1.一种基于红外与可见光图像的太阳能光伏组件热斑识别方法，其特征在于，包括以下步骤：
s1：建立光伏板红外图像数据集和光伏板可见光图像数据集；
s2：构建热斑检测模型，使用光伏板红外图像数据集训练热斑检测模型；
s3：构建热斑成因分析模型，使用光伏板可见光图像数据集训练热斑成因分析模型；
s4：获取待识别光伏板的同一位置的红外图像和可见光图像，将红外图像送入热斑检测模型，获取热斑位置并绘制在可见光图像中，利用热斑成因分析模型分析可见光图像的热斑位置中的图像，获取各热斑位置对应的热斑成因。
2.根据权利要求1所述的一种基于红外与可见光图像的太阳能光伏组件热斑识别方法，其特征在于，所述的热斑检测模型为改进fasterr-cnn检测模型，所述的改进fasterr-cnn检测模型的roialign部分前设有特征图模块，所述的roialign中在选定预测框后设置搜索算法。
3.根据权利要求2所述的一种基于红外与可见光图像的太阳能光伏组件热斑识别方法，其特征在于，所述的特征图模块对送入的特征图进行高斯建模，判断特征图中是否达到设定阈值，该阈值为超参数随训练轮数进行调整，在n维卷积层中采用一个n维列向量对输出的卷积层进行判断，lt用来表示阈值损失，经过迭代调整出一个合适的阈值，其中：
其中，lt为阈值图损失，rd为阈值图的box预测，
4.根据权利要求2所述的一种基于红外与可见光图像的太阳能光伏组件热斑识别方法，其特征在于，所述的roialign中，选定预测框后设置搜索算法，并分析区域是否存在连续，在预测框中可能存在多个热斑特征区域故需要将预测框划分为若干小预测框，将若干个较小预测框进行筛选后在预测框中找到特征较大值，在较大的特征值中选择位置坐标最大值xmax、ymax和最小值xmin、ymin，重新调整box为仅包含特征最大的多个数值的新box。
5.根据权利要求1所述的一种基于红外与可见光图像的太阳能光伏组件热斑识别方法，其特征在于，所述的热斑成因分析模型为resnet模型。
6.根据权利要求5所述的一种基于红外与可见光图像的太阳能光伏组件热斑识别方法，其特征在于，所述的resnet模型的基础框架采用resnet101结构，所述resnet101结构的输入数据为经过预处理得到的光伏板普通图像，输出数据为热斑成因对应的编码，所述的resnet101结构内卷积池化后，通过冗余层不断提取特征，最终经过一层具有1000维的全连接层，以softmax作为激活函数输出结果。
7.根据权利要求6所述的一种基于红外与可见光图像的太阳能光伏组件热斑识别方法，其特征在于，所述的resnet模型输出结果
其中，n为输出层的维度。
8.根据权利要求1所述的一种基于红外与可见光图像的太阳能光伏组件热斑识别方法，其特征在于，所述的步骤s1还包括对光伏板红外图像数据集中的每一张图像中每个热斑的四个顶点坐标进行标注，获取热斑的坐标、边框、检测信息类别数据，构建光伏板红外图像数据集中图片对应的热斑位置标签。
9.根据权利要求1所述的一种基于红外与可见光图像的太阳能光伏组件热斑识别方法，其特征在于，所述的步骤s1还包括标注光伏板可见光图像数据集中的每一张图像的热斑成因，构建可见光图像数据集中图片对应的热斑成因标签。
10.根据权利要求1所述的一种基于红外与可见光图像的太阳能光伏组件热斑识别方法，其特征在于，通过配备双摄像头的无人机对所述待识别光伏板的同一位置的红外图像和可见光图像进行采集，所述的双摄像头分别为红外热像摄像头和可见光摄像头。