1.一种基于yolov3的路面撒漏病害自动检测方法，其特征在于，所述方法包括以下步骤：
s1、收集路面撒漏病害图像，组成源样本集，并对所述源样本集进行预处理得到训练样本集；
s2、利用所述训练样本集对yolov3目标检测网络进行训练，得到初始路面撒漏病害检测器；
s3、在目标路段部署所述初始路面撒漏病害检测器进行路面撒漏病害的检测，并记录检测结果；
s4、对所述检测结果进行聚类和人工干预再标注得到目标样本集，利用所述目标样本集对所述初始路面撒漏病害检测器进行在线微调，提高在所述目标路段的准确率，得到目标路面撒漏病害检测器。
2.根据权利要求1所述的基于yolov3的路面撒漏病害自动检测方法，其特征在于，所述s1还包括：
统计所述源样本集中各种撒漏病害出现的频次并排序，选取出现频次最高的前n个类别作为要检测的n种撒漏病害；
对所述训练样本集中每一个样本进行标注，获得所述训练样本集对应的样本标签。
3.根据权利要求1所述的基于yolov3的路面撒漏病害自动检测方法，其特征在于，所述预处理包括：
将图像进行水平翻转，得到待进一步处理图像；
将所述待进一步处理图像随机地进行平移变换、旋转变换和颜色变换，得到待归一化处理图像；
将待归一化处理图像进行归一化处理。
4.根据权利要求2所述的基于yolov3的路面撒漏病害自动检测方法，其特征在于，所述s2还包括：
s201、采用随机梯度下降算法训练所述yolov3目标检测网络，设定最大迭代次数，每次迭代采用最小批的方式(mini-batch)计算网络误差，用所述网络误差更新所述yolov3目标检测网络中的参数；
s202、当达到预设的所述最大迭代次数时或在验证集上错误率不再下降时终止训练，获得所述初始路面撒漏病害检测器。
5.如权利要求4所述的基于yolov3的路面撒漏病害自动检测方法，其特征在于，所述网络误差是所述yolov3目标检测网络输出的分类标签与所述样本标签的误差。
6.如权利要求1所述的基于yolov3的路面撒漏病害自动检测方法，其特征在于，所述s3包括：
s301、重新收集路面撒漏病害图像，作为原始检测图像；
s302、对所述原始检测图像进行所述预处理后得到检测图像，组成检测样本集；
s303、利用所述初始撒漏病害检测器中的骨干网络提取所述检测图像的特征，并抽取网络的各级所述特征组成特征金字塔；
s304、对所述特征进行特征分类；
s305、在所述检测图像中画出撒漏病害检测结果，并将结果输出，完成当前画面的撒漏病害检测；
s306、保存所述原始检测图像和所述检测结果。
7.如权利要求6所述的yolov3的路面撒漏病害自动检测方法，其特征在于，所述特征分类是利用所述初始撒漏病害检测器中的分类网络对所述特征进行特征分类，设定阈值，如果输出值大于所述阈值，则判定该图像包含待检测的撒漏病害，否则判定为背景。
8.如权利要求6所述的yolov3的路面撒漏病害自动检测方法，其特征在于，所述检测结果是所述初始路面撒漏病害检测器所输出的目标的坐标和置信度。
9.如权利要求2所述的基于yolov3的路面撒漏病害自动检测方法，其特征在于，所述s4包括：
s401、设置置信度阈值，遍历所述置信度，所述置信度大于所述置信度阈值的样本直接加入所述训练样本集中，所述置信度小于所述置信度阈值的样本，则加入后处理样本集；
s402、对所述后处理样本集中的目标进行再标注，并加入到所述训练样本集中，得到所述目标样本集；
s403、使用目标样本集对初始路面撒漏病害检测器重复s201和s202进行微调,在完成了预设的迭代次数后，得到目标路面撒漏病害检测器。
10.如权利要求1或6所述的基于yolov3的路面撒漏病害自动检测方法，其特征在于，所述收集路面撒漏病害图像是从各路段的清扫车所拍摄的视频中截取n张包含路面撒漏病害样本的图像，图像模式为rgb。