本发明涉及缺陷诊断，尤其涉及一种手机屏背光异物缺陷诊断方法及系统。
背景技术：
1、早期，手机屏幕生产中主要依赖工人目视检查来发现背光系统中的异物。但这种方法费时费力，且检测准确率有限，容易出现漏检或误检的情况，无法满足日益增长的生产需求。随着光学成像技术的发展，如ccd（电荷耦合器件）相机和高分辨率图像传感器的应用，科研人员开始探索将这些技术用于背光异物的检测。通过将手机屏幕置于特定的照明条件下，利用相机捕捉背光系统的图像，然后通过图像处理和分析软件来识别异物的位置和类型。这种方法提高了检测的速度和准确性，但仍然存在一定的局限性，例如对于微小异物的检测效果不佳。近年来，随着机器学习和人工智能技术的飞速发展，科研人员开始将这些技术应用于手机屏幕背光异物的诊断中。他们建立了基于深度学习的模型，通过大量样本的训练和学习，使得系统能够自动识别不同类型的背光异物，并且可以实时监测和检测。然而目前对于异物成像仍然采用单一光谱成像，同时无法根据异物的形态特征精准划分异物区域，进而导致异物诊断的识别准确性和可靠性不足。
技术实现思路
1、基于此，有必要提供一种手机屏背光异物缺陷诊断方法及系统，以解决至少一个上述技术问题。
2、为实现上述目的，一种手机屏背光异物缺陷诊断方法，所述方法包括以下步骤：
3、步骤s1：获取手机屏幕原始图像；对手机屏幕原始图像进行手机屏幕背景区域分割，生成手机屏幕区域图像；对手机屏幕区域图像进行屏幕反射分析，生成手机屏幕反射图谱；
4、步骤s2：基于手机屏幕反射图谱对手机屏幕区域图像进行光晕区域联通标记，生成手机屏幕光晕联通区域数据；对手机屏幕光晕联通区域数据进行异物确认，得到手机屏幕异物特征数据；根据手机屏幕异物特征数据对手机屏幕光晕联通区域数据进行异物区域坐标索引，从而得到手机屏幕异物区域坐标；
5、步骤s3：基于手机屏幕异物区域坐标对手机屏背进行多光谱成像，得到异物光谱数据；对异物光谱数据进行异物光谱波形特征分析，生成异物光谱波形特征数据；基于异物光谱波形特征数据对异物光谱数据进行异物材料排除，从而生成异物材料识别数据；
6、步骤s4：对异物材料识别数据进行光学特性有限元模拟，生成异物光学特性模拟数据；对异物光学特性模拟数据进行模型训练，生成异物缺陷危害预测模型；将异物光学特性模拟数据导入至异物缺陷危害预测模型中进行背光异物缺陷危害预测，生成手机屏背异物缺陷诊断报告。
7、本发明通过分析和处理手机屏幕反射，可以减少反射造成的干扰，提高屏幕图像的清晰度和可视性。根据屏幕反射图谱的分析结果，可以调整显示参数，优化手机屏幕的显示效果，提供更好的用户体验。通过分析屏幕反射，可以检测到可能存在的窃取屏幕信息的风险，从而提高手机屏幕的安全性。根据反射分析结果，可以动态调整屏幕亮度、对比度等参数，使手机屏幕在不同环境下都能够有较好的显示效果，提高了手机的适应性。通过对手机屏幕光晕区域的分析和确认，可以及时发现并识别屏幕上的异物，如灰尘、指纹等，有助于及时清理和维护手机屏幕的清洁度和观感。保持手机屏幕的清洁和良好的显示效果，可以提高用户对手机的使用体验，避免光晕和异物影响到屏幕的观看和操作。检测异物可能带来的安全隐患，如屏幕上的划痕可能导致屏幕易碎等问题，从而提高手机的使用安全性。自动识别和标记异物区域的功能有助于自动化手机维护流程，减少用户的手动操作和维护成本。通过多光谱成像和光谱特征分析，可以更准确地识别手机屏幕上的异物，避免误判和漏检。通过光谱数据的分析和比对，可以排除一些常见的异物材料，有助于减少误报和提高排除的精度。自动化的异物识别和排除过程可以提高手机屏幕维护的效率，减少人工成本和时间消耗。及时识别和排除可能的异物有助于保护手机屏幕，防止异物造成的损坏和影响。因此，本发明通过对手机屏幕图像进行背景区域分割、光晕区域联通标记、光谱特征分析和模型训练，提高了手机屏背光异物缺陷诊断的准确性和可靠性。
