1.一种自适应统计模型训练方法，其特征在于，所述方法包括：从样本训练集中选取IC元件焊点样本；

将所述IC元件焊点样本与初始化后的自适应统计模型中的模板进行匹配，并判断是否匹配成功；

若是，则进行模板重要性累积，得到重要性累积值，以及更新模板重要性；若否，则直接更新所述模板重要性；

将所述重要性累积值与累积阈值进行比较，判断所述重要性累积值是否小于所述累积阈值；

若否，则更新模板数量和邻域模板重要性；若是，则判断已匹配的模板数量是否大于所述自适应统计模型中的模板总数量；

若否，则返回执行所述将所述IC元件焊点样本与初始化后的自适应统计模型中的模板进行匹配，并判断是否匹配成功的步骤；若是，则更新模板数量和邻域模板重要性；

对匹配距离阈值、更新概率、最小重要性模板、频率分布图以及缺陷度阈值进行更新；

判断已匹配的样本数量是否大于所述样本训练集中的样本总数量；

若否，则返回执行从样本训练集中选取IC元件焊点样本的步骤；若是，则训练完毕，获得训练后的自适应统计模型；

自适应统计模型的基本形式由以下公式给出：

M(x，y)＝{m1(x，y)，m2(x，y)，...，mK(x，y)}，k＝1，2，...，K；

式中，(x，y)为像素点坐标，mk为模板，K为模板数量；

模板公式如下：

式中， 为IC焊点样本像素值， 为该样本的重要性值；

模板重要性公式如下：

式中， 为模板被匹配成功的次数， 为模板在模型训练中进入潜在缺陷检测的次数；

更新模板数量时依据的模板数量自适应公式如下：

式中，n为IC焊点样本训练集的样本索引，n+1为下一个样本索引，N为IC焊点样本训练集样本数量， 为IC焊点样本训练集截止当前样本索引与所有模板匹配成功的最大距离的均值，用公式表示如下：qk(x，y)为模板与IC焊点样本进行匹配时的匹配公式；

式中，R(x，y)为匹配距离阈值，每一个像素点有着IC焊点样本集自适应获得的距离阈值，对进行了匹配的结果进行累积，与潜在缺陷阈值比对获得潜在缺陷检测结果，公式如下：式中，0为没有潜在缺陷，1为有潜在缺陷，W(x，y)为潜在缺陷阈值，每一个像素点有着基于模型自适应获得的潜在缺陷阈值；W(x，y)的公式如下：更新匹配距离阈值时依据的匹配阈值自适应公式如下：式中， 为IC焊点样本训练集截止当前样本索引与所有模板匹配成功的最小距离的均值，step(x，y)为步长； 公式如下：用单个IC焊点样本初始化步长公式如下：

式中，Kmax为归一化值，含义为所有像素点中IC焊点模板数量最大值；邻域模板重要性的更新在潜在缺陷检测进程中进行，当进入检测进程时所有模板 加1， 为模板在模型训练中进入潜在缺陷检测的次数，若IC焊点样本与模板匹配成功则 加1， 为模板被匹配成功的次数，否则不变；

加入更新最小重要性模板机制，该机制以1/P(x，y)的概率将IC焊点样本替换模型中的最小重要性模板，新加入的模板像素值为当前的IC焊点像素值，重要性值中 和 均为

1；更新概率分母P(x，y)通过自适应获得，公式如下：

2.根据权利要求1所述的自适应统计模型训练方法，其特征在于，所述样本训练集中的IC元件焊点样本为合格样本。

3.一种自适应统计模型训练系统，其特征在于，所述系统包括：样本选取模块，用于从样本训练集中选取IC元件焊点样本；

模板匹配模块，用于将所述IC元件焊点样本与初始化后的自适应统计模型中的模板进行匹配，并判断是否匹配成功；

第一处理模块，用于若匹配成功，则进行模板重要性累积，得到重要性累积值，以及更新模板重要性；若匹配不成功，则直接更新所述模板重要性；

阈值比较模块，用于将所述重要性累积值与累积阈值进行比较，判断所述重要性累积值是否小于所述累积阈值；

第二处理模块，用于若所述重要性累积值不小于所述累积阈值，则更新模板数量和邻域模板重要性；若所述重要性累积值小于所述累积阈值，则判断已匹配的模板数量是否大于所述自适应统计模型中的模板总数量；

