1.一种电力设备自动标注方法，其特征在于，包括：
步骤1：获得经过设备级标注的电力设备图像集；
步骤2：对图像进行预处理；
步骤3：将电力设备图像集分为训练集和测试集；
步骤4：将训练集中的电力设备图像以及该图像的标签输入到电力设备标注模型进行训练，获得图像中电力设备的预测框和预测设备类型；
步骤5：采用梯度下降算法根据标注模型和实际标签信息间的差值进行自动更新；
步骤6：使用测试集测试标注模型的标注精度，判断标注精度是否达到预设阈值，若是，则执行步骤6，否则，返回步骤5继续对标注模型进行训练；
步骤7：使用训练好的电力设备标注模型进行电力设备的自动标注。
2.根据权利要求1所述的一种电力设备自动标注方法，其特征在于，所述的步骤1具体为：
采用labelimg工具对拍摄的电力设备图像进行标注，获得图像中电力设备的标签，该标签包括电力设备标注框左上角位置坐标、右下角位置坐标和电力设备类型。
3.根据权利要求1所述的一种电力设备自动标注方法，其特征在于，所述的步骤2具体为：
首先将图像的尺寸进行归一化处理，将图像归一化为300×300像素，然后保存原始图像旋转90°、180°和270°之后的图像。
4.根据权利要求1所述的一种电力设备自动标注方法，其特征在于，所述的步骤3具体为：
通过bootstrap将电力设备图像集分为训练集和测试集，训练集用于训练电力设备标注模型，测试集用于测试电力设备标注模型的性能。
5.根据权利要求1所述的一种电力设备自动标注方法，其特征在于，所述的电力设备包括杆塔、导线、防震锤、绝缘子和间隔棒。
6.根据权利要求1所述的一种电力设备自动标注方法，其特征在于，所述的电力设备标注模型为基于r-cnn的标注模型、基于fastrcnn的标注模型、基于fasterrcnn的标注模型、基于yolo的标注模型、基于sdd的标注模型或基于maskrcnn标注模型。
7.根据权利要求1所述的一种电力设备自动标注方法，其特征在于，所述的步骤5中的梯度下降算法为基于随机梯度下降的误差反向传播算法。
8.一种使用如权利要求1所述自动标注方法的电力设备自动标注装置，其特征在于，包括：
图像传感器(1)，用于采集电力设备的图像；
存储器(2)，用于存储电力设备原始图像、电力设备训练集图像及标签信息、电力设备测试集图像及标签信息和电力设备标注图像集标签信息；
cpu(3)，内嵌电力设备自动标注方法，用于对电力设备图形进行处理，获得电力设备标注图像；
电源(4)，用于为图像传感器(1)、存储器(2)和cpu(3)供电；
所述的图像传感器(1)、存储器(2)和电源(4)分别与cpu(3)相连。
9.根据权利要求8所述的一种电力设备自动标注装置，其特征在于，所述的图像传感器(1)为可见光摄像头、红外摄像头、紫外摄像头或遥感卫星。
10.根据权利要求8所述的一种电力设备自动标注装置，其特征在于，所述的电力设备自动标注装置设有gpu(5)；所述的gpu(5)与cpu(3)相连。