8、在本说明书中，提供了一种手机屏背光异物缺陷诊断系统，用于执行上述的手机屏背光异物缺陷诊断方法，该手机屏背光异物缺陷诊断系统包括：
9、反射分析模块，用于获取手机屏幕原始图像；对手机屏幕原始图像进行手机屏幕背景区域分割，生成手机屏幕区域图像；对手机屏幕区域图像进行屏幕反射分析，生成手机屏幕反射图谱；
10、异物判别模块，用于基于手机屏幕反射图谱对手机屏幕区域图像进行光晕区域联通标记，生成手机屏幕光晕联通区域数据；对手机屏幕光晕联通区域数据进行异物确认，得到手机屏幕异物特征数据；根据手机屏幕异物特征数据对手机屏幕光晕联通区域数据进行异物区域坐标索引，从而得到手机屏幕异物区域坐标；
11、异物材料分析模块，用于基于手机屏幕异物区域坐标对手机屏背进行多光谱成像，得到异物光谱数据；对异物光谱数据进行异物光谱波形特征分析，生成异物光谱波形特征数据；基于异物光谱波形特征数据对异物光谱数据进行异物材料排除，从而生成异物材料识别数据；
12、异物危害预测模块，用于对异物材料识别数据进行光学特性有限元模拟，生成异物光学特性模拟数据；对异物光学特性模拟数据进行模型训练，生成异物缺陷危害预测模型；将异物光学特性模拟数据导入至异物缺陷危害预测模型中进行背光异物缺陷危害预测，生成手机屏背异物缺陷诊断报告。
13、本发明的有益效果在于通过结合屏幕背景区域分割和反射图谱分析，可以高精度地检测出手机屏幕上的异物，并提取出异物的特征数据。这有助于排除一般环境噪声，确保只关注屏幕上的实际异物。使用多光谱成像技术对异物进行成像，可以提供更为详细和准确的光谱数据。这有助于更准确地识别和区分不同材料的异物，提高异物检测的准确性。利用异物光谱波形特征数据，对异物光谱数据进行材料排除。这有助于降低误识率，排除一些常见材料的干扰，提高异物检测的可信度。通过光学特性有限元模拟和模型训练，生成了异物缺陷危害预测模型。这使得可以对异物的光学特性进行更深入的分析，并在背光异物缺陷危害预测上提供了一种可靠的方法。利用异物缺陷危害预测模型，可以生成详细的手机屏背异物缺陷诊断报告。这有助于及早发现并解决异物导致的问题，提高手机生产和质量控制的效率。因此，本发明通过对手机屏幕图像进行背景区域分割、光晕区域联通标记、光谱特征分析和模型训练，提高了手机屏背光异物缺陷诊断的准确性和可靠性。
1.一种手机屏背光异物缺陷诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的手机屏背光异物缺陷诊断方法，其特征在于，步骤s1包括以下步骤：
3.根据权利要求2所述的手机屏背光异物缺陷诊断方法，其特征在于，步骤s14包括以下步骤：
4.根据权利要求3所述的手机屏背光异物缺陷诊断方法，其特征在于，步骤s144包括以下步骤：
5.根据权利要求4所述的手机屏背光异物缺陷诊断方法，其特征在于，步骤s1443中的反射光晕影响分析公式如下所示：
6.根据权利要求4所述的手机屏背光异物缺陷诊断方法，其特征在于，步骤s2包括以下步骤：
7.根据权利要求6所述的手机屏背光异物缺陷诊断方法，其特征在于，步骤s22包括以下步骤：
8.根据权利要求7所述的手机屏背光异物缺陷诊断方法，其特征在于，步骤s3包括以下步骤：
9.根据权利要求7所述的手机屏背光异物缺陷诊断方法，其特征在于，步骤s4包括以下步骤：
10.一种手机屏背光异物缺陷诊断系统，其特征在于，用于执行如权利要求1所述的手机屏背光异物缺陷诊断方法，该手机屏背光异物缺陷诊断系统包括：
