本发明涉及手机主板检测，具体为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、随着科技的不断发展，手机已成为人们日常生活中不可或缺的一部分，其中，手机主板是手机中一个必不可少的部件，在对手机主板进行生产时，需要用到视觉检测设备对手机主板进行检测，以便及时发现残次品。
2、公开号为cn220626236u的中国专利公开了一种手机主板缺陷检测设备，包括装置本体以及设置在装置本体内部的输送模组与检测模组；输送模组用于将手机主板进行输送移动至预定位置并固定；检测模组包括检测光源以及均布在检测光源外侧的多个检测相机；检测模组对输送模组上的手机主板进行多角度拍照检测；通过输送模组将手机主板进行自动运输，通过顶升机构将手机主板脱离输送链，并通过侧推进行固定，保证手机主板的稳定，才能更好的对手机主板进行拍照，不会使图片发生失真，通过第一导轨与第二导轨进行灵活调整检测模组的位置对手机主板进行多角度、全方位拍照，实现一次性拍照检测成功，提高检测效率。但是该专利存在以下缺陷：
3、现有的不能对手机主板进行自动化视觉检测，不能精准快速地识别出不合格的手机主板，且不能对识别出的不合格的手机主板进行及时地返修管控，降低了手机主板视觉检测效率。
技术实现思路
1、本发明的目的在于提供基于人工智能的手机主板视觉检测方法及系统，可对手机主板进行自动化视觉检测，能精准快速地识别出不合格的手机主板，且能对识别出的不合格的手机主板进行及时地返修管控，可提升手机主板视觉检测效率，解决了上述背景技术中提出的问题。
2、为实现上述目的，本发明提供如下技术方案：
3、基于人工智能的手机主板视觉检测方法，包括如下步骤：
4、s1：采集基于人工智能的手机主板实时图像，对手机主板实时图像进行处理，确定基于人工智能的手机主板特征图像；
5、s2：根据手机主板视觉检测需求，构建卷积神经网络模型，对卷积神经网络模型进行优化，确定最优的手机主板视觉检测模型；
6、s3：基于最优的手机主板视觉检测模型对手机主板特征图像进行检测识别，确定基于人工智能的手机主板视觉检测识别结果；
7、s4：基于手机主板视觉检测识别结果，制定手机主板视觉检测智能管控方案，对手机主板进行智能化管控。
8、根据本发明的另一个方面，提供了基于人工智能的手机主板视觉检测系统，用于实现如上述的基于人工智能的手机主板视觉检测方法，包括：
9、图像采集模块，用于采集基于人工智能的手机主板实时图像；
10、图像处理模块，用于对基于人工智能的手机主板实时图像进行处理；
11、模型构建模块，用于构建基于人工智能的卷积神经网络模型；
12、模型优化模块，用于对基于人工智能的卷积神经网络模型进行优化；
13、检测识别模块，用于对手机主板进行基于人工智能的检测识别；
14、智能管控模块，用于对手机主板进行基于人工智能的智能化管控。
15、优选的，所述图像采集模块包括：
16、主板放置平台，用于放置待检测的手机主板；
17、将待检测的手机主板放置在主板放置平台上；
18、根据手机主板视觉检测需求，对主板放置平台上放置的手机主板进行位置调整，使手机主板位于合适的图像采集位置处；
19、图像采集单元，用于对手机主板进行图像采集；
20、基于机器视觉技术，采用摄像头采集手机主板的视觉图像；
21、确定出基于人工智能的手机主板实时图像。
22、优选的，所述图像处理模块包括：
23、图像降噪单元，用于对基于人工智能的手机主板实时图像进行降噪处理；
24、获取基于人工智能的手机主板实时图像；
25、基于中值滤波器，对基于人工智能的手机主板实时图像进行降噪处理；
26、去除基于人工智能的手机主板实时图像中的噪声；
27、图像增强单元，用于对基于人工智能的手机主板实时图像进行增强处理；
28、获取降噪后的基于人工智能的手机主板实时图像；
29、对降噪后的基于人工智能的手机主板实时图像进行增强处理；
30、有目的地强调手机主板实时图像的整体或局部特性，将原来不清晰的手机主板实时图像变得清晰，扩大手机主板实时图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善手机主板实时图像质量，加强手机主板实时图像的判读和识别效果；
