1.一种基于贝叶斯网络的水果视觉分类方法，其特征在于，包括以下步骤：S1、获取待分类水果的待分类水果数据，对所述待分类水果数据进行预处理得到多个待分类水果视觉特征值；

S2，分别对每个所述待分类水果视觉特征值进行离散化处理，对应得到每个所述待分类水果视觉特征值的离散化值；

S3、将所有所述待分类水果视觉特征值的离散化值输入至预先训练好的水果分类贝叶斯网络模型进行处理，得到所述待分类水果在多个等级分类下的等级分类概率;S4、根据多个所述等级分类概率对所述待分类水果进行等级分类；

其特征在于：S1中具体为，对所述待分类水果进行拍照，得到所述待分类水果数据，并对所述待分类水果数据进行数字图像处理，得到所述待分类水果的视觉特征值；

所述S2之前，还包括训练所述水果分类贝叶斯网络模型的步骤，

训练所述水果分类贝叶斯网络模型，具体包括如下步骤，

采集样本水果数据和人工历史分类数据，将所述样本水果数据通过数字图像处理得到样本水果视觉特征值，并对所述样本水果视觉特征值进行离散化处理，得到所述样本水果视觉特征值的离散化值，且将所述样本水果视觉特征值的离散化值与所述人工历史分类数据构成训练集；

根据水果视觉特征值构建初始水果分类贝叶斯网络模型；

利用所述训练集对所述初始水果分类贝叶斯网络模型进行迭代训练，得到训练好的水果分类贝叶斯网络模型；

所述水果分类贝叶斯网络模型内设置有水果显状态和水果隐状态；

所述水果显状态包括水果形状状态、水果正常状态、水果缺陷状态、水果色泽状态和水果果梗状态；所述水果隐状态包括水果等级类别；

所述水果形状状态、所述水果正常状态、所述水果缺陷状态和所述水果色泽状态为连续状态；所述水果正常状态、所述水果缺陷状态、所述水果色泽状态均依赖于所述水果果梗状态；所述水果等级类别依赖于所述水果形状状态、所述水果正常状态、所述水果缺陷状态和所述水果色泽状态；

所述水果形状状态对应的水果视觉特征值为水果形状特征值，所述水果正常状态对应的水果视觉特征值为水果正常特征值，所述水果缺陷状态对应的水果视觉特征值为水果缺陷特征值，所述水果色泽状态对应的水果视觉特征值为水果色泽特征值，所述水果果梗状态对应的水果视觉特征值为水果果梗特征值；所述水果等级类别包括优质类别、合格类别和不合格类别。

2.根据权利要求1所述的种基于贝叶斯网络的水果视觉分类方法，其特征在于：利用所述训练集对所述初始水果分类贝叶斯网络模型进行迭代训练的过程为，根据所述人工历史分类数据对所述初始水果分类贝叶斯网络模型进行迭代训练，得出水果的先验概率；

根据所述样本水果视觉特征值的离散化值对所述初始水果分类贝叶斯网络模型进行迭代训练，得出水果的条件概率；

将所述先验概率和所述条件概率代入所述初始水果分类贝叶斯网络模型的网络参数中，得到训练好的水果分类贝叶斯网络模型。

3.根据权利要求1所述的一种基于贝叶斯网络的水果视觉分类方法，其特征在于：所述水果形状特征值为水果截面面积与水果最小外接圆面积的比值；

所述水果正常特征值为水果正常部位面积其水果表面积的比值；

所述水果缺陷特征值为水果缺陷部位面积与水果表面积的比值；

所述水果色泽特征值为水果色泽部位面积与水果表面积的比值。

4.根据权利要求1所述的一种基于贝叶斯网络的水果视觉分类方法，其特征在于：所述S4具体为，从多个所述等级分类概率中选择最大等级分类概率，并将所述待分类水果分类为所述最大等级分类概率所对应的类别。

5.根据权利要求1至4任一项所述的一种基于贝叶斯网络的水果视觉分类方法，其特征在于：所述S2具体为，分别对每个所述待分类水果视觉特征值进行离散化处理，对应得到每个所述待分类水果视觉特征值的离散化值；

分别为每个所述待分类水果视觉特征值设置至少两个区间，并分别为每个区间分配对应的离散化值，判断所述待分类水果视觉特征值所属的区间，将所述待分类水果视觉特征值所属的区间的离散化值作为所述待分类水果视觉特征值的离散化值。

6.一种基于贝叶斯网络的水果视觉分类系统，其特征在于，包括以下模块，水果数据获取模块，其用于获取待分类水果的待分类水果数据，对所述待分类水果数据进行预处理得到多个待分类水果视觉特征值，具体为：对所述待分类水果进行拍照，得到所述待分类水果数据，并对所述待分类水果数据进行数字图像处理，得到所述待分类水果的视觉特征值；

水果数据处理模块，其用于分别对每个所述待分类水果视觉特征值进行离散化处理，对应得到每个所述分类水果视觉特征值的离散化值；

视觉分类模块，其用于将所有所述水果视觉 特征值的离散化值输入至预先训练好的水果分类贝叶斯网络模型进行处理，得到所述待分类水果再多个等级分类下的等级分类概率;处理模块，其用于根据所述水果类别的概率对水果进行分类；

还包括训练所述水果分类贝叶斯网络模型的步骤，训练所述水果分类贝叶斯网络模型，具体包括如下步骤，采集样本水果数据和人工历史分类数据，将所述样本水果数据通过数字图像处理得到样本水果视觉特征值，并对所述样本水果视觉特征值进行离散化处理，得到所述样本水果视觉特征值的离散化值，且将所述样本水果视觉特征值的离散化值与所述人工历史分类数据构成训练集；

根据水果视觉特征值构建初始水果分类贝叶斯网络模型；

利用所述训练集对所述初始水果分类贝叶斯网络模型进行迭代训练，得到训练好的水果分类贝叶斯网络模型；

所述水果分类贝叶斯网络模型内设置有水果显状态和水果隐状态；

所述水果显状态包括水果形状状态、水果正常状态、水果缺陷状态、水果色泽状态和水果果梗状态；所述水果隐状态包括水果等级类别；

所述水果形状状态、所述水果正常状态、所述水果缺陷状态和所述水果色泽状态为连续状态；所述水果正常状态、所述水果缺陷状态、所述水果色泽状态均依赖于所述水果果梗状态；所述水果等级类别依赖于所述水果形状状态、所述水果正常状态、所述水果缺陷状态和所述水果色泽状态；

所述水果形状状态对应的水果视觉特征值为水果形状特征值，所述水果正常状态对应的水果视觉特征值为水果正常特征值，所述水果缺陷状态对应的水果视觉特征值为水果缺陷特征值，所述水果色泽状态对应的水果视觉特征值为水果色泽特征值，所述水果果梗状态对应的水果视觉特征值为水果果梗特征值；所述水果等级类别包括优质类别、合格类别和不合格类别。

7.一种计算机可读存储介质，其特征在于：包括存储器，所述存储器内存储有计算机程序，所述计算机程序被处理器执行时，实现如权利要求1至5任一项所述的一种基于贝叶斯网络的水果视觉分类方法。