1.一种显示屏的性能检测方法，其特征在于，包括以下步骤：步骤S1：获取历史显示屏亮屏显示图像，对历史显示屏亮屏显示图像进行缺陷检测，从而获得历史显示屏亮屏缺陷标注图像；其中，步骤S1包括以下步骤：步骤S11：获取历史显示屏亮屏显示图像；

步骤S12：对历史显示屏亮屏显示图像进行灰度图像转换，从而获得显示屏亮屏显示灰度图像；

步骤S13：通过显示屏图像分割算法对显示屏亮屏显示灰度图像进行背景分割，从而获得显示前景图像；其中，步骤S13包括以下步骤：步骤S131：对显示屏亮屏显示灰度图像进行灰度像素值提取，从而获得显示屏亮屏灰度像素值；

步骤S132：对显示屏亮屏灰度像素值进行统计分析，从而获得灰度像素值阈值；

步骤S133：根据灰度像素值阈值通过显示屏图像分割算法对显示屏亮屏显示灰度图像进行边缘分割，从而获得显示屏边缘分割灰度图像；其中，显示屏图像分割算法的函数公式具体为：；

式中，E为边缘强度值，I为像素的灰度值，S为灰度像素值阈值，k为边缘增强系数， 为图像增强指数， 为平移参数， 为指数参数， 为梯度算子，x为图像中像素点的横向坐标，y为图像中像素点的纵向坐标，e为自然对数的底数；

步骤S134：对显示屏边缘分割灰度图像进行高斯模糊，从而获得待背景消除图像；

步骤S135：基于领域信息的背景消除法对待背景消除图像进行背景消除，从而获得显示前景图像；

步骤S14：对显示前景图像进行二值化处理，从而获得显示二值图像；

步骤S15：对显示二值图像进行连通域缺陷判定，从而获得历史显示屏亮屏缺陷标注图像；其中，步骤S15包括以下步骤：基于形态学滤波的去噪方法对显示二值图像进行去噪，从而获得去噪二值图像；

对去噪二值图像进行连通域面积计算，从而获得连通域面积数据；

通过一维离散傅里叶变换法对连通域面积数据进行频谱数据转换，从而获得连通域面积频谱数据；

对连通域面积频谱数据进行异常波段检测，从而获得连通域面积异常波段；

通过逆傅里叶变换法对连通域面积异常波段进行图像转换，从而获得亮屏缺陷图像；

根据亮屏缺陷图像对去噪二值图像进行缺陷标注，从而获得历史显示屏亮屏缺陷标注图像；

步骤S2：基于深度学习法对历史显示屏亮屏缺陷标注图像进行模型构建，从而获得Mura缺陷检测模型；

步骤S3：获取待检测显示屏显示图像集，利用Mura缺陷检测模型对待检测显示屏显示图像集进行第一显示屏性能检测，从而获得第一显示屏性能检测数据；其中，步骤S3包括以下步骤：获取待检测显示屏显示图像集；

对待检测显示屏显示图像集进行待检测显示屏亮屏显示图像提取，从而获得待检测显示屏亮屏显示图像；

对待检测显示屏亮屏显示图像进行特征提取，从而获得待检测显示屏亮屏显示特征；

获取显示屏检测背光源信息以及图像拍摄点位置信息；

利用显示屏检测背光源信息与待检测显示屏亮屏显示特征进行相关性计算，从而获得显示‑背光源相关性系数；

利用图像拍摄点位置信息与待检测显示屏亮屏显示特征进行相关性计算，从而获得显示‑拍摄点相关性系数；

根据显示‑背光源相关性系数以及显示‑拍摄点相关性系数进行客观影响画像；

根据客观影响画像通过Mura缺陷检测模型对待检测显示屏亮屏显示图像进行显示缺陷检测，从而获得第一显示屏性能检测数据；

步骤S4：对待检测显示屏显示图像集进行熄屏显示图像提取，从而获得显示屏熄屏显示图像，并对显示屏熄屏显示图像进行第二显示屏性能检测，从而获得第二显示屏性能检测数据；其中，步骤S4包括以下步骤：对待检测显示屏显示图像集进行熄屏显示图像提取，从而获得显示屏熄屏显示图像；

通过显示屏图像分割算法对显示屏熄屏显示图像进行图像分割，从而获得显示屏熄屏显示分割图像；

通过红外摄像技术获取显示屏熄屏红外图像；

根据显示屏熄屏红外图像对显示屏熄屏显示分割图像进行表面异物检测，从而获得表面异物数据；

对待检测显示屏显式图像进行显示屏面积计算，从而获得显示屏面积数据；

根据表面异物数据以及显示屏面积数据进行抗表面异物干扰性计算，从而获得第二显示屏性能检测数据；

步骤S5：对第一显示屏性能检测数据以及第二显示屏性能检测数据进行综合评估系数计算，从而获得待检测显示屏性能评估系数，并根据待检测显示屏性能评估系数对第一显示屏性能检测数据以及第二显示屏性能检测数据进行数据归并，从而获得待检测显示屏性能评估数据；

步骤S6：根据待检测显示屏性能评估数据构建显示屏数字孪生模型，并将显示屏数字孪生模型上传至可视化平台，以执行显示屏缺陷3D可视化任务；其中，步骤S6包括以下步骤：根据待检测显示屏显示图像集构建显示屏主体模型；

对待检测显示屏性能评估数据进行特征提取，从而获得待检测显示屏性能特征；

根据待检测显示屏性能特征构建显示屏影子模型；

基于卷积神经网络对显示屏主体模型以及显示屏影子模型进行组合，从而获得显示屏组合模型；

通过监督学习方法对显示屏组合模型进行最小化差异参数优化，从而获得显示屏数字孪生模型；

将显示屏数字孪生模型上传至可视化平台，以执行显示屏缺陷3D可视化任务。

2.根据权利要求1所述的显示屏的性能检测方法，其特征在于，步骤S2具体为：对历史显示屏亮屏缺陷标注图像进行图像增强，从而获得增强历史显示屏亮屏缺陷标注图像；

将增强历史显示屏亮屏缺陷标注图像进行标签格式转换，从而获得增强历史显示屏亮屏缺陷标注标签；

按照预设的划分比例将增强历史显示屏亮屏缺陷标注标签划分为建模训练集以及建模测试集；

基于YOLO3算法对建模训练集以及建模测试集进行建模，从而获得缺陷检测模型；

根据建模测试集对缺陷检测模型进行高斯误差评估迭代，从而获得Mura缺陷检测模型。

3.根据权利要求1所述的显示屏的性能检测方法，其特征在于，步骤S5具体为：通过显示屏综合评估系数计算公式对第一显示屏性能检测数据以及第二显示屏性能检测数据进行计算，从而获得待检测显示屏性能评估系数，其中显示屏综合评估系数计算公式具体为：；

式中EC为显示屏的综合评估系数，D为亮屏缺陷系数，B为显示屏参考亮度，C为对比度水平，V为观察视角系数，A为表面异物干扰因子，R为表面异物干扰权重系数，n为观察次数，M为观测得平均偏差，N为次要影响因素总数，i为次要影响因素索引， 为第i个次要影响因素参数， 为第i个次要影响因素权重，T为时间点， 为时间因素变化函数，e为自然对数的底数；

对第一显示屏性能检测数据以及第二显示屏性能检测数据进行数据归并，从而获得待检测显示屏性能检测数据；

根据待检测显示屏性能评估系数对待检测显示屏性能检测数据进行参数标记，从而获得待检测显示屏性能评估数据。