1.基于混合高斯模型的IC元件焊点缺陷检测方法，其特征在于，包括：S1、初始化混合高斯模型的模板个数、权重、均值和方差，同时根据训练图片的高度和宽度建立频率分布图；

S2、从训练样本中获取IC焊点训练图片，对混合高斯模型以及频率分布图进行更新；

S3、判断训练样本是否已训练完毕，若是则计算训练样本的缺陷度阈值，否则返回执行步骤S2；

S4、采集待检测IC元件焊点的图片后，结合训练好的混合高斯模型和频率分布图计算该图片的缺陷度；

S5、将该图片的缺陷度与训练样本的缺陷度阈值进行比对后获得IC元件焊点的检测结果。

2.根据权利要求1所述的基于混合高斯模型的IC元件焊点缺陷检测方法，其特征在于，所述步骤S1，包括：S11、将混合高斯模型的模板个数初始化为M，其中M为自然数且3≤M≤5；

S12、将M个模板的权重均初始化为1/M，并从[0,255]区间中随机选择一个数字作为M个模板的均值，同时将M个模板的方差初始化为特定值V0，其中3≤V0≤10；

S13、建立一个大小为H*W的矩阵并将该矩阵的所有元素值初始化为1后，将该矩阵作为频率分布图，其中H表示训练图片的高度，W表示训练图片的宽度。

3.根据权利要求2所述的基于混合高斯模型的IC元件焊点缺陷检测方法，其特征在于，所述步骤S2，包括：S21、从训练样本中获取IC焊点训练图片，针对该训练图片的每个像素点，将其分别与M个高斯模型进行匹配处理，并获得该像素点与每个高斯模型的高斯匹配值；

S22、对混合高斯模型进行递归更新；

S23、分别计算该像素点对应的M个高斯模型的权重与标准差的比值，并按照比值对M个高斯模型进行排序；

S24、根据下式选择前B个高斯模型作为背景点，进而判断该像素点与前B个高斯模型是否匹配，若是，判断该像素点为背景点，否则判断该像素点为前景点：上式中，Th为预设的背景阈值且0.75≤Th≤0.90，i表示序号，wi表示第i个高斯模型的权重；

S25、对该像素点进行二值化赋值，并更新频率分布图；

S26、遍历所有像素点后获得该训练图片的二值化图像。

4.根据权利要求3所述的基于混合高斯模型的IC元件焊点缺陷检测方法，其特征在于，所述步骤S21，其具体为：从训练样本中获取IC焊点训练图片，针对该训练图片的每个像素点，将其分别与对应的M个高斯模型进行匹配处理，判断是否符合以下条件，若是，则判定该像素点与对应高斯模型匹配，两者的高斯匹配值为1，否则两者不匹配，高斯匹配值为0：|Xk-μi|＜2.5σi

上式中，Xk表示该像素点的像素值，μi表示第i个高斯模型的均值，σi表示第i个高斯模型的方差。

5.根据权利要求4所述的基于混合高斯模型的IC元件焊点缺陷检测方法，其特征在于，所述步骤S22，包括：S221、根据下式对混合高斯模型的权重进行递归更新：wi,k＝(1-α)*wi,k-1+α*Hi,k

S222、对与该像素点不匹配的高斯模型，直接执行步骤S223，对与该像素点匹配的高斯模型，根据下式对其均值和标准差进行更新后，结束更新：S223、判断该像素点是否与其对应的M个高斯模型均不匹配，若是，则按照下式替换权重值最小的高斯模型，否则结束更新：其中，wi,k、μi,k和 分别表示该像素点的第i个高斯模型的权重、均值和方差，wi,k-1、μi,k-1和 分别表示上一张训练图片与该像素点对应位置的像素点的第i个高斯模型的权重、均值和方差，Hi,k表示该像素点和第i个高斯模型的高斯匹配值，α表示预设的学习效率值，wsl,k、μsl,k和σsl,k分别表示权重值最小的高斯模型的权重、均值和标准差。

6.根据权利要求3所述的基于混合高斯模型的IC元件焊点缺陷检测方法，其特征在于，所述步骤S25，其具体为：若该像素点为背景点，则将其赋值为0，反之将其赋值为255并将该像素点对应位置的频率分布图的值加1。

7.根据权利要求3所述的基于混合高斯模型的IC元件焊点缺陷检测方法，其特征在于，所述步骤S3中所述计算训练样本的缺陷度阈值，其具体为：根据下式分别计算训练样本的每个训练图片的缺陷度并获取最大值作为训练样本的缺陷度阈值：上式中，Em表示训练图片的缺陷度，m表示训练样本的训练图片个数，f(x,y)表示频率分布图，b(x,y)表示训练图片的二值化图像。

8.根据权利要求2所述的基于混合高斯模型的IC元件焊点缺陷检测方法，其特征在于，所述步骤S4，包括：S41、采集待检测IC元件焊点的图片后，针对该图片的每个像素点，分别计算该像素点对应的M个高斯模型的权重与标准差的比值，并按照比值对M个高斯模型进行排序；

S42、根据下式选择前B个高斯模型作为背景点，进而判断该像素点与前B个高斯模型是否匹配，若是，判断该像素点为背景点，否则判断该像素点为前景点：上式中，Th为预设的背景阈值且0.75≤Th≤0.90，i表示序号，wi表示第i个高斯模型的权重；

S43、对该像素点进行二值化赋值；

S44、遍历所有像素点后获得该图片的二值化图像；

S45、根据下式计算该图片的缺陷度：

上式中，Em表示图片的缺陷度，m表示训练样本的训练图片个数，f(x,y)表示频率分布图，b(x,y)表示该图片的二值化图像。

9.根据权利要求1所述的基于混合高斯模型的IC元件焊点缺陷检测方法，其特征在于，所述步骤S5，其具体为：判断该缺陷度是否大于训练样本的缺陷度阈值，若是，则判断该IC元件焊点为虚焊焊点，反之，判断该IC元件焊点为正常焊点。