1.一种基于机器视觉的可分类西瓜收获运输机，其特征在于：包括运输装置、承载机构、链传动机构、驱动机构和视觉装置；所述驱动机构安装在运输装置上，用于驱动链传动机构进行横向移动；所述链传动机构安装在驱动机构上，其一端向运输装置的侧面伸出；所述承载机构安装在链传动机构的上方，由链传动机构提供动力进行回转；所述视觉装置安装在运输装置上；

所述承载机构，包括承载碗、承载块、舵机、椭圆型轮、弹性元件、交叉连接杆、滚轮、滚轮电机和压力传感器；承载块固定在侧板上，侧板与传动链相连接，从而带动承载碗进行回转运动；所述交叉连接杆呈角状，一边比另一边厚长，其两边的交接处有转动轴承，转动轴承通过销轴安装在承载块向上开口的一边，使得交叉连接杆可以绕销轴进行旋转，以使西瓜从承载碗中滚落；所述承载碗固定在交叉连接杆的厚长一边；所述承载块的内部有舵机，舵机的轴与椭圆型轮相连接，为交叉连接杆的旋转提供动力；所述弹性元件的一端固定在承载块上，另一端与交叉连接杆的较短一边相连接，用于将交叉连接杆的较短一边拉向承载块；所述滚轮电机安装在交叉连接杆的厚长一边；所述滚轮安装在承载碗的底部，且与滚轮电机轴连接，在链传送机构转动时，滚轮转动并带动碗内的西瓜转动，使得相机能够拍到西瓜的整个外表面；所述压力传感器安装在承载碗的内部；

所述链传动机构包括主动链轮、主动链轮轴、支撑架、支撑柱、传动链部件、从动链轮、从动链轮轴和链轮电机；所述支撑架安装在驱动机构上，支撑架的下方设置有齿条，驱动机构的驱动轨道中设置有齿轮，齿条与齿轮相啮合，通过齿轮的转动可带动支撑架进行横向移动；所述传动链部件包括传动链轨道和传动链，所述传动链部件通过支撑柱安装于支撑架的上方；所述传动链部件向外伸出的一端内侧装有主动链轮，所述主动链轮与传动链啮合；所述主动链轮固定在主动链轮轴上，主动链轮轴与安装在支撑架上的链轮电机相连接；

所述传动链部件的另一端内侧装有从动链轮，从动链轮通过从动链轮轴固定安装在支撑架上，从动链轮与传动链啮合；

所述驱动机构包括驱动轨道、驱动轮轴、驱动轮、齿轮和驱动电机；所述驱动轨道有两个安装在运输装置上的轨道，每个轨道都分为内、外轨道，内、外轨道为“7”字型且相对放置，形成一个半封闭凹槽；所述内、外轨道的较长直角边上开有通孔，驱动轮轴通过通孔连接驱动轮；驱动轨道中设置有齿轮，齿轮与安装在运输装置上的驱动电机轴连接。

2.根据权利要求1所述的可分类西瓜收获运输机，其特征在于：所述支撑架的下方有可折叠支撑脚，包括Y型脚架、支撑脚轮、连杆；所述Y型脚架通过转动铰链结构安装在靠近支撑架两端的下方；所述连杆的一端通过转动铰链结构固定在支撑架下方，另一端通过转动铰链结构固定在Y型脚架上；所述连杆的中间有转动铰链和固定结构；所述Y型脚架的下方装有平行于运输装置的支撑脚轮。

3.根据权利要求1所述的可分类西瓜收获运输机，其特征在于：所述视觉装置包括相机、相机架和视觉系统，所述相机通过相机架安装在支撑架上，所述视觉系统安装在运输装置上。

4.一种权利要求1‑3中任一项所述的可分类西瓜收获运输机的应用，其特征在于包括下述步骤：

（1）根据农田中西瓜种植规模来调整支撑架在运输装置侧面的伸出长度，启动驱动电机，利用齿轮齿条的啮合，将支撑架横移到合适的位置，然后放下可折叠支撑脚，以给支撑架和链传动机构提供足够的支撑力；