31、特征提取单元，用于对基于人工智能的手机主板实时图像进行特征提取；
32、获取增强后的基于人工智能的手机主板实时图像；
33、对增强后的基于人工智能的手机主板实时图像进行特征提取；
34、确定出基于人工智能的手机主板特征图像。
35、优选的，所述图像增强单元，还包括：
36、灰度处理模块，用于对手机主板实时图像进行灰度处理；
37、区域划分模块，用于提取所述手机主板实时图像中手机主板的主板图像区域，获得手机主板实时图像对应的主板图像区域和背景区域；
38、第一灰度值提取模块，用于提取所述主板图像区域中的所有像素点的灰度值；
39、主板灰度值系数获取模块，用于根据所述主板图像区域中的所有像素点的灰度值获取主板灰度值系数；其中，所述主板灰度值系数通过如下公式获取：
40、
41、其中，z表示主板灰度值系数；n表示主板图像区域中的所有像素点的个数；hi表示主板图像区域中的第i个像素点的灰度值；hzp表示主板图像区域中的所有像素点的灰度平均值；hzmax和hzmin分别表示主板图像区域中的所有像素点的灰度值的最大值和最小值；hzj分别表示主板图像区域中的所有像素点的灰度值的中间值；
42、第二灰度值提取模块，用于提取所述背景区域中的所有像素点的灰度值；
43、背景灰度值系数获取模块，用于根据所述背景区域中的所有像素点的灰度值获取背景灰度值系数；其中，所述背景灰度值系数通过如下公式获取：
44、
45、其中，b表示背景灰度值系数；m表示背景区域中的所有像素点的个数；hbi表示背景区域中的第i个像素点的灰度值；hbp表示背景区域中的所有像素点的灰度平均值；hbmax和hbmin分别表示背景区域中的所有像素点的灰度值的最大值和最小值；hbj分别表示背景区域中的所有像素点的灰度值的中间值；
46、灰度调节模块，用于将所述主板灰度值系数与所述背景灰度值系数进行比较，根据比较结果对主板图像区域的灰度值进行调整。
47、优选的，所述灰度调节模块包括：
48、系数比较模块，用于将所述主板灰度值系数与所述背景灰度值系数进行比较；
49、第一调整判定模块，用于当所述主板灰度值系数与所述背景灰度值系数的差值超过预设的灰度系数差值阈值，则无需对主板图像区域的灰度值进行调整；
50、第二调整判定模块，用于当所述主板灰度值系数与所述背景灰度值系数的差值未超过预设的灰度系数差值阈值，则利用主板灰度值系数与所述背景灰度值系数之间的差值获取每个主板图像区域所包含的像素点的目标灰度值；其中，所述目标灰度值通过如下公式获取：
51、
52、其中，hm表示主板图像区域所包含的像素点对应的目标灰度值；k表示每个像素点相接的像素点的个数；hj表示每个像素点的第j个相接的像素点的灰度值；h0表示每个像素点对应的灰度值；b表示背景灰度值系数；z表示主板灰度值系数；c表示预设的灰度系数差值阈值；hbj分别表示背景区域中的所有像素点的灰度值的中间值；hzj分别表示主板图像区域中的所有像素点的灰度值的中间值；
53、灰度调整执行模块，用于遍历所述主板图像区域所包含的所有像素点，按照每个像素点对应的目标灰度值对像素点进行灰度值调整。
54、优选的，所述模型构建模块包括：
55、数据收集单元，用于收集手机主板历史图像；
56、根据手机主板视觉检测需求，收集大量的能够反映手机主板视觉检测特性的手机主板历史图像；
57、数据划分单元，用于对手机主板历史图像进行划分；
58、获取能够反映手机主板视觉检测特性的手机主板历史图像；
59、对能够反映手机主板视觉检测特性的手机主板历史图像进行划分；
60、确定出用于构建及优化卷积神经网络模型的训练集及测试集；
61、模型训练单元，用于构建卷积神经网络模型；
62、根据手机主板视觉检测需求，选择适用于手机主板视觉检测的深度学习框架；
63、基于训练集，对选择的适用于手机主板视觉检测的深度学习框架进行训练；
64、确定出基于人工智能的卷积神经网络模型。
65、优选的，所述模型优化模块包括：
66、性能测试单元，用于对基于人工智能的卷积神经网络模型进行性能测试；
67、获取基于人工智能的卷积神经网络模型；
68、基于测试集，对基于人工智能的卷积神经网络模型进行性能测试；