第三处理模块，用于若已匹配的模板数量不大于所述自适应统计模型中的模板总数量，则返回执行所述将所述IC元件焊点样本与初始化后的自适应统计模型中的模板进行匹配，并判断是否匹配成功的步骤；若已匹配的模板数量大于所述自适应统计模型中的模板总数量，则更新模板数量和邻域模板重要性；

更新处理模块，用于对匹配距离阈值、更新概率、最小重要性模板、频率分布图以及缺陷度阈值进行更新；

数量判断模块，用于判断已匹配的样本数量是否大于所述样本训练集中的样本总数量；

第四处理模块，用于若已匹配的样本数量不大于所述样本训练集中的样本总数量，则返回执行从样本训练集中选取IC元件焊点样本的步骤；若已匹配的样本数量大于所述样本训练集中的样本总数量，则训练完毕，获得训练后的自适应统计模型；

自适应统计模型的基本形式由以下公式给出：

M(x，y)＝{m1(x，y)，m2(x，y)，...，mK(x，y)}，k＝1，2，...，K；

式中，(x，y)为像素点坐标，mk为模板，K为模板数量；

模板公式如下：

式中， 为IC焊点样本像素值， 为该样本的重要性值；

模板重要性公式如下：

式中， 为模板被匹配成功的次数， 为模板在模型训练中进入潜在缺陷检测的次数；

更新模板数量时依据的模板数量自适应公式如下：

式中，n为IC焊点样本训练集的样本索引，n+1为下一个样本索引，N为IC焊点样本训练集样本数量， 为IC焊点样本训练集截止当前样本索引与所有模板匹配成功的最大距离的均值，用公式表示如下：qk(x，y)为模板与IC焊点样本进行匹配时的匹配公式；

式中，R(x，y)为匹配距离阈值，每一个像素点有着IC焊点样本集自适应获得的距离阈值，对进行了匹配的结果进行累积，与潜在缺陷阈值比对获得潜在缺陷检测结果，公式如下：式中，0为没有潜在缺陷，1为有潜在缺陷，W(x，y)为潜在缺陷阈值，每一个像素点有着基于模型自适应获得的潜在缺陷阈值；W(x，y)的公式如下：更新匹配距离阈值时依据的匹配阈值自适应公式如下：式中， 为IC焊点样本训练集截止当前样本索引与所有模板匹配成功的最小距离的均值，step(x，y)为步长； 公式如下：用单个IC焊点样本初始化步长公式如下：

式中，Kmax为归一化值，含义为所有像素点中IC焊点模板数量最大值；邻域模板重要性的更新在潜在缺陷检测进程中进行，当进入检测进程时所有模板 加1， 为模板在模型训练中进入潜在缺陷检测的次数，若IC焊点样本与模板匹配成功则 加1， 为模板被匹配成功的次数，否则不变；

加入更新最小重要性模板机制，该机制以1/P(x，y)的概率将IC焊点样本替换模型中的最小重要性模板，新加入的模板像素值为当前的IC焊点像素值，重要性值中 和 均为

1；更新概率分母P(x，y)通过自适应获得，公式如下：

4.根据权利要求3所述的自适应统计模型训练系统，其特征在于，所述样本训练集中的IC元件焊点样本为合格样本。

5.一种基于自适应统计模型的IC元件焊点缺陷检测方法，其特征在于，所述自适应统计模型由权利要求1～2中任一项所述的自适应统计模型训练方法训练得到，所述方法包括：采集待检测的IC元件焊点的图片；

利用所述自适应统计模型对所述图片进行缺陷检测，得到缺陷检测结果；

根据所述缺陷检测结果和频率分布图计算所述图片的缺陷度；

将计算得到的所述图片的缺陷度与缺陷度阈值进行比较，获得检测结果。

6.根据权利要求5所述的基于自适应统计模型的IC元件焊点缺陷检测方法，其特征在于，所述将计算得到的所述图片的缺陷度与缺陷度阈值进行比较，获得检测结果的步骤包括：将计算得到的所述图片的缺陷度与缺陷度阈值进行比较，判断所述图片的缺陷度是否小于缺陷度阈值；

若是，则所述待检测的IC元件焊点为合格焊点；

若是，则所述待检测的IC元件焊点为不合格焊点。