1.一种基于深度学习的印刷电路板图片去噪方法，其特征在于，包括：
2.根据权利要求1所述的一种基于深度学习的印刷电路板图片去噪方法，其特征在于，所述待测板图片特征抽取模块、所述标准板图片特征抽取模块利用明度空间信息来完成印刷电路板图片的环境特征抽取。
3.根据权利要求1所述的一种基于深度学习的印刷电路板图片去噪方法，其特征在于，所述第一特征抽取学习模块、所述第二特征抽取学习模块采用图像mask特征抽取学习模块。
4.根据权利要求1所述的一种基于深度学习的印刷电路板图片去噪方法，其特征在于，所述主网络模块采用resnet18神经网络。
5.根据权利要求1所述的一种基于深度学习的印刷电路板图片去噪方法，其特征在于，还包括：步骤s02，对去噪待测板图片和去噪标准板图片，利用边缘提取算法抽取获得pcb区域的目标待测板图片和目标标准板图片。
6.根据权利要求5所述的一种基于深度学习的印刷电路板图片去噪方法，其特征在于，所述步骤s02包括：
7.根据权利要求1所述的一种基于深度学习的印刷电路板图片去噪方法，其特征在于，还包括：步骤s03，利用线性回归算法对目标待测板图片进行颜色校正。
8.根据权利要求7所述的一种基于深度学习的印刷电路板图片去噪方法，其特征在于，还包括：步骤s30，在执行步骤s03前，基于标准板图片，利用最小二乘法，获得校正矩阵；
9.根据权利要求1所述的一种基于深度学习的印刷电路板图片去噪方法，其特征在于，还包括：步骤s04，
10.根据权利要求1所述的一种基于深度学习的印刷电路板图片去噪方法，其特征在于，还包括：步骤s05，利用overlap栅格切分方式，分别对位置配准后的目标待测板图片和目标标准板图片进行栅格化切分。