sieci neuronowe, wózek po każdej paczce wraca na początek po kolejną, każdy numer paczki ma przypisana szafkę

main.py

@@ -40,6 +40,7 @@ def dodaj_szafke(numerSzafki, iloscPolek, iloscMiejscNaPolce, dostepZeStrony, po
     Pomieszczenie.dodajSzafke(szafka)
 
 def gdzie_paczka(numerSzafki):
+    global kolumna, wiersz
     if numerSzafki == 1:
         kolumna =random.randint(1,2)
         if kolumna ==1:
@@ -108,7 +109,9 @@ def gdzie_paczka(numerSzafki):
             wiersz = random.choice([4,14])
         else:
             wiersz = random.randint(5, 13)
-
+    if numerSzafki == 11:
+        kolumna=0
+        wiersz=0
     print(wiersz,kolumna)
     return wiersz, kolumna
 
@@ -121,6 +124,12 @@ def ustawienie():
     return Stan(kierunek, PoleKraty(krata_magazynu, wiersz, kolumna))
 
 
+def wroc():
+    kierunek = Kierunek(random.randint(0, 3))
+    wiersz, kolumna = gdzie_paczka(11)
+    return Stan(kierunek, PoleKraty(krata_magazynu, wiersz, kolumna))
+
+
 def zaznacz_cel_na_mapie(cel: Stan):
     wiersz = cel.poleStartoweGorne.wiersz
     kolumna = cel.poleStartoweGorne.kolumna
@@ -133,6 +142,10 @@ def nadaj_cel_agentowi(agent: Agent):
     zaznacz_cel_na_mapie(agent.cel)
     print("CEL:", agent.cel.poleStartoweGorne.wiersz, agent.cel.poleStartoweGorne.kolumna)
 
+def cel_wroc(agent:Agent):
+    agent.cel = wroc()
+    zaznacz_cel_na_mapie(agent.cel)
+
 def zdarzenie_osoba():
     global flaga1
     flaga1=1
@@ -201,7 +214,10 @@ def main():
         if krata_magazynu.agent.cel is None:
             nadaj_cel_agentowi(krata_magazynu.agent)
             krata_magazynu.agent.idzDoCelu()
-        ustawienie()
+            cel_wroc(krata_magazynu.agent)
+            krata_magazynu.agent.idzDoCelu()
+
+
 
         if flaga1 == 1:
             osoba.krata.krata[osoba.wiersz][osoba.kolumna] = ZawartoscPola.PUSTE

neural_network.py

@@ -25,30 +25,33 @@ model.save('handwritten.model')
 
 model = tf.keras.models.load_model('handwritten.model')
 numery_paczek=[]
-def recognition():
+
+def liczby():
     digits=[]
-    try:
-        for i in range(0,3):
-            image_number = random.randint(1, 17)
-            img = cv2.imread(f"digits/digit{image_number}.png")[:,:,0]
+    for i in range(0, 3):
+        image_number = random.randint(1, 19)
+        img = cv2.imread(f"digits/digit{image_number}.png")[:, :, 0]
         img = np.invert(np.array([img]))
         prediction = model.predict(img)
         print(f"This digit is probably a {np.argmax(prediction)}")
         digits.append(np.argmax(prediction))
-            plt.imshow(img[0], cmap = plt.cm.binary)
+        plt.imshow(img[0], cmap=plt.cm.binary)
         plt.show()
-    except:
-        print("Error!")
-
-    liczba = int(str(digits[0]) + str(digits[1])+str(digits[2]))
-    if liczba in numery_paczek or liczba<100:
-        recognition()
+    liczba = int(str(digits[0]) + str(digits[1]) + str(digits[2]))
+    if liczba in numery_paczek or liczba < 100:
+        liczby()
     else:
         numery_paczek.append(liczba)
-    print(liczba)
+    return numery_paczek[-1]
+
+def recognition():
+    try:
+        liczba= liczby()
+    except:
+        print("Error!")
+    ostatnia = liczba % 10
     loss, accuracy = model.evaluate(x_test, y_test)
     print(loss)
     print(accuracy)
     print(numery_paczek)
-    ostatnia = liczba %10
     return ostatnia