技术特征：
1.一种屏幕透图检测方法，其特征在于，包括步骤：获取智能设备屏幕显示的原始图片；通过分类算法对所述原始图片进行分类处理，获得多个分类准确率和图片权重；根据所述分类准确率获得用于表征智能设备屏幕透图检测结果的目标权重。2.根据权利要求1所述的屏幕透图检测方法，其特征在于，在所述通过分类算法对所述原始图片进行分类处理的过程之前，还包括步骤：对所述原始图片进行细节增强处理。3.根据权利要求2所述的屏幕透图检测方法，其特征在于，所述对所述原始图片进行细节增强处理的过程，包括步骤：通过增强函数增强所述原始图片的色彩、亮度和纹理。4.根据权利要求1所述的屏幕透图检测方法，其特征在于，所述通过分类算法对所述原始图片进行分类处理的过程，包括步骤：基于神经网络基础模型进行冻结相关层权重、设置优化器以及设置学习率处理；通过上述处理后的神经网络基础模型对所述原始图片进行卷积处理、池化处理和激活函数处理，以获得全连接层，以使所述原始图片的尺寸成为目标尺寸；通过多次迭代获得相应的权重，基于优化器的损失函数计算每次迭代的分类准确率。5.根据权利要求4所述的屏幕透图检测方法，其特征在于，所述通过上述处理后的神经网络基础模型对所述原始图片进行卷积处理、池化处理和激活函数处理，以获得全连接层的过程，包括步骤：对所述原始图片进行初次卷积处理；将所述第一次卷积处理的归一化结果进行多次二次卷积处理；对所述二次卷积处理结果进行池化处理；根据处理后的神经网络基础模型处理所述池化处理结果，得到所述全连接层。6.根据权利要求1所述的屏幕透图检测方法，其特征在于，所述分类算法包括逻辑回归算法、决策树算法、线性svm算法、梯度提升树算法或k近邻分类算法。7.根据权利要求1至6任意一项所述的屏幕透图检测方法，其特征在于，所述获得用于表征智能设备屏幕透图检测结果的目标权重的过程，包括步骤：基于所述分类准确率，通过梯度法获得所述目标权重。8.一种屏幕透图检测装置，其特征在于，包括：图片获取模块，用于获取智能设备屏幕显示的原始图片；分类处理模块，用于通过分类算法对所述原始图片进行分类处理，获得多个分类准确率和图片权重；结果获取模块，用于根据所述分类准确率获得用于表征智能设备屏幕透图检测结果的目标权重。9.一种计算机存储介质，其上存储有计算机指令，其特征在于，所述计算机指令被处理器执行时实现如权利要求1至7任意一项所述的屏幕透图检测方法。10.一种计算机设备，包括存储器、处理器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，所述处理器执行程序时实现如权利要求1至7任意一项所述的屏幕透图检测方法。