1.基于视觉识别的果蔬分拣机器人智能控制方法，其特征在于，包括：采集单个果品在初始位置下的俯视灰度图像，并对俯视灰度图像进行预处理获得果品连通域，获得经过果品连通域的形心的每一直线与果品连通域所形成的线段，以将所有线段中最长的线段作为参考线段；

分别获取每一感兴趣像素点的特征角度并进行列排列得到特征角度列，所述感兴趣像素点为位于参考线段的任意一侧的果品连通域中的边缘像素点，所述特征角度为感兴趣像素点的灰度梯度方向与参考线段的垂线之间的夹角；

将果品沿参考线段以预设角度沿预定方向进行旋转，直至将果品再次旋转至初始位置，并对旋转过程中位于参考线段上的像素点的像素值进行排列获得灰度排列矩阵，并获得旋转过程中每一特征角度列；

将每一特征角度列线性压缩至与灰度排列矩阵相同的行数，并对压缩后的各特征角度列按顺序进行排列，使排列后得到的特征角度矩阵中每一列，分别与灰度排列矩阵中每一列相对应；

对特征角度矩阵中的所有特征角度进行等区间划分，并分别对每一区间的各特征角度在灰度排列矩阵中所对应的各像素点的灰度值进行归一化处理；

根据归一化后的灰度排列矩阵中是否存在小于灰度阈值的像素点，判断果品属于合格果品或不合格果品，并将合格果品和不合格果品分离。

2.根据权利要求1所述的基于视觉识别的果蔬分拣机器人智能控制方法，其特征在于，对压缩后的各特征角度列按顺序进行排列，使排列后得到的特征角度矩阵中每一列，分别与灰度排列矩阵中每一列相对应，包括：将压缩后的各特征角度列进行排列，使排列后的特征角度矩阵中每一列，分别处在与其对应的果品的位置呈90度的灰度排列矩阵中的列相同的列数。

3.根据权利要求1所述的基于视觉识别的果蔬分拣机器人智能控制方法，其特征在于，将特征角度矩阵进行列方向的线性压缩至与灰度排列矩阵相同的行数，包括：分别对每一特征角度列进行等比例分组，分别将每一组中特征角度的均值，作为压缩后特征角度列中每一位置的特征角度，其中所述比例为灰度排列矩阵的行数与线性压缩前的特征角度列的行数之比。

4.根据权利要求1所述的基于视觉识别的果蔬分拣机器人智能控制方法，其特征在于，所述灰度阈值是通过大津法获得的。

5.根据权利要求1所述的基于视觉识别的果蔬分拣机器人智能控制方法，其特征在于，对俯视灰度图像进行预处理获得果品连通域，包括：利用DNN对俯视灰度图像进行分割，使得分割后的图像中果品以外的区域的像素值为

0；

将分割后的图像中的像素值大于0的区域作为果品连通域进行提取。

6.根据权利要求1所述的基于视觉识别的果蔬分拣机器人智能控制方法，其特征在于，对俯视灰度图像进行预处理获得果品连通域前，所述方法还包括：对俯视灰度图像进行中值滤波去噪。

7.根据权利要求1所述的基于视觉识别的果蔬分拣机器人智能控制方法，其特征在于，所述方法还包括：将合格果品的灰度排列矩阵转化为Lab图像，

获取Lab图像中在a通道中像素值位于第一区间且在b通道中像素值位于第二区间的区域的占比；

在所述占比大于占比阈值的情况下，将该合格果品判定为优质果品，否则将该合格果品判定为非优质果品；

将优质果品与非优质果品分离。

8.根据权利要求1所述的基于视觉识别的果蔬分拣机器人智能控制方法，其特征在于，所述预定方向为顺时针或逆时针。

9.根据权利要求1‑8中任一项所述的基于视觉识别的果蔬分拣机器人智能控制方法，其特征在于，所述果品为西柚、脐橙、柠檬中的任意一种。