22 lines
1.7 KiB
Markdown
22 lines
1.7 KiB
Markdown
|
# Raport działania środowiska
|
||
|
|
-----
|
||
|
|
|
||
|
|
### Założenia projektu
|
||
|
|
|
||
|
|
Projekt ma przedstawiać działanie niektórych aspektów sztucznej inteligencji na podstawie inteligentnego magazynu. Naszym agentem jest wózek widłowy poruszający się po kracie.
|
||
|
|
|
||
|
|
### Podprojekty
|
||
|
|
|
||
|
|
* Rozpoznawanie cech paczki na podstawie zdjęcia (uczenie sieci neuronowych). W dowolnym momencie działania programu będzie można dodać zdjęcie paczki, która zostanie przeanalizowana pod kątem jego cech. Następnie zostanie przekazane do rozłożenia na magazynie za pomocą kolejnego podprojektu, lub ręcznie, w zależności od wyboru użytkownika. Wykorzystane zostaną do tego biblioteki YOLOv3 oraz OpenCV.
|
||
|
|
* Wykorzystanie uczenia drzew decyzyjnych do decydowania na które regały rozmieścić paczkę, na podstawie jej cech. Zbiór uczący byłby wyznaczany za pomocą algorytmu na początku działania każdego programu, ponieważ musiałby się on dostosować do konktretnych warunków podanych przez użytkownika. Następnie po wciśnięciu konkretnego przycisku, drzewo decyzyjne decydowałoby w którą konkretną lokalizację umieścić przesyłkę. Wykorzystana zostanie biblioteka sklearn.
|
||
|
|
|
||
|
|
### Wykonanie
|
||
|
|
|
||
|
|
Do wykonania projektu w głównej mierze wykorzystany został język Python 3, wraz z bibliotekami:
|
||
|
|
* easygui - biblioteka użyta głównie przy starcie programu w celu pobrania od użytkownika wielkości kraty oraz ilości konkretnych regałów, ale również później do wyświetlania krótkich komunikatów.
|
||
|
|
* pygame - biblioteka użyta to wizualnej reprezentacji kraty wraz z agentem.
|
||
|
|
* YOLOv3 - Biblioteka użyta do rozpoznawania cech paczki.
|
||
|
|
* OpenCV - Biblioteka użyta do rozpoznawania cech paczki.
|
||
|
|
* sklearn - Biblioteka do obsługi drzew decyzyjnych.
|
||
|
|
|
||
|
|
### Klasy programu
|