本发明涉及图像数据处理，尤其涉及基于人工智能的手机主板视觉检测方法及系统。
背景技术：
1、传统的手机主板检测方法通常依赖于手动检查或基于简单规则的自动化系统。这些方法可能无法有效地识别复杂的缺陷，如微小裂纹、微细焊点不良等，特别是在高生产率和精密制造的环境中。随着智能手机行业的迅猛发展，对手机主板的质量控制变得日益重要。手机主板作为手机的核心部件，其性能直接影响到整个手机的稳定性和性能。传统的手机主板检测方法主要依赖于人工视觉检测和简单的机械设备，这不仅效率低下，而且检测精度易受人工操作者的主观因素影响，无法满足高效、准确的生产需求。
2、对于手机主板视觉检测的方法有很多，我国发明专利“一种手机接口电路板视觉自动检测系统及其检测方法”，申请号：“cn201811353512.0”，主要包括：计算机和检测单元，所述计算机的输入端与检测单元的输出端连接，所述检测单元包括间距检测模块、宽度检测模块和缺陷检测模块，并且计算机的输入端与发送模块的输出端连接，所述发送模块的输入端与转换模块的输出端连接，该发明涉及视觉检测技术领域。该手机接口电路板视觉自动检测系统及其检测方法，通过计算机的输入端与检测单元的输出端连接，智能化的检测方式进行检测，提高了检测的准确率，同时也会提高检测的效率，通过检测单元包括间距检测模块、宽度检测模块和缺陷检测模块，可以进行大批量的检测，可以同时检测多个电路板，提高及工作的效率和水平。
3、但上述技术至少存在如下技术问题：对手机主板图像数据处理不够准确，从而导致对手机主板视觉检测不精确的技术问题。
技术实现思路
1、本发明提供一种基于人工智能的手机主板视觉检测方法及系统，解决了现有技术对手机主板图像数据处理不够准确，从而导致对手机主板视觉检测不精确的技术问题，实现了对手机主板图像高精度处理带动对手机主板高精确视觉检测的技术效果。
2、本发明的基于人工智能的手机主板视觉检测方法及系统，具体包括以下技术方案：
3、基于人工智能的手机主板视觉检测系统，包括以下部分：
4、图像捕获模块，图像预处理模块，特征提取模块，人工智能分析模块，数据整合模块，质量评估模块，检测预测模块；
5、所述图像捕获模块，用于捕获手机主板的图像，并将捕获的手机主板图像传送到图像预处理模块；
6、所述图像预处理模块，对图像捕获模块捕获的手机主板图像进行畸变校正，再对校正后的图像进行预处理，得到预处理后的图像，将预处理后的图像送往特征提取模块；
7、所述特征提取模块，将图像预处理模块输出的预处理后的图像，使用智能主板分割算法来区分主板上不同的元件和区域，再对分割后的图像进行特征提取，形成关键视觉特征数据集，将关键视觉特征数据集送往人工智能分析模块；关键视觉特征包括焊点、电路图案、元件放置；
8、所述人工智能分析模块，对特征提取模块的关键视觉特征数据集进行分析，识别主板缺陷，所述主板缺陷包括焊点问题、元件错位或损坏，得到缺陷检测报告，所述缺陷检测报告包括缺陷的类型和位置，将缺陷检测报告传送到数据整合模块；
9、所述数据整合模块，基于人工智能分析模块的缺陷检测报告，对来自不同检测周期的数据进行汇总和比较，生成综合检测数据报告；将综合检测数据报告送往质量评估模块，同时将综合检测数据报告发送至检测预测模块，进行检测预测，对手机主板进行预测性维护；
10、所述质量评估模块，基于数据整合模块的综合检测数据报告，对每个检测的主板进行质量评估，得到手机主板的质量评估结果；
11、所述检测预测模块，通过对数据整合模块的综合检测数据报告中的检测数据进行预测，识别潜在的主板问题，对手机主板进行预测性维护。
12、基于人工智能的手机主板视觉检测方法，包括以下步骤：
13、s1.捕获手机主板上的图像，并通过构建畸变估计模型、设计畸变均衡器和色彩保真器对捕获的手机主板图像进行畸变校正，再对畸变校正后的图像进行预处理，得到预处理后的图像；
