继而生成一张同样大小的scoremap，将其记为s(t)，t为nms的阈值。
(d)对于scoremap上的每个点都记录了是否包含boundingbox以及该box的置信度，以每个点为中心，选取其11×11的区域，计算其121个点所保存的boundingbox和中心点的iou，并将其保存为121维的向量用于描述该点的iou特性，整个scoremap的输出特征为15×15×121；
(e)scoremap作为输入，其中会有多个有效的score，与之对应着相同数目的boundingbox，假定这些boundingbox都是同一目标的检测结果，则训练目的为保留最好的一个，抑制其他的；
(f)通过将这些boundingbox中满足与groundtruth的iou大于0.5且得分最高的box作为正样本，其余均为负样本进行标签分配；
(g)在计算loss之前要分配权重，使得正样本的权重总和与负样本的权重总和相等；
(h)得出损失函数，如以下公式所示：
公式中，p表示scoremap中有值的点，xp是对p的特征描述，f(xp)是p的网络输出，选择权重