1.一种基于计算机视觉的PCBA板表面缺陷检测方法，其特征在于，所述基于计算机视觉的PCBA板表面缺陷检测方法包括：从PCBA板的表面灰度图像中确定焊点区域；

确定所述焊点区域的初始焊点边缘轮廓，所述初始焊点边缘轮廓包括多个边缘像素点；

根据所述初始焊点边缘轮廓中当前的边缘像素点在多个连通方向的梯度强度和梯度方向，确定所述当前的边缘像素点的梯度环境异常程度，所述梯度环境异常程度表征所述当前的边缘像素点属于真实虚焊点边缘的可能性，所述连通方向为与所述当前的边缘像素点相邻的多个相邻像素点的方向；

根据所述当前的边缘像素点的邻域窗口中各像素点的灰度值，确定所述当前的边缘像素点的损失程度，所述损失程度表征所述当前的边缘像素点趋近于真实焊点边缘的趋近程度；

利用所述梯度环境异常程度和所述损失程度对所述初始焊点边缘轮廓进行修正，得到所述焊点区域的最终焊点区域边缘轮廓；

将所述最终焊点区域边缘轮廓与标准焊点边缘轮廓进行对比，以识别所述焊点区域是否存在虚焊缺陷；

所述根据所述初始焊点边缘轮廓中当前的边缘像素点在多个连通方向的梯度强度和梯度方向，确定所述当前的边缘像素点的梯度环境异常程度包括：确定所述当前的边缘像素点在多个连通方向的梯度强度和梯度方向；

根据所述梯度强度和所述梯度方向确定所述当前的边缘像素点的梯度环境因子，所述梯度环境因子表征所述当前的边缘像素点的梯度环境的环境优劣程度；

根据所述当前的边缘像素点的梯度环境因子与所述焊点区域中其他像素点的梯度环境因子，确定所述当前的边缘像素点的梯度环境异常程度；

所述根据所述当前的边缘像素点的邻域窗口中各像素点的灰度值，确定所述当前的边缘像素点的损失程度包括：以所述当前的边缘像素点为中心确定所述当前的边缘像素点的邻域窗口，所述邻域窗口被所述初始焊点边缘轮廓划分为相互邻接的第一部分和第二部分；

根据所述第一部分中各像素点的第一灰度值和所述第二部分中各像素点的第二灰度值，确定所述当前的边缘像素点的损失程度。

2.根据权利要求1所述的基于计算机视觉的PCBA板表面缺陷检测方法，其特征在于，所述根据所述梯度强度和所述梯度方向确定所述当前的边缘像素点的梯度环境因子包括：根据所述当前的边缘像素点在多个连通方向的梯度强度，确定所述当前的边缘像素点的平均梯度强度，和根据所述当前的边缘像素点在多个连通方向的梯度方向，确定所述当前的边缘像素点的平均梯度方向；

计算所述平均梯度强度和所述平均梯度方向所在角度的余弦值的第一乘积，以及所述当前的边缘像素点在各个所述连通方向上梯度强度和梯度方向所在角度的余弦值的第二乘积；

利用所述第一乘积和所述第二乘积确定所述当前的边缘像素点的梯度环境因子。

3.根据权利要求1所述的基于计算机视觉的PCBA板表面缺陷检测方法，其特征在于，所述根据所述当前的边缘像素点的梯度环境因子与所述焊点区域中其他像素点的梯度环境因子，确定所述当前的边缘像素点的梯度环境异常程度包括：确定所述焊点区域中其他像素点的梯度环境因子的平均梯度环境因子；

确定所述当前的边缘像素点的梯度环境因子与所述平均梯度环境因子的差值的绝对值为所述梯度环境异常程度。

4.根据权利要求1所述的基于计算机视觉的PCBA板表面缺陷检测方法，其特征在于，所述确定所述当前的边缘像素点在多个连通方向的梯度强度和梯度方向包括：使用Sobel算子确定所述当前的边缘像素点在各连通方向的水平方向的第一梯度值和垂直方向的第二梯度值；

根据所述第一梯度值和所述第二梯度值确定所述当前的边缘像素点的梯度强度和梯度方向。

5.根据权利要求1所述的基于计算机视觉的PCBA板表面缺陷检测方法，其特征在于，所述根据所述第一部分中各像素点的第一灰度值和所述第二部分中各像素点的第二灰度值，确定所述当前的边缘像素点的损失程度包括：分别计算所述第一部分中各像素点与所述第二部分中各像素点的差值的平方值；

对各所述平方值叠加后与所述邻域窗口中所有像素点的数量作比，得到灰度值差异程度；

利用归一化反函数对所述灰度值差异程度进行运算，得到所述损失程度。

6.根据权利要求1所述的基于计算机视觉的PCBA板表面缺陷检测方法，其特征在于，所述利用所述梯度环境异常程度和所述损失程度对所述初始焊点边缘轮廓进行修正，得到所述焊点区域的最终焊点区域边缘轮廓包括：利用所述梯度环境异常程度和所述损失程度确定所述当前的边缘像素点的边缘曲线修正参数；

从所述焊点区域的所有像素点中选取所述边缘曲线修正参数大于阈值的边缘像素点为最终边缘像素点，将所述焊点区域的初始焊点边缘轮廓中所述边缘曲线修正参数不大于所述阈值的边缘像素点标记为噪声点；

将各所述最终边缘像素点进行连接，得到所述最终焊点区域边缘轮廓。

7.根据权利要求6所述的基于计算机视觉的PCBA板表面缺陷检测方法，其特征在于，所述将各所述最终边缘像素点进行连接，得到所述最终焊点区域边缘轮廓包括：获取所述最终边缘像素点在各所述连通方向对应的各相邻像素点的相邻边缘曲线修正参数；

确定所述相邻边缘曲线修正参数中的最大值为所述最终边缘像素点的边缘连接方向；

按照边缘连接方向连接各所述最终边缘像素点。

8.根据权利要求1所述的基于计算机视觉的PCBA板表面缺陷检测方法，其特征在于，所述从PCBA板的表面灰度图像中确定焊点区域包括：利用大津阈值算法计算所述PCBA板的表面灰度图像的分割阈值；

基于所述分割阈值对所述PCBA板的表面灰度图像进行分割，其中，将超出所述分割阈值的像素点标记为焊点区域的像素点，将未超出所述分割阈值的像素点标记为普通区域的像素点。