1.基于计算机视觉的手机屏幕缺陷智能检测方法，其特征在于，该方法包括以下步骤：采集手机屏幕表面图像并进行预处理，获得手机屏幕表面灰度图像；

对手机屏幕表面灰度图像进行分块处理获得多个分块区域；根据每个分块区域中像素点的灰度分布范围和灰度波动程度获取每个分块区域中存在裂纹的概率；根据每个分块区域中存在裂纹的概率合并分块区域，获得合并区域块；

对每个合并区域块的梯度直方图进行拟合，获取每个合并区域块的混合高斯模型；根据混合高斯模型中处于中间的子高斯模型获取手机屏幕表面灰度图像中可能为细裂纹边缘的像素线段；根据像素线段上的像素点的梯度方向差异以及像素线段上像素点的相邻像素点灰度值差异获取像素线段中每个像素点为细裂纹边缘像素点的概率；根据像素线段中每个像素点为细裂纹边缘像素点的概率获取像素点的增强程度；根据增强程度对像素点进行增强，获得增强后的手机屏幕表面灰度图像；

所述根据混合高斯模型中处于中间的子高斯模型获取手机屏幕表面灰度图像中可能为细裂纹边缘的像素线段，包括的具体方法为：根据混合高斯模型获取每个合并区域块的th1个子高斯模型的均值和标准差，th1为预设数量；按照均值从小到大的顺序将所有子高斯模型排列，选取处于中间的子高斯模型，将选取的子高斯模型中处于所述根据像素线段上的像素点的梯度方向差异以及像素线段上像素点的相邻像素点灰度值差异获取像素线段中每个像素点为细裂纹边缘像素点的概率，包括的具体公式为：其中，

根据增强后的手机屏幕表面灰度图像获取手机屏幕中的裂纹区域，进行缺陷检测。

2.根据权利要求1所述基于计算机视觉的手机屏幕缺陷智能检测方法，其特征在于，所述根据每个分块区域中像素点的灰度分布范围和灰度波动程度获取每个分块区域中存在裂纹的概率，包括的具体计算方法为：获取每个合并区域块的最大灰度值和最小灰度值的差值，利用差值与255的比值乘以每个分块区域的灰度波动程度，得到每个分块区域中存在裂纹的概率，每个分块区域的灰度波动程度由分块区域的像素点灰度方差获取。

3.根据权利要求1所述基于计算机视觉的手机屏幕缺陷智能检测方法，其特征在于，所述对每个合并区域块的梯度直方图进行拟合，获取每个合并区域块的混合高斯模型，包括的具体方法为：获取每个合并区域块的梯度图像，而后以梯度幅值为横坐标，像素点频数为纵坐标绘制每个合并区域块的梯度直方图，对每个合并区域块的梯度直方图进行混合高斯模型的拟合，拟合的混合高斯模型包含的子高斯模型的个数为th1，获取每个合并区域块的混合高斯模型，th1为预设的子高斯模型数量。

4.根据权利要求1所述基于计算机视觉的手机屏幕缺陷智能检测方法，其特征在于，所述根据像素线段中每个像素点为细裂纹边缘像素点的概率获取像素点的增强程度，包括的具体计算方法为：利用每个合并区域中的像素线段上的像素点为细裂纹边缘点的概率作为指数构建

5.根据权利要求1所述基于计算机视觉的手机屏幕缺陷智能检测方法，其特征在于，所述根据增强程度对像素点进行增强，获得增强后的手机屏幕表面灰度图像，包括的具体公式为：其中，

6.根据权利要求1所述基于计算机视觉的手机屏幕缺陷智能检测方法，其特征在于，所述根据每个分块区域中存在裂纹的概率合并分块区域，获得合并区域块，包括的具体方法为：预设一个裂纹存在概率阈值

7.根据权利要求1所述基于计算机视觉的手机屏幕缺陷智能检测方法，其特征在于，所述根据增强后的手机屏幕表面灰度图像获取手机屏幕中的裂纹区域，进行缺陷检测，包括的具体方法为：根据边缘检测算法分割增强后的手机屏幕表面灰度图像，提取手机屏幕表面裂纹区域，通过计算裂纹区域的分布面积大小获取手机屏幕的裂纹缺陷检测结果。

8.根据权利要求1所述基于计算机视觉的手机屏幕缺陷智能检测方法，其特征在于，所述采集手机屏幕表面图像并进行预处理，获得手机屏幕表面灰度图像，包括的具体方法为：将手机屏幕熄灭以防止手机亮度对屏幕表面图像的灰度值影响，而后在垂直于屏幕表面图像上方设置工业相机进行拍摄，获取手机屏幕表面图像，为放置噪声点影响，利用平滑算法对手机屏幕表面图像进行平滑处理，最后加权灰度化处理手机屏幕表面图像，获得手机屏幕表面灰度图像。