1.一种焊点缺陷检测方法，其特征在于，应用于PCB的IC元件的焊点检测，包括：获取待检测IC元件的初始引脚图像；

对所述初始引脚图像的三色通道利用无约束优化的二维经验模式分解，得到多通道图像；

将所述多通道图像输入至预先构建的缺陷分类模型，得到所述初始引脚图像的标签类型，以检测所述待检测IC元件的引脚是否有缺陷；所述标签类型包括正样本和负样本两类标签；

其中，所述二维经验模式分解通过三棱锥堆叠形成薄块，通过各个三棱锥的重心趋于零平面特性构建求BIMF的优化问题，所述缺陷分类模型基于卷积神经网络分类模型，将其最后一层删除，并设置维度为2的全连接层作为倒数第二层并使用加权方式获得分类边界，用包含8个方向维度的卷积核滑动窗，并对所述卷积核滑动窗的对角填充 值，以使其在各个方向上有平滑权重；softmax层作为最后一层，通过训练正样本多于负样本且正负样本比例超过预设比例阈值的训练样本集所得，所述训练样板集中的正样本为没有缺陷的IC引脚图像，负样本为有缺陷的IC引脚图像；所述缺陷分类模型包括特征提取层、特征筛选层和softmax层；所述特征提取层包括两层，每层依次由二维卷积层、激活层和池化层构成；所述特征筛选层依次由第一丢弃层、降维层、维度为256的第一全连接层、第二丢弃层及二维的全连接层构成。

2.根据权利要求1所述的焊点缺陷检测方法，其特征在于，所述对所述初始引脚图像的三色通道利用无约束优化的二维经验模式分解，得到多通道图像包括：利用形态学方法确定所述初始引脚图像中极值点集，并利用分水岭算法从所述极值点集剔除不满足预设条件的极值点，得到优化极值点集，以使其满足二维集合经验模式分解的零均值条件；

将所述优化极值点集利用物理重心方法近似模态函数包络对称，得到局部均值分量。

3.根据权利要求2所述的焊点缺陷检测方法，其特征在于，所述无约束优化的二维经验模式为：

对局部均值分量做差分运算，以获得局部均值目标函数；

为BIMF目标函数添加二维局部均值分量约束构成优化问题，求解所述优化问题以获得BIMF分量和满足预设条件的二维局部均值分量。

4.根据权利要求1所述的焊点缺陷检测方法，其特征在于，所述二维卷积层的卷积核为

3、步长为1且包括padding；所述激活层的激活函数为RELU；所述池化层为大小为2、步长为2的MaxPooling层；所述第一丢弃层概率为0.5。

5.一种焊点缺陷检测装置，其特征在于，应用于PCB的IC元件的焊点检测，包括：图像获取模块，用于获取待检测IC元件的初始引脚图像；

图像分解模块，用于对所述初始引脚图像的三色通道利用无约束优化的二维经验模式分解，得到多通道图像；

图像缺陷识别模块，用于将所述多通道图像输入至预先构建的缺陷分类模型，得到所述初始引脚图像的标签类型，以检测所述待检测IC元件的引脚是否有缺陷；所述标签类型包括正样本和负样本两类标签；

其中，所述二维经验模式分解通过三棱锥堆叠形成薄块，通过各个三棱锥的重心趋于零平面特性构建求BIMF的优化问题，所述缺陷分类模型基于卷积神经分类模型，将其最后一层删除，并设置维度为2的全连接层作为倒数第二层并使用加权方式获得分类边界，用包含8个方向维度的卷积核滑动窗，并对所述卷积核滑动窗的对角填充 值，以使其在各个方向上有平滑权重；softmax层作为最后一层，通过训练正样本多于负样本且正负样本比例超过预设比例阈值的训练样本集所得，所述训练样板集中的正样本为没有缺陷的IC引脚图像，负样本为有缺陷的IC引脚图像；所述图像缺陷识别模块为缺陷分类模型包括特征提取层、特征筛选层和softmax层的模块；所述特征提取层包括两层，每层依次由二维卷积层、激活层和池化层构成；所述特征筛选层依次由第一丢弃层、降维层、维度为256的第一全连接层、第二丢弃层及二维的全连接层构成。

6.根据权利要求5所述的焊点缺陷检测装置，其特征在于，所述图像分解模块包括：极值点优化子模块，用于利用形态学方法确定所述初始引脚图像中极值点集，并利用分水岭算法从所述极值点集剔除不满足预设条件的极值点，得到优化极值点集，以使其满足二维集合经验模式分解的零均值条件；

局部均值分量获取子模块，用于将所述优化极值点集利用物理重心方法近似模态函数包络对称，得到局部均值分量。

7.一种焊点缺陷检测设备，其特征在于，包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至4任一项所述焊点缺陷检测方法的步骤。

8.一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焊点缺陷检测程序，所述焊点缺陷检测程序被处理器执行时实现如权利要求1至4任一项所述焊点缺陷检测方法的步骤。