1.一种基于形态学与色彩空间的草莓果梗采摘点定位方法，其特征在于，该方法具体包括以下步骤：

S1：利用Mask RCNN网络识别出草莓果实与果梗区域位置；

S2：采用HSV色彩空间，自定义草莓果实成熟度判断规则，将识别出的果实区域进行成熟度判别，保留成熟果实区域，舍弃未成熟果实区域；

S3：采用自定义果梗采摘点定位方法，首先计算目标果实的重心，再计算果实重心与果梗所生成夹角，判断果梗与果实的隶属关系；若满足隶属关系，计算成熟果实对应果梗的最佳采摘点位置。

2.根据权利要求1所述的草莓果梗采摘点定位方法，其特征在于，步骤S2中，自定义草莓果实成熟度判断规则，具体包括：使用HSV色彩空间，分别对三通道H、S、V定义尺度，划分红色、白色、绿色的H数值分布区间，分析并计算果实区域中红色、白色、绿色的像素值及总体分布数值，最后计算数值所在自定义模糊规则中的成熟度归属。

3.根据权利要求2所述的草莓果梗采摘点定位方法，其特征在于，步骤S2中，划分的红色、白色、绿色的H数值分布区间为：红色：H∈(330,22]

绿色：H∈(75,155]

白色：H∈(45,60]

其中，红色与绿色是在S与V非极端范围内划分，即S≤0.1,V≥0.2；

分析并计算果实区域中红色、白色、绿色的像素值及总体分布数值D为：其中，HC为判定的红色、绿色或白色的像素个数，dC为果实区域总像素个数；若当前所计算颜色的数值D位于区间[67％,100％]，此颜色的D的状态定义为L；同理，若当前所计算颜色的数值D位于区间[34％,66％]，此颜色的D的状态定义为M；当前所计算颜色的数值D位于区间[0,33％]，此颜色的D的状态定义为S'。

4.根据权利要求3所述的草莓果梗采摘点定位方法，其特征在于，步骤S3中，计算目标果实的重心，包括：获取判断为成熟的果实区域信息，将该区域划分为有限个三角形；然后计算每相邻的两个点所构成的三角形的重心，以此类推，将不规则的多边形分解为有限个三角形。

5.根据权利要求1或4所述的草莓果梗采摘点定位方法，其特征在于，步骤S3中，计算目标果实的重心，具体包括：获取果实区域的坐标信息，选取果实区域外任意一点作为此二维坐标系的原点P(0,0)，建立二维坐标系，将每一个像素点作为一个坐标点；选取相邻的两点A(x1,y1)与B(x2,y2)，与原点连接，构建一个三角形，三角形的三个顶点位置为A(x1,y1)，B(x2,y2),P(0,0)，三角形的面积为：三角形的重心G坐标为：

以此类推，果实区域X被分为n个三角形的叠加X1，X2，…，Xn，这些三角形的重心为Gi，面积为Si，果实区域X的重心G(x,y)坐标为：其中，(Gix,Giy)表示第i个三角形的重心坐标。

6.根据权利要求1所述的草莓果梗采摘点定位方法，其特征在于，步骤S3中，判断果梗与果实的隶属关系，具体包括：将获取的果梗图像像素信息转化为二维为二维坐标系点的坐标；采用遍历方法得到果梗区域最高点与最低点的坐标；计算果梗最高点M(x1,y1)、最低点N(x2,y2)与果实重心G(x,y)所在水平直线的夹角，两个夹角均小于180度时，判定此果梗为对应果实可采摘果梗。

7.根据权利要求6所述的草莓果梗采摘点定位方法，其特征在于，步骤S3中，计算成熟果实对应果梗的最佳采摘点位置，具体包括：获得果实重心与判断出其果梗隶属关系后，在隶属果梗区域内，连接果梗最高点M(x1,y1)与最低点N(x2,y2)，计算这两点连线中点Q坐标：定义Q为最佳采摘点；此中点所在水平直线范围，为采摘期机器人最佳采摘或切割范围。

8.根据权利要求7所述的草莓果梗采摘点定位方法，其特征在于，步骤S3中，将计算得到的果梗最佳采摘点从像素坐标转换为智能移动机器人对应的相机坐标，得到果梗最佳采摘点对应相机的坐标，具体包括：

(1)获取计算的采摘点的像素坐标：Q＝(u,v)；

(2)将采摘点的像素坐标转换为图像平面坐标；

假设每一个像素在u轴与v轴方向上的物理尺寸为dx与dy，得到以下公式：其中，dx与dy表示相机感光芯片上像素的实际大小，用来连接像素坐标系与真实尺寸坐标系；u0与v0表示图像平面中心；

经上述矩阵变化，得到采摘点的图像平面坐标：P＝(x,y)；

(3)将采摘点的图像平面坐标转换为采摘机器人的相机坐标；

已知相机参数：相机焦距f，相机光心所在轴：z轴，相机坐标为：Pc＝(xw,yw,zw)；图像平面坐标与相机坐标的转换关系如下：其中，zc为相机实际点的位置坐标；xc与yc为相机所在坐标平面的轴。