1.用于智能移动终端的辐射检测方法，其特征在于，所述方法包括：

步骤1：在抽签批次下，测量第i个抽检终端中射频模块在不同温度的电磁辐射，得到M个电磁辐射初始值，以及获取第i个抽检终端的屏蔽系数特征数据，i、M为大于零的正整数；

所述屏蔽系数特征数据包括终端型号、终端的外壳材料、终端的外壳厚度、终端外壳的导电系数和终端外壳的介电常数；

步骤2：基于屏蔽系数特征数据和预构建第二机器学习模型，确定第i个抽检终端的辐射屏蔽系数；

预构建第二机器学习模型的生成逻辑如下：获取历史屏蔽系数样本数据，所述历史屏蔽系数样本数据包括屏蔽系数特征数据及其对应的辐射屏蔽系数；将历史屏蔽系数样本数据划分为屏蔽系数训练集和屏蔽系数测试集；构建回归网络模型，将屏蔽系数训练集中的屏蔽系数特征数据作为回归网络模型的输入，将屏蔽系数训练集中的辐射屏蔽系数作为回归网络模型的输出，对回归网络模型进行训练，得到第二初始回归网络模型，以最小化第二预测准确度之和为训练目标，利用屏蔽系数测试集对第二初始回归网络模型进行模型评测，将第二预测准确度之和达到收敛时的第二初始回归网络模型作为预构建第二机器学习模型；其中，第二预测准确度的计算公式为： ，式中，为每组屏蔽系数特征数据的编号， 为第二预测准确度， 为第 组屏蔽系数特征数据对应的辐射屏蔽系数的预测值， 为第 组屏蔽系数特征数据对应的辐射屏蔽系数的实际值，其中， 、和 的单位为分贝；

所述辐射屏蔽系数的生成逻辑如下：

获取射频模块的电磁辐射输出功率、无外壳情况下的电磁辐射接收功率和有外壳情况下的电磁辐射接收功率；

基于射频模块的电磁辐射输出功率、无外壳情况下的电磁辐射接收功率和有外壳情况下的电磁辐射接收功率进行公式化计算，得到辐射屏蔽系数；其计算公式为：；式中： 表示辐射屏蔽

系数，单位为分贝， 表示射频模块的电磁辐射输出功率，单位为瓦特， 表示无外壳情况下的电磁辐射接收功率，单位为瓦特， 表示有外壳情况下的电磁辐射接收功率，单位为瓦特；

步骤3：获取辐射校正特征数据，基于辐射校正特征数据、第i个抽检终端的辐射屏蔽系数和预构建第一机器学习模型对射频模块的每个电磁辐射初始值进行校正，得到N个电磁辐射修正值，N为大于零的正整数；所述辐射校正特征数据包括终端型号、发射功率、发射频率、发射天线的增益和发射频段；所述预构建第一机器学习模型基于预先获取的电磁辐射测试数据训练生成；

步骤4：筛选N个电磁辐射修正值中的目标修正值，将目标修正值进行比对分析，得到第i个抽检终端的比对分析结果；所述比对分析结果包括电磁辐射符合标准和电磁辐射不符合标准；

步骤5：重复上述步骤1～步骤4，直至i=Q时结束循环，得到所有抽检终端的比对分析结果，Q为大于零的正整数；

步骤6：根据所有抽检终端的比对分析结果确定抽签批次下的质量告警等级，并根据质量告警等级进行生产告警。

2.根据权利要求1所述的用于智能移动终端的辐射检测方法，其特征在于，预先获取电磁辐射测试数据，包括：步骤a1：将测试批次中的R个标准测试终端放置于设定标准恒温测试环境下，以及将标准测试终端放置于温变测试环境下，R为大于零的正整数；

步骤a2：在设定标准恒温测试环境下，测量第r个标准测试终端的第一电磁辐射测试值；

步骤a3：在温变测试环境下，测量第r个标准测试终端在第j摄氏度下的第二电磁辐射测试值，r、j为大于零的正整数；

步骤a4：将第一电磁辐射测试值和第二电磁辐射测试值的差值作为电磁辐射偏差值，判断电磁辐射偏差值是否处于预设电磁辐射偏差值区间，若不处于，则令j=j+c，并跳转回步骤a3，若处于，则电磁辐射偏差值与第j摄氏温度进行关联，得到第r个标准测试终端的电磁辐射偏差值与第j摄氏温度的一组关系，c为大于零的正整数；