（2）运输装置在田间前进，支撑架同步移动，链轮电机启动，使得链传动机构带动承载机构进行回转运动；采摘人员将采摘下来的西瓜放在承载碗内；

（3）相机将碗内的西瓜照片实时传送到视觉系统中进行处理，视觉系统判断西瓜的成熟度和/或西瓜的表面无损检测，以决定承载碗在不同的装载车位置进行倾倒，从而实现分类；

（4）根据视觉系统的判断结果，承载碗将西瓜运输到对应分类的装载车位置上方，压力传感器判断承载碗内是否装有西瓜；若承载碗内有西瓜，则将西瓜倾倒出来放在运送西瓜的装载车上；重复上述步骤，直至西瓜采摘结束。

5.根据权利要求4所述的可分类西瓜收获运输机的应用，其特征在于：视觉装置进行西瓜的成熟度检测时，包括下述步骤：（1）前期训练：

1‑1：人工选取大量的西瓜样本，测出西瓜的重量、糖分数据，定义西瓜的成熟度并对西瓜样本进行成熟度分类；

1‑2：将西瓜样本放在工作环境下拍照，得到不同的光照强度下、不同角度的西瓜外表照片；然后将每个西瓜的重量、糖分数据与西瓜外表照片进行一一对应；

1‑3：对西瓜外表照片进行高斯滤波、直方图均衡化的图像预处理操作；然后对预处理后的照片进行图像中的RGB以及HSV中的深度S与明暗度V的五个特征提取，以通过西瓜表面的颜色差和西瓜表皮的亮度来区分不同成熟度的西瓜；

1‑4：同时将西瓜重量数据也作为特征之一，连同西瓜外表照片的RGB、HSV中的深度S与明暗度V的五个特征，将六个特征数据投入到支持向量机SVM中进行训练，选取ReLU函数作为激活函数，选取softmax层作为输出层来满足多种类别的输入；经过训练之后，建立以西瓜的重量、西瓜外表照片的RGB 、深度S与明暗度V为特征的学习模型进行西瓜成熟度的判别；

（2）实际操作：

2‑1：将训练好的模型导入视觉系统中，相机拍摄承载碗内的西瓜状况，将西瓜的照片实时传输到视觉系统中进行处理；

2‑2：将传输过来的图片利用Harris角点检测进行图像特征匹配，使得动态图像中的西瓜能够被跟踪而不会错误判断相机内出现的多个西瓜；

2‑3：对各帧的图像进行高斯滤波、直方图均衡化的预处理；再将图中的RGB 、HSV中的深度S与明暗度V特征提取出来，同时融合压力传感器传来的压力数值，即西瓜的重量；再将这些属于一个西瓜的六个特征投入到前面训练好的学习模型中进行分类，得到西瓜的成熟度值。

6.根据权利要求4所述的可分类西瓜收获运输机的应用，其特征在于：视觉装置进行西瓜的表面无损检测时，包括下述步骤：（1）前期训练：

1‑1：收集大量有病害的西瓜进行拍摄，获得不同角度的西瓜整体照片以及不同病害程度的西瓜表面照片；并使用labelimg软件将西瓜表面的病害区域框出来；

1‑2：对收集好的照片进行高斯滤波、直方图均衡化的图像预处理；然后将处理好的图像投入到YOLOv5算法中进行学习，生成能够识别病害区域的学习模型；再对图像进行自适应二值化处理与腐蚀，使得有病害的表面变得更加明显；

1‑3：使用roberts算子进行西瓜的边缘检测，提取出西瓜的外部轮廓与病害区域的轮廓，计算西瓜的病害区域占西瓜整个表面的比例；设定一个阈值用于判断西瓜的病害程度，以判断是否将西瓜扔掉；

（2）实际操作：

2‑1：将训练好的模型导入视觉系统中，相机拍摄承载碗内的西瓜状况，将西瓜的照片实时传输到视觉系统中进行处理；

2‑2：将传输过来的图片利用Harris角点检测进行图像特征匹配，使得动态图像中的西瓜能够被跟踪而不会错误判断相机内出现的多个西瓜；

2‑3：对各帧的图像进行高斯滤波、直方图均衡化的预处理；再用YOLOv5生成的学习模型对西瓜表面的病害区域进行识别，将识别出来的图像进行自适应二值化处理、腐蚀，采用roberts算子进行西瓜的边缘检测，计算西瓜的病害区域在西瓜整个表面所占的比例，再根据设定的阈值进行比较，从而决定西瓜的倾倒位置，实现区分病害西瓜的功能。