改进人工势场算法的路径规划

人工势场法是一种适用于局部路径规划的算法,针对人工势场法存在的目标不可达、局部极小值等固有缺陷,提出了一种改进后的人工势场法。首先针对目标不可达问题,将引力影响因子添加到斥力场的生成中,改进斥力场函数,从而避免引力与斥力合力为零的情况。针对局部极小值问题,通过设立虚拟目标点来引入额外外力,打破机器人的平衡问题。通过与其他算法的对比实验,仿真结果显示,改进人工势场法规划的路径长度和消耗时间都更短,稳定性更强。     

基于机器学习的芒果缺陷度-腐烂度预测模型

针对芒果内部腐烂程度难以预测的问题,提出一种在MATLAB中利用机器学习建立芒果缺陷度-