步骤a5：重复上述步骤a1～步骤a4，直至j=T时结束循环，得到第r个标准测试终端的电磁辐射偏差值与第j摄氏温度的S组关系，令r=r+1，并跳转回步骤a2，T、S为大于零的正整数；

步骤a6：重复上述步骤a5，直至r=R时结束循环，得到R个标准测试终端的电磁辐射偏差值与第j摄氏温度的S组关系，将R个标准测试终端的电磁辐射偏差值与第j摄氏温度的S组关系作为电磁辐射测试数据。

3.根据权利要求2所述的用于智能移动终端的辐射检测方法，其特征在于，预先获取电磁辐射测试数据，还包括：步骤b1：将测试批次中的R个标准测试终端放置于设定标准恒定电磁噪声测试环境下，以及将标准测试终端放置于电磁噪声变化测试环境下；

步骤b2：在设定标准恒定电磁噪声测试环境下，测量第r个标准测试终端的第三电磁辐射测试值；

步骤b3：在电磁噪声变化测试环境下，测量第r个标准测试终端在第v分贝下的第四电磁辐射测试值；

步骤b4：将第三电磁辐射测试值和第四电磁辐射测试值的差值作为电磁辐射偏差值，判断电磁辐射偏差值是否处于预设电磁辐射偏差值区间，若不处于，则令v=v+d，并跳转回步骤b3，若处于，则电磁辐射偏差值与第v分贝进行关联，得到第r个标准测试终端的电磁辐射偏差值与第v分贝的一组关系，v、d为大于零的正整数；

步骤b5：重复上述步骤b1～步骤b4，直至v=Y时结束循环，得到第r个标准测试终端的电磁辐射偏差值与第v分贝的S组关系，令r=r+1，并跳转回步骤b2，Y为大于零的正整数；

步骤b6：重复上述步骤b5，直至r=R时结束循环，得到R个标准测试终端的电磁辐射偏差值与第v分贝的S组关系，将R个标准测试终端的电磁辐射偏差值与第v分贝的S组关系作为电磁辐射测试数据。

4.根据权利要求3所述的用于智能移动终端的辐射检测方法，其特征在于，预构建第一机器学习模型的生成逻辑如下：获取测试终端的终端型号、发射功率、发射频率、发射天线的增益、发射频段和辐射屏蔽系数，提取电磁辐射测试数据中电磁辐射偏差值与每一摄氏温度的关系，以及提取电磁辐射测试数据中电磁辐射偏差值与每一分贝的关系；

将终端型号、发射功率、发射频率、发射天线的增益、发射频段、辐射屏蔽系数、电磁辐射偏差值与每一摄氏温度的关系以及电磁辐射偏差值与每一分贝的关系作为辐射校正样本集，并将辐射校正样本集划分为辐射校正训练集和辐射校正测试集；

构建神经网络模型，将辐射校正训练集作为神经网络模型的输入数据，对神经网络模型进行训练，得到初始神经网络模型；

利用辐射校正测试集对初始神经网络模型进行测试，输出大于等于预设测试准确度的初始神经网络模型作为预构建第一机器学习模型。

5.根据权利要求4所述的用于智能移动终端的辐射检测方法，其特征在于，对射频模块的每个电磁辐射初始值进行校正，包括：步骤c1：获取第j摄氏度和第v分贝下第i个抽检终端中射频模块的电磁辐射初始值；以及获取第i个抽检终端的辐射校正特征数据和第i个抽检终端的辐射屏蔽系数；

步骤c2：将温度j、电磁噪声v、辐射校正特征数据和第i个抽检终端的辐射屏蔽系数输入预构建第一机器学习模型，得到电磁辐射偏差值；

步骤c3：对电磁辐射初始值和电磁辐射偏差值进行累加运算，得到第j摄氏度和第v分贝下的电磁辐射修正值；令j=j+c，v=v+d，并跳转回步骤c1；

步骤c4：重复上述步骤c1～步骤c3，直至j=T和v=Y时结束循环，得到N个电磁辐射修正值。

6.根据权利要求5所述的用于智能移动终端的辐射检测方法，其特征在于，将目标修正值进行比对分析，包括：设置目标校正标准区间，将目标修正值与目标校正标准区间进行比对；