69、确定出基于卷积神经网络模型的性能测试结果；
70、优化调整单元，用于对基于人工智能的卷积神经网络模型进行优化调整；
71、获取基于卷积神经网络模型的性能测试结果；
72、对基于卷积神经网络模型的性能测试结果进行挖掘分析；
73、确定出基于卷积神经网络模型的优化调整方案；
74、基于优化调整方案对卷积神经网络模型进行优化调整；
75、确定出最优的手机主板视觉检测模型。
76、优选的，所述检测识别模块包括：
77、数据提取单元，用于对基于人工智能的手机主板特征图像进行提取；
78、根据手机主板视觉检测需求，提取基于人工智能的手机主板特征图像；
79、检测识别单元，用于对手机主板进行检测识别；
80、获取最优的手机主板视觉检测模型；
81、将提取的基于人工智能的手机主板特征图像输入到最优的手机主板视觉检测模型中；
82、基于最优的手机主板视觉检测模型对手机主板特征图像进行检测识别；
83、确定出基于人工智能的手机主板视觉检测识别结果。
84、优选的，所述智能管控模块包括：
85、方案制定单元，用于制定手机主板视觉检测智能管控方案；
86、获取基于人工智能的手机主板视觉检测识别结果；
87、对基于人工智能的手机主板视觉检测识别结果进行挖掘分析；
88、确定出基于人工智能的手机主板视觉检测智能管控方案；
89、智能管控单元，用于对手机主板进行智能化管控；
90、获取基于人工智能的手机主板视觉检测智能管控方案；
91、基于手机主板视觉检测智能管控方案对手机主板进行智能化管控；
92、其中，将视觉检测合格的手机主板自动运送至合格区；
93、将视觉检测不合格的手机主板自动运送至不合格区，对视觉检测不合格的手机主板进行不合格分类标记，智能化指导返修人员对不合格的手机主板进行及时地返修处理。
94、与现有技术相比，本发明的有益效果是：
95、本发明通过采集基于人工智能的手机主板实时图像，对手机主板实时图像进行处理，确定基于人工智能的手机主板特征图像，根据手机主板视觉检测需求，构建卷积神经网络模型，对卷积神经网络模型进行优化，确定最优的手机主板视觉检测模型，基于最优的手机主板视觉检测模型对手机主板特征图像进行检测识别，确定基于人工智能的手机主板视觉检测识别结果，基于手机主板视觉检测识别结果，制定手机主板视觉检测智能管控方案，对手机主板进行智能化管控，可对手机主板进行自动化视觉检测，能精准快速地识别出不合格的手机主板，且能对识别出的不合格的手机主板进行及时地返修管控，可提升手机主板视觉检测效率。
1.基于人工智能的手机主板视觉检测方法，其特征在于，包括如下步骤：
2.基于人工智能的手机主板视觉检测系统，用于实现如权利要求1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，包括：
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系统，其特征在于，所述图像采集模块包括：
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系统，其特征在于，所述图像处理模块包括：
5.根据权利要求4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，所述图像增强单元，还包括：
6.根据权利要求5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，所述灰度调节模块包括：
7.根据权利要求4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，所述模型构建模块包括：
8.根据权利要求5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，所述模型优化模块包括：
9.根据权利要求6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，所述检测识别模块包括：
10.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系统，其特征在于，所述智能管控模块包括：
