1.一种基于四旋翼无人机的桥体质量勘测方法，基于四旋翼无人机搭载高分辨率相机得以实现，其特征在于，包括以下步骤：
步骤1：四旋翼无人机起飞后，机载的H20相机采集桥体数据，生成桥体整体数学模型，根据.NET航迹规划算法完成对桥体的航迹规划；
步骤2：引入ISSA算法改进.NET航迹规划算法对无人机的实时位置信息进行最优求解，避免陷入局部最优路径，所述ISSA算法引入一种自适应扰动策略加快航迹范围收敛速度，提高最优解精度，完成既定任务；
步骤3：在步骤2的四旋翼无人机航迹过程中，机载H20相机采集桥体表面数据；
步骤4：采用YOLO‑v8算法对桥体表面裂缝、腐蚀信息进行分类识别，并对损失函数提出改进，利用置信度损失函数、分类损失函数、边界框损失函数以及预测概率偏差函数进行加权和，同时引入CBAM注意力机制，增强算法对桥体表面裂缝、腐蚀信息提取的能力；
步骤5：输出含有特征信息的特征图像。
2.根据权利要求1所述的一种基于四旋翼无人机的桥体质量勘测方法，其特征在于，所述步骤1中的H20相机采集桥体数据，生成桥体数学模型的实施步骤为：
通过相机拍摄桥梁的全景信息，相机拍摄二点每幅图片重叠率≥60％，根据相机拍摄的全景数据，构建数学模型，规划无人机航迹；H20相机像素点分辨率≤0.1mm；
根据无人机航迹，过程中增加相机的拍摄次数，确保拍摄的图片里有重叠部分，进行大面积问题区域搜索；无人机对桥梁进行全面检测，采用倾斜摄影测量方式建立无人机巡检部分三维实景模型，采用单体化的方法对桥体进行区域划分，将划分后的区域进行编号，采用GIS功能，对各段桥体的涉及区域信息进行标注。
3.根据权利要求1所述的一种基于四旋翼无人机的桥体质量勘测方法，其特征在于，所述步骤1中根据.NET航迹规划算法完成对桥体的航迹规划，具体实施步骤为：
第1步：构建桥体空间模型；
第2步：根据UAV性能指标及链路和载荷的性能，来确定航线规划的数学模型；
第3步：通过嵌入.NET航迹规划算法，得到一条四旋翼无人机的飞行航迹；
第4步：据得到的航迹进行插值、平滑处理，对航迹空间模型进行调整，并改进或重新规划航线；
第5步：输出最终的航迹规划数据，并下达指令至无人机，执行飞行操作；
第6步：无人机到达目标任务点执行任务。
4.根据权利要求1所述的一种基于四旋翼无人机的桥体质量勘测方法，其特征在于，所述步骤2中引入ISSA算法改进.NET航迹规划算法，并引入一种自适应扰动策略，具体方法为：
SSA算法中麻雀种群N有探索者、捕食者和警戒者，探索者负责搜索最优个体，探索者搜索到最优个体后，捕食者对最优个体进行捕食，警戒者负责警戒周围避免陷入最优解；在对特征矩阵SSA的降噪处理过程中，探索者的位置更新如下：
其中，a为时刻t的更新次数；j为麻雀种群当前所在维度； 为数据随着时刻t更新至第a次时，第i个麻雀所处的第j个维度；itermax为最大迭代次数；α和Q为随机数；T和ST分别为警戒值和安全阈值；L为d维单位向量；
捕食者的位置更新如下：
其中， 为第a次迭代的最劣解； 为第a+1次迭代中探索者所在的最优维度；A为1×+ T T ‑1
d维矩阵，A＝A(AA) ；
警戒者的位置更新如下：
其中， 为第a次迭代的最优解；fi为解的适应度值，fg为最优解的适应度值，fw为最劣解的适应度值；λ和J为随机数；ε随机常数；
提出一种自适应扰动策略，在追踪阶段对较好适应度值的个体进行扰动处理，自适应扰动函数公式如下：
Δpid＝pid+ηi
