1.一种基于深度学习的PCB板Mark点精确定位方法，其特征在于，该方法包括以下步骤：S1、用摄像设备获得含有Mark点的PCB灰度图，再用标记工具在另一个PCB灰度图的相同坐标处标出Mark点的位置，并将标注的全部Mark点连接成一个闭合的圆形区域，获得PCB板图片；

S2、设计神经网络模型；

S3、用所述PCB板图片、标注图片训练所述神经网络模型，将所述PCB板图片输入至训练好的神经网络模型中经过计算，获得含有第一曲线C1的预测图；

S4、将所述预测图中的第一曲线C1上每处的半径增加μ％，得到第二曲线C2，利用白光干涉位移传感器检测所述预测图中的第一曲线C1与第二曲线C2之间相同位置区域Area，获得区域高度分布图；

S5、利用第一曲线C1和区域高度分布图精准定位Mark点的形状；

所述S5的具体方法为：

S5.1、区域高度差计算：将所述第一曲线C1按角度分成n个区域，n≥1，每个区域的角度都为360/n度，在每个区域根据高度分布图计算出每个区域的最高点高度hmax和最低点高度hmin，再计算高度差；

S5.2、区域分块：再对于每个区域按角度平均分为m块，分块数m取决于该区域内的高度差，高度差越大分块数m就越大；

S5.3、偏移第一曲线C1：取每块的中间像素a作为该块的代表，由圆心向a作射线，计算射线经过的第一曲线C1和第二曲线C2之间的最大高度差dl，由dl计算出偏移量E；

S5.4、同一块内的所有像素都向外偏移，偏移量为E，偏移方向为：圆心为端点，指向块内像素的射线的方向；偏移之后将所有像素连接，形成封闭第三曲线C3；重复该步骤若干次，第三曲线C3即为精确定位后的PCB板Mark点位置和形状。

2.根据权利要求1所述的一种基于深度学习的PCB板Mark点精确定位方法，其特征在于，所述S2中，所述神经网络包括特征提取模块、注意力模块、尺寸恢复模块、特征融合模块；其中，所述特征提取模块，用于提取特征信息；

所述注意力模块，与所述特征提取模块连接，用于选择处理对象的重要信息；

所述尺寸恢复模块，与所述注意力模块连接，用于恢复特征图的尺寸；

所述特征融合模块，与所述尺寸恢复模块连接，用于融合不同尺寸的特征信息。

3.根据权利要求2所述的一种基于深度学习的PCB板Mark点精确定位方法，其特征在于，所述特征融合模块包括卷积单元、上采样单元、拼接操作单元；所述注意力模块包括卷积单元、逐元素相加单元、全局平均池化单元；所述特征提取模块包括多个特征提取单元；

所述尺寸恢复模块包括多个尺寸恢复单元；所述特征提取单元包括两个卷积层和一个最大池化层；所述尺寸恢复单元包括上采样层和卷积层。

4.根据权利要求1所述的一种基于深度学习的PCB板Mark点精确定位方法，其特征在于，所述S3中，所述训练好的神经网络模型是通过以下方法获得：在训练的过程中，对训练获得的每一个预测图分别与标注图片进行对比，当预测图和标注图片相同位置的灰度值不同时，代表所述预测图产生损失，并利用融合损失函数和反向传播来更新神经网络的参数值，获得训练好的神经网络模型。

5.根据权利要求4所述的一种基于深度学习的PCB板Mark点精确定位方法，其特征在于，所述融合损失函数具体为：L＝α·L1+(1‑α)·L2(0<α<1)

其中L为新的融合损失函数，L1为交叉熵损失函数，L2为指数损失函数，α为权重值；

所述交叉熵损失函数具体为：

L1＝‑[ylogypre+(1‑y)log(1‑ypre)]其中，y是像素真实灰度值，ypre是像素预测灰度值；

所述指数损失函数具体如下：

L2＝(1‑y·ypre)exp(‑y·ypre)。

6.根据权利要求5所述的一种基于深度学习的PCB板Mark点精确定位方法，其特征在于，所述S5.1中，根据高度分布图计算出每个区域的最高点高度hmax和最低点高度hmin的具体方法为：获得高度分布图后，在每个区域中每隔一定角度提取一次线粗糙度，记录所述线中所有点的高度值制成高度分布曲线，再用数据分析工具将高度分布曲线转换成服从正态分布的曲线，所述曲线的数学期望值为μ，且曲线上0至μ‑1之间的最大值和最小值，即为hmax和hmin；其中，所述粗糙度为360/(n*k)，其中，k为每个区域获取粗糙度次数。

7.根据权利要求6所述的一种基于深度学习的PCB板Mark点精确定位方法，其特征在于，所述S5.1中，所述高度差的具体计算公式为：d＝hmax‑hmin。

8.根据权利要求7所述的一种基于深度学习的PCB板Mark点精确定位方法，其特征在于，所述S5.2中，所述m的数值由如下公式计算得到：其中，α1为系数，且0<α1<1。

9.根据权利要求5‑8任意一项所述的一种基于深度学习的PCB板Mark点精确定位方法，其特征在于，所述S5.3中，所述偏移量E是由如下公式计算得到：2

E＝α2·d1+β2

其中，α2为系数，且0<α2<1；β2为偏移量，且β2为整数。