1.一种基于机器视觉的畜牧养殖废水处理方法，其特征在于，包括：

获取当前时刻的废水排放口灰度图，并对灰度图进行超像素分割得到所有超像素区域；

利用每个超像素区域中各像素点的灰度值、像素点的数量及每一个灰度值的频率，计算得到每个超像素区域的像素结构混乱系数；

利用每个超像素区域中各像素点在不同邻域方向上的灰度梯度值计算得到每个超像素区域的平均灰度梯度值；

利用每个超像素区域的平均灰度梯度值、超像素区域中像素点的数量、超像素区域中各像素点在不同邻域方向上的灰度梯度值，计算得到每个超像素区域的纹理丰富度；利用每个超像素区域的像素结构混乱系数和纹理丰富度，计算得到每个超像素区域的增强权重；

将每个超像素区域中所有像素点在不同邻域方向上的灰度梯度值最大值作为该超像素区域的灰度梯度值最大值；

利用每个超像素区域中各像素点在不同邻域方向上的灰度梯度值、该超像素区域的灰度梯度值最大值、超像素区域中各像素点的邻域方向的数量，计算得到每个超像素区域中各像素点的增强需求指数；

利用每个超像素区域的增强权重和每个超像素区域中各像素点的增强需求指数，计算得到每个超像素区域中各像素点的灰度拉伸系数；

根据每个超像素区域中各像素点的灰度拉伸系数对废水排放口灰度图进行灰度拉伸增强，得到当前时刻增强后的废水排放口灰度图；

根据当前时刻增强后的废水排放口灰度图判断当前时刻废水管道是否发生堵塞，当废水管道发生堵塞时对废水管道进行清理。

2.根据权利要求1所述的一种基于机器视觉的畜牧养殖废水处理方法，其特征在于，所述利用每个超像素区域中各像素点的灰度值、像素点的数量及每一个灰度值的频率，计算得到每个超像素区域的像素结构混乱系数，具体包括：对每个超像素区域进行如下操作：

统计超像素区域中每一个灰度值的频率；利用每个超像素区域中各像素点的灰度值、像素点的数量及每一个灰度值的频率，计算得到每个超像素区域的像素结构混乱系数。

3.根据权利要求1所述的一种基于机器视觉的畜牧养殖废水处理方法，其特征在于，所述利用每个超像素区域的平均灰度梯度值、超像素区域中像素点的数量、超像素区域中各像素点在不同邻域方向上的灰度梯度值，计算得到每个超像素区域的纹理丰富度，具体包括：对每个超像素区域进行如下操作：

将超像素区域中任意像素点作为第一像素点，获取第一像素点的邻域像素点；

利用第一像素点及其邻域像素点的灰度值，计算得到第一像素点在不同邻域方向上的灰度梯度值；

按照得到第一像素点在不同邻域方向上的灰度梯度值的方法得到超像素区域中各像素点在不同邻域方向上的灰度梯度值；

以超像素区域中各像素点在不同邻域方向上的灰度梯度值为横轴，每个灰度梯度值的数量为纵轴，构建超像素区域的灰度梯度统计直方图；

根据超像素区域的灰度梯度统计直方图中的灰度梯度值，计算超像素区域的平均灰度梯度值；

利用每个超像素区域的平均灰度梯度值、超像素区域中像素点的数量、超像素区域中各像素点在不同邻域方向上的灰度梯度值，计算得到每个超像素区域的纹理丰富度。

4.根据权利要求1所述的一种基于机器视觉的畜牧养殖废水处理方法，其特征在于，所述利用每个超像素区域中各像素点在不同邻域方向上的灰度梯度值、该超像素区域的灰度梯度值最大值、超像素区域中各像素点的邻域方向的数量，计算得到每个超像素区域中各像素点的增强需求指数，具体包括：对每个超像素区域进行如下操作：

选取超像素区域中任意像素点作为第一像素点，选取第一像素点的任意邻域方向上的灰度梯度值作为第一灰度梯度值；

将超像素区域中所有像素点在不同邻域方向上的灰度梯度值最大值作为该超像素区域的灰度梯度值最大值；

利用超像素区域的灰度梯度值最大值、第一灰度梯度值，计算得到第一灰度梯度值的增强需求指数；

按照得到第一灰度梯度值的增强需求指数的方法得到第一像素点在其他邻域方向上的灰度梯度值的增强需求指数，得到第一像素点在不同邻域方向上的灰度梯度值的增强需求指数；

按照得到第一像素点在不同邻域方向上的灰度梯度值的增强需求指数的方法得到超像素区域中各像素点在不同邻域方向上的灰度梯度值的增强需求指数；

利用超像素区域中各像素点在不同邻域方向上的灰度梯度值的增强需求指数、超像素区域中各像素点的邻域方向的数量，计算得到超像素区域中各像素点的增强需求指数。

5.根据权利要求1所述的一种基于机器视觉的畜牧养殖废水处理方法，其特征在于，所述每个超像素区域中各像素点的灰度拉伸系数的表达式如下：式中， 表示第g个超像素区域中第i个像素点的灰度拉伸系数， 表示第g个超像素区域的增强权重， 表示第g个超像素区域中第i个像素点的增强需求指数。

6.根据权利要求1所述的一种基于机器视觉的畜牧养殖废水处理方法，其特征在于，所述获取当前时刻的废水排放口灰度图，并对灰度图进行超像素分割得到所有超像素区域，具体包括：采集当前时刻的废水排放口图像；

对当前时刻的废水排放口图像进行灰度化处理，得到当前时刻的废水排放口灰度图；

对当前时刻的废水排放口灰度图进行超像素分割，得到所有超像素块；

根据各超像素块之间的灰度相似性及空间距离对所有超像素块进行合并，获取废水排放口灰度图中的所有超像素区域。

7.根据权利要求1所述的一种基于机器视觉的畜牧养殖废水处理方法，其特征在于，所述根据当前时刻增强后的废水排放口灰度图判断当前时刻废水管道是否发生堵塞，当废水管道发生堵塞时对废水管道进行清理包括：利用当前时刻增强后的废水排放口灰度图和前一时刻增强后的废水排放口灰度图获得当前时刻的废水排放口的排放流量，根据得到的当前时刻的废水排放口的排放流量判断当前时刻废水管道是否发生堵塞，当废水管道发生堵塞时对废水管道进行清理；所述前一时刻增强后的废水排放口灰度图的增强方法与当前时刻增强后的废水排放口灰度图的增强方法相同。

8.根据权利要求2所述的一种基于机器视觉的畜牧养殖废水处理方法，其特征在于，所述利用每个超像素区域中各像素点的灰度值、像素点的数量及每一个灰度值的频率，计算得到每个超像素区域的像素结构混乱系数包括：采用熵值计算公式获得所述像素结构混乱系数。

9.根据权利要求1所述的一种基于机器视觉的畜牧养殖废水处理方法，其特征在于，所述邻域方向设置为像素点的8邻域方向。

10.根据权利要求4所述的一种基于机器视觉的畜牧养殖废水处理方法，其特征在于，所述增强需求指数的获取方法包括：式中， 表示第g个超像素区域中第i个像素点的增强需求指数， 表示第g个超像素区域中第i个像素点存在灰度梯度值的邻域方向的数量， 表示第g个超像素区域中第i个像素点存在灰度梯度值的第d个邻域方向的增强需求指数。