14、s2.采用智能主板分割算法对预处理后的图像进行图像分割，将手机主板图像划分为不同的区域和元件，再对分割后的手机主板图像进行特征提取，得到手机主板图像的关键视觉特征数据集；
15、s3.利用深度学习算法对手机主板图像的关键视觉特征数据集进行分析，得到手机主板的检测结果，并生成缺陷检测报告，将手机主板的检测结果进行整合处理，得到综合数据集和综合检测数据报告，并基于综合数据集进行质量评估以及对手机主板进行预测性维护。
16、优选的，所述s1，具体包括：
17、对手机主板上的图像进行捕获，得到手机主板的原始图像数据集，并对原始图像数据集进行畸变校正，得到畸变校正后的手机主板图像数据；再对畸变校正后的手机主板图像数据进行预处理，得到预处理后的手机主板图像数据。
18、优选的，在所述s1中，还包括：
19、在进行畸变校正的镜头畸变过程中，构建畸变估计模型对手机主板的原始图像数据集进行初步分析，得到量化的畸变程度，并根据量化的畸变程度确定原始图像中是否存在畸变；当发生畸变时，根据量化的畸变程度进行畸变映射，并选择校正方法，进行畸变校正处理。
20、优选的，在所述s1中，还包括：
21、在进行畸变校正过程中，设计畸变均衡器来分析原始图像的边缘区域，识别潜在丢失的信息。
22、优选的，在所述s1中，还包括：
23、在进行畸变校正过程中，设计色彩保真器，针对畸变校正过程中的色彩失真进行动态调整。
24、优选的，所述s2，具体包括：
25、所述智能主板分割算法的具体实现过程如下：首先对预处理后的图像进行映射处理，将像素值映射到有界的范围内；再对映射处理后的图像进行特征识别，得到映射处理后的图像的特征强度，最后根据映射处理后的图像的特征强度进行图像分割处理，得到分割后的手机主板图像。
26、优选的，在所述s2中，还包括：
27、对分割后的手机主板图像进行特征提取，评估焊点的质量和电路路径的连续性和完整性，检测元件的位置和方向，最终得到手机主板图像的关键视觉特征数据集。
28、本发明的技术方案的有益效果是：
29、1、本发明通过构建畸变估计模型，能够准确量化图像中的畸变程度，精确的畸变识别和量化为后续的校正提供了坚实的基础，确保了校正方法的针对性和有效性；设计的畸变均衡器专门处理畸变校正中常见的边缘信息丢失问题，通过扩展边缘信息并增强低强度的变化，它能够有效地保存图像边缘的细节，减少畸变校正过程中的信息损失；色彩保真器的引入确保了在畸变校正过程中颜色的真实性和准确性，通过动态调整颜色值，避免了色彩失真问题。
30、2、本发明引入智能主板分割算法通过图像处理技术，有效地将手机主板图像划分为不同的区域和元件，提供了对复杂电子结构的深入理解，为后续的特征提取和分析奠定了基础；在智能主板分割算法实现过程中通过将像素值映射到有界范围内，并强化图像中的关键细节，增强了图像分割的效果，使得后续的特征识别更为准确和可靠。
1.基于人工智能的手机主板视觉检测系统，其特征在于，包括以下部分：
2.基于人工智能的手机主板视觉检测方法，应用于如权利要求1所述的基于人工智能的手机主板视觉检测系统，其特征在于，包括以下步骤：
3.根据权利要求2所述的基于人工智能的手机主板视觉检测方法，其特征在于，所述s1，具体包括：
4.根据权利要求3所述的基于人工智能的手机主板视觉检测方法，其特征在于，在所述s1中，还包括：
5.根据权利要求3所述的基于人工智能的手机主板视觉检测方法，其特征在于，在所述s1中，还包括：
6.根据权利要求3所述的基于人工智能的手机主板视觉检测方法，其特征在于，在所述s1中，还包括：
7.根据权利要求2所述的基于人工智能的手机主板视觉检测方法，其特征在于，所述s2，具体包括：
8.根据权利要求7所述的基于人工智能的手机主板视觉检测方法，其特征在于，在所述s2中，还包括：