其中，pid为个体i在第t次迭代的最优位置；Δpid为pid的扰动修正位置；ηi∈(‑ζd,ζd)为个体i第t次迭代过程中的修正值，ζd的计算公式为：
其中，t为当前迭代次数； 为t‑1次迭代内搜索的最优目标位置的平均值；ci为比例系数；Δr为搜索区域宽度；c为调整常数。
5.根据权利要求1所述的一种基于四旋翼无人机的桥体质量勘测方法，其特征在于，所述步骤4中对损失函数提出改进，具体步骤如下：
所述YOLO‑v8算法损失函数以下几种测度函数的加权和：
第1种：置信度损失函数，对桥体裂缝、腐蚀现象的网络预测的目标边界框与真实边界框的交并比，计算公式如下：
其中，oi∈[0,1]为目标真实边界于预测边界的IOU；ci为预测值； 为ci通过Sigmoid函数的置信度预测值；N为样本个数；
第2种：分类损失函数，当桥体某一个区域同时检测出裂缝、腐蚀现象时，其输出的标签是互相排斥的，计算公式如下：
其中，Oij∈{0,1}表示预测目标边界框i中是否存在第j类目标，若存在，Oij＝1，反之，Oij＝0；Cij为预测值； 为Cij通过Sigmoid函数得到的目标概率；Npos为正样本的个数；
第3种：边界框损失函数，对边界框进行预测，使边界框的预测值接近真实标签值，计算公式如下：
为边界框中心点的坐标(x,y)以及边界框的宽度和高度，计算公式如下：
其中，tx,ty,tw,th为网络预测的回归参数；Npos为正样本总数；
第4种：预测概率偏差函数，通过预测概率偏差函数使减小桥体裂缝、腐蚀现象的预测值与真实值的偏差，计算公式如下：
其中，pi(c)为目标的预测值； 为目标真实标签值；
改进的YOLO‑v8算法损失函数，计算公式如下：
Lloss＝α1Lconf+α2Lcla+α3Lloc+α4Lobj
其中，Sigmoid函数计算公式如下：
6.根据权利要求1或5所述的一种基于四旋翼无人机的桥体质量勘测方法，其特征在于，所述步骤4中引入CBAM注意力机制的具体操作为：
为避免在桥体裂缝、腐蚀现象进行捕捉的过程中受到外界环境因素的干扰，提出ACmix注意力机制，对桥体裂缝、腐蚀现象信息充分挖掘，减少其他目标的干扰，ACmix注意力机制实施如下：
根据卷积核中的任一像素点生成整幅特征图，得到该卷积层卷积核像素的特征图，计算公式如下：
其中，(p,q)∈{0,1,2…k‑1}表示特征图的卷积核位置；(i,j)为特征图所对应的像素；
K(p,q)为(p,q)位置的权重；f(i.j)为输入特征图对应像素(i,j)的特征张量；g(i,j)为输出特征图对应像素(i,j)的特征张量；
输出特征值时，取每张卷积核特征图对应偏移量的像素值进行加权得到(i.j)点的像素特征值，计算公式如下：
其中，Shift算子的作用是对多幅输出特征图进行融合，Shift算子的计算公式为：
其中，Δx,Δy为像素(i,j)对应的水平和垂直位移。
7.根据权利要求1至6任一所述的一种基于四旋翼无人机的桥体质量勘测方法，其特征在于，所述步骤4中采用YOLO‑v8算法对桥体表面裂缝、腐蚀信息进行分类识别具体步骤为：
第1步：将H20相机采集的图像分割为s×s个等大小的网格；
第2步：对每一个网格预测B个边界框；
第3步：对每个边界框的位置坐标进行预测；
第4步：预测每个边界框的置信度值分数；
第5步：对每个边界框中条件类别概率进行预测；
第6步：使用YOLO‑v8算法的神经网络结构，对输入输出图像进行训练；
第7步：对网格中目标对象进行损失函数计算；
第8步：输出含有特征信息的特征图像。