1.一种果实图像轮廓识别方法，其特征在于，包括如下步骤：基于Mask R-CNN深度卷积神经网络进行训练，将果实图像训练集输入所述Mask R-CNN深度卷积神经网络中，训练得到目标检测模型；

通过所述目标检测模型对果实图像验证集进行感兴趣区域提取，根据感兴趣区域生成目标回归框；

对所述目标回归框中的果实图像进行多特征融合分析，确定果实边缘轮廓位置；

对所述果实边缘轮廓位置进行轮廓拟合优化处理，得到优化后的果实边缘轮廓。

2.根据权利要求1所述的识别方法，其特征在于，所述目标检测模型包括主干网络、区域建议网络和三分支结构；

所述通过所述目标检测模型对果实图像验证集进行感兴趣区域提取，根据感兴趣区域生成目标回归框的过程包括：利用所述主干网络对所述果实图像验证集进行特征提取，得到特征信息，对所述特征信息进行残差传播处理，生成特征图；

利用所述区域建议网络对所述特征图进行前景及背景处理，得到感兴趣区域，对所述感兴趣区域进行回归处理，生成目标回归框；

利用所述三分支结构对所述目标回归框进行检测，得到所述目标回归框的类别、坐标以及掩膜。

3.根据权利要求2所述的识别方法，其特征在于，所述根据所述区域建议网络对所述特征图进行前景及背景处理的过程包括：建立卷积层，对所述特征图进行卷积处理，得到多个锚点；

根据所述多个锚点生成与所述锚点数量对应的卷积核，通过各个卷积核判别所述特征图的前景和背景，根据所述前景得到感兴趣区域。

4.根据权利要求2所述的识别方法，其特征在于，所述根据所述三分支结构对所述目标回归框进行检测的过程包括：通过RoIAlign区域特征提取方法对所述目标回归框进行特征提取，并将提取得到的特征由维度转化为特定值；

在所述卷积层后设置全链接层，将各个特定值输入至所述全链接层对所述感兴趣区域进行权值共享，完成对所述感兴趣区域的规整；

在所述全链接层后建立Cls&Reg通路和Mask掩膜通路，其中，Cls&Reg通路包括Cls支路和Reg支路，将规整后的感兴趣区域导入所述Cls支路中，通过所述Cls支路生成目标回归框及其坐标，并通过所述Reg支路预测所述目标回归框的类别；

将所述目标回归框导入所述Mask掩膜通路，通过所述Mask掩膜通路得到所述目标回归框的掩膜。

5.根据权利要求2所述的识别方法，其特征在于，所述对所述目标回归框中的果实图像进行多特征融合分析的过程包括：根据PyMeanshift均值漂移算法对所述果实图像验证集进行卷积平滑处理；

根据2R-G-B色差分割算法对平滑后的果实图像验证集进行灰度化处理；

根据Sobel算子对灰度化处理的果实图像验证集和果实目标检测模型的目标回归框进行果实边缘整体轮廓检测，并根据自适应阈值分割算法对检测到的果实边缘整体轮廓进行图像二值化处理；

根据距离变换方法对二值化处理后的果实边缘整体轮廓进行归一化，得到边缘局部最大值；

根据分水岭变换算法和所述边缘局部最大值对所述果实边缘整体轮廓进行分割粘连对象处理，得到多个果实边缘轮廓；

根据过滤算法对所述多个果实边缘轮廓进行优化处理，确定果实边缘轮廓位置。

6.根据权利要求5所述的识别方法，其特征在于，所述根据2R-G-B色差分割算法对平滑后的果实图像验证集进行灰度化处理的过程包括：根据第一式对平滑后的果实图像验证集进行灰度化处理，所述第一式为：其中，f(i,j)为坐标(i,j)处彩色像素点的灰度值，R(i,j)、G(i,j)和B(i,j)分别为坐标(i,j)处彩色像素点的三分量像素值。

7.根据权利要求5所述的识别方法，其特征在于，所述根据Sobel算子对灰度化处理的果实图像验证集进行果实边缘整体轮廓检测的过程包括：所述Sobel算子为：

其中，

Gx为水平梯度，Gy为垂直梯度。

8.根据权利要求5所述的识别方法，其特征在于，所述根据分水岭变换算法和所述边缘局部最大值对所述果实边缘整体轮廓进行分割粘连对象处理的过程包括：其中，f(i,j)为坐标(i,j)处彩色像素点的灰度值， 和 分别为对f(i,j)的彩色像素点的水平方向和竖直方向求偏微分； 分别是两个坐标轴上的单位向量； 分别是在各彩色像素点位置处沿两个坐标轴方向上的梯度向量，g(i,j)为各彩色像素点位置处的梯度向量。

9.根据权利要求5所述的识别方法，其特征在于，所述根据过滤算法对所述多个果实边缘轮廓进行优化处理的过程包括：根据第二式对所述多个果实边缘轮廓进行优化处理，所述第二式为：其中，h(i,j)为初始轮廓对象的像素点参数，h1(i,j)为面积过滤后的轮廓对象像素点参数，h2(i,j)为宽高比值过滤后的轮廓对象像素点参数，S,M为初始轮廓对应的轮廓面积与宽高比值，D,T为给定轮廓面积阈值与宽高比值阈值。

10.根据权利要求5所述的识别方法，其特征在于，对所述果实边缘轮廓位置进行轮廓拟合优化处理的过程包括：根据拓扑结构还原算法对所述果实边缘轮廓进行轮廓拟合优化处理，所述根据拓扑结构还原算法为：S1：根据第三式求解图像几何矩，获取各个果实边缘轮廓对象质心，所述第三式为：其中，

M00为图像距的零阶距，M01，M10为图像矩的二阶距，xc,yc为轮廓对象的质心，V(i,j)为轮廓对象的像素位置；

S2：根据第四式获取各个果实边缘轮廓对象的最小外接多边形，所述第四式为：其中，vi(x,y)为保留的像素点点集，dmax＝V(xA,yA)-V(xB,yB)；，V(xA,yA)∪V(xB,yB)为果实边缘轮廓曲线上首尾两个点像素位置，V(xA,yA)…V(xi,yi)为从果实边缘轮廓曲线上起始位置A到位置i处所有点，将所有点作为新的像素点点集，且A与i分别作为新的首尾两个点像素位置，dmax为首尾线段距，K为距离阈值参数。