若目标修正值处于目标校正标准区间，则判定对应抽检终端的电磁辐射符合标准，并令i=i+1，跳转回步骤1；

若目标修正值不处于目标校正标准区间，则判定对应抽检终端的电磁辐射不符合标准，将对应抽检终端作为违规终端，并令i=i+1，跳转回步骤1。

7.用于智能移动终端的辐射检测系统，其特征在于，包括：

数据获取模块，用于在抽签批次下，测量第i个抽检终端中射频模块在不同温度的电磁辐射，得到M个电磁辐射初始值，以及获取第i个抽检终端的屏蔽系数特征数据，i、M为大于零的正整数；所述屏蔽系数特征数据包括终端型号、终端的外壳材料、终端的外壳厚度、终端外壳的导电系数和终端外壳的介电常数；

屏蔽系数确定模块，用于基于屏蔽系数特征数据和预构建第二机器学习模型，确定第i个抽检终端的辐射屏蔽系数；

预构建第二机器学习模型的生成逻辑如下：获取历史屏蔽系数样本数据，所述历史屏蔽系数样本数据包括屏蔽系数特征数据及其对应的辐射屏蔽系数；将历史屏蔽系数样本数据划分为屏蔽系数训练集和屏蔽系数测试集；构建回归网络模型，将屏蔽系数训练集中的屏蔽系数特征数据作为回归网络模型的输入，将屏蔽系数训练集中的辐射屏蔽系数作为回归网络模型的输出，对回归网络模型进行训练，得到第二初始回归网络模型，以最小化第二预测准确度之和为训练目标，利用屏蔽系数测试集对第二初始回归网络模型进行模型评测，将第二预测准确度之和达到收敛时的第二初始回归网络模型作为预构建第二机器学习模型；其中，第二预测准确度的计算公式为： ，式中， 为每组屏蔽系数特征数据的编号， 为第二预测准确度， 为第 组屏蔽系数特征数据对应的辐射屏蔽系数的预测值， 为第 组屏蔽系数特征数据对应的辐射屏蔽系数的实际值，其中， 、和 的单位为分贝；

所述辐射屏蔽系数的生成逻辑如下：

获取射频模块的电磁辐射输出功率、无外壳情况下的电磁辐射接收功率和有外壳情况下的电磁辐射接收功率；

基于射频模块的电磁辐射输出功率、无外壳情况下的电磁辐射接收功率和有外壳情况下的电磁辐射接收功率进行公式化计算，得到辐射屏蔽系数；其计算公式为：；式中： 表示辐射屏蔽

系数，单位为分贝， 表示射频模块的电磁辐射输出功率，单位为瓦特， 表示无外壳情况下的电磁辐射接收功率，单位为瓦特， 表示有外壳情况下的电磁辐射接收功率，单位为瓦特；

数值修正模块，用于获取辐射校正特征数据，基于辐射校正特征数据、第i个抽检终端的辐射屏蔽系数和预构建第一机器学习模型对射频模块的每个电磁辐射初始值进行校正，得到N个电磁辐射修正值，N为大于零的正整数；所述辐射校正特征数据包括终端型号、发射功率、发射频率、发射天线的增益和发射频段；所述预构建第一机器学习模型基于预先获取的电磁辐射测试数据训练生成；

数据比对模块，用于筛选N个电磁辐射修正值中的目标修正值，将目标修正值进行比对分析，得到第i个抽检终端的比对分析结果；所述比对分析结果包括电磁辐射符合标准和电磁辐射不符合标准；

循环处理模块，用于重复上述数据获取模块至数据比对模块，直至i=Q时结束循环，得到所有抽检终端的比对分析结果，Q为大于零的正整数；

生产告警模块，用于根据所有抽检终端的比对分析结果确定抽签批次下的质量告警等级，并根据质量告警等级进行生产告警。

8.一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6任一项所述用于智能移动终端的辐射检测方法。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至6任一项所述用于智能移动终端的辐射检测方法。