1.一种基于视觉的精密结构件识别方法，其特征在于，包括以下步骤：步骤1：基于互信息熵的图像快速定位：使用滑动窗口对待检测的精密结构件图像进行扫描，采用互信息熵衡量模板精密结构件图像与待检测精密结构件图像的相似度以进行快速粗定位，进一步完成精密结构件图像中结构件目标的分割；

步骤2：基于等积环形的图像分割：对分割后的结构件图像采用等积环分割得到多个目标环；

步骤3：有效特征点的筛选及匹配系数MRR的计算：在目标环内提取像素梯度幅值和梯度方向，通过数理统计的方法从梯度幅值分布和梯度方向分布中筛选出结构件特征点完成特征提取；

步骤4：根据匹配系数对零件进行定位与识别：通过对模板图像特征和待检测图像特征的匹配实现精确定位及识别分类。

2.根据权利要求1所述的一种基于视觉的精密结构件识别方法，其特征在于，所述步骤

3中有效特征点的筛选及匹配系数MRR的计算具体为：

3.1对Sobel算子改进：传统的Sobel算子描述水平、垂直方向的特征，对这4个方向的梯度加权求和，因此增加±45°以及±135°这4个方向的卷积核；

3.2等积环的梯度幅值与梯度方向计算：在各等积环中使用8方向Sobel算子计算梯度幅值PGA与梯度方向PGD；

3.3筛选有效特征点：将上述所得到的梯度幅值PGA与梯度方向PGD分别进行统计分组，使用预先设置的阈值筛选出符合条件的有效特征；

3.4特征匹配以及计算匹配系数MRR：将模板图像中的圆环的平均梯度幅值与待检测图像依次进行欧氏距离的比较，得到梯度幅值的特征匹配度；使用欧氏距离计算待检测图像窗口和目标图像的梯度幅值差值以及梯度方向差值；最终计算出匹配系数。

3.根据权利要求2所述的一种基于视觉的精密结构件识别方法，其特征在于，所述等积环的梯度幅值与梯度方向计算具体为：

3.2.1计算各方向的梯度幅值；

3.2.2计算0°-90°以及45°-135°的综合梯度幅值；

3.2.3计算0°-90°以及45°-135°的综合梯度夹角；

3.2.4计算梯度幅值PGAk；

3.2.5计算梯度方向PGDk及角度矫正。