1.一种基于计算机视觉的叶片面积测量装置，其特征在于，包括工作台(1)，所述工作台(1)顶部设有测量机体(2)，所述测量机体(2)顶部设有第一伺服电动缸(3)，所述第一伺服电动缸(3)的数量设置为两个，两个所述第一伺服电动缸(3)的输出轴顶端连接有顶杆(4)，所述顶杆(4)底部设有推杆(5)，所述推杆(5)两侧设有第一连接杆(6)，所述第一连接杆(6)底端设有连接管(7)，所述推杆(5)底端设有测量箱(8)，所述测量机体(2)内部设有影像收集装置(9)；

所述测量箱(8)包括箱体(10)，所述箱体(10)顶部设有限位管(11)，所述箱体(10)外壁上嵌设有第一磁环(12)，所述箱体(10)内腔设有压合块(13)，所述压合块(13)顶部设有连接弹簧(14)，所述压合块(13)底端开设有灯光室(15)，所述灯光室(15)内部设有多个红色灯珠(16)，所述灯光室(15)底部设有第一亚克力板(17)，所述箱体(10)底壁上开设有多个连接孔(18)，所述连接孔(18)内腔顶部设有电磁铁(19)，所述箱体(10)底部设有放置盖板(20)，所述放置盖板(20)的表面边缘处设有多个磁杆(21)，所述放置盖板(20)中部开设有放置槽(22)，所述放置槽(22)底部设有第二亚克力板(23)；

所述影像收集装置(9)包括密封管(24)，所述密封管(24)外部套设有第二磁环(25)，所述密封管(24)底端设有影像台(26)，所述影像台(26)顶部开设有收集腔(27)，所述收集腔(27)内腔底部设有多个相机单元(28)，所述相机单元(28)的顶部设有第三亚克力板(29)，所述影像台(26)两侧均设有第二伺服电动缸(30)，所述第二伺服电动缸(30)的输出轴顶端设有第二连接杆(31)；

所述第二伺服电动缸(30)底端与测量机体(2)内腔底部固定连接，所述第二连接杆(31)端部与第二磁环(25)固定连接，所述第二磁环(25)通过第二连接杆(31)和第二伺服电动缸(30)与密封管(24)外壁活动连接，所述测量机体(2)一侧设有控制台。

2.根据权利要求1所述的一种基于计算机视觉的叶片面积测量装置，其特征在于：所述工作台(1)底部设有支撑杆，所述支撑杆底端设有活动轮。

3.根据权利要求1所述的一种基于计算机视觉的叶片面积测量装置，其特征在于：所述测量箱(8)通过推杆(5)、顶杆(4)和第一伺服电动缸(3)与测量机体(2)活动连接，所述第一连接杆(6)顶端与顶杆(4)固定连接，所述连接管(7)底端固定设置于测量箱(8)的顶部，所述第一连接杆(6)与连接管(7)活动连接。

4.根据权利要求1所述的一种基于计算机视觉的叶片面积测量装置，其特征在于：所述限位管(11)贯穿箱体(10)的顶部，所述推杆(5)底端贯穿限位管(11)与压合块(13)顶部固定连接，所述连接弹簧(14)顶端与箱体(10)内腔顶部固定连接，所述第一磁环(12)外壁与箱体(10)外壁共面设置，所述压合块(13)通过连接弹簧(14)与箱体(10)活动连接。

5.根据权利要求1所述的一种基于计算机视觉的叶片面积测量装置，其特征在于：所述密封管(24)嵌设于测量机体(2)的顶部，所述密封管(24)顶部与测量机体(2)顶部共面设置，所述第三亚克力板(29)嵌设于影像台(26)的顶端，所述密封管(24)设置于第三亚克力板(29)的正上方。

6.采用权利要求1-5任意一项所述的叶片面积测量装置的一种基于计算机视觉的叶片面积测量方法，其特征在于，具体包括如下步骤：

步骤一，利用控制台发送控制命令，控制电磁铁(19)断电，将放置盖板(20)从测量箱(8)底部取出，把摘取的叶片放置于放置槽(22)内的第二亚克力板(23)上，铺平，然后控制电磁铁(19)通电，将放置盖板(20)顶部的磁杆(21)对准连接孔(18)进行插入，使磁杆(21)与电磁铁(19)吸附，将放置盖板(20)固定在测量箱(8)底部；

步骤二，设定第二伺服电动缸(30)输出轴的伸出高度，对第二磁环(25)的高度进行固定，控制第一伺服电动缸(3)工作，根据第一磁环(12)和第二磁环(25)之间的距离，设定第一伺服电动缸(3)的移动距离，第一伺服电动缸(3)带动顶杆(4)移动，推杆(5)底端的测量箱(8)移动至密封管(24)内部，当第一磁环(12)与第二磁环(25)吸附时，第一伺服电动缸(3)停止工作，然后控制第一伺服电动缸(3)继续向下推动1cm，使推杆(5)在限位杆内挤压压合块(13)，压合块(13)下移其底部的第一亚克力板(17)压合在第二亚克力板(23)上的叶片表面，使叶片摊平在放置槽(22)内；

步骤三，控制多个红色灯珠(16)工作，利用长波长的红光对叶片进行照射，未被叶片遮挡的红光通过第二亚克力板(23)和第三亚克力板(29)射入至收集腔(27)内，此时控制多个相机单元(28)工作，对叶片影像进行捕捉拍摄；

步骤四，将多个相机单元(28)获取的红光影像图片输入至计算机内部，并分配成多组影像，使多组影像组成训练集，每组图像都标记为一个类别，使用该训练集来进行外部特征识别；

步骤五，图像处理单元中的卷积神经网络获取训练集，在R-CNN中，使用选择性搜索算法扫描输入训练集，寻找其中的可能对象，生产多个区域建议，然后在这些区域建议上运行一个卷积神经网络，最后，将每个卷积神经网络输出给SVM，使用一个线性回归收紧对象的边界框，对训练集中包含物体对象边框进行读取；

步骤六，根据获取的对象边框的长宽数据，利用海伦公式计算每个对象边框的面积，然后叠加后得出测量叶片的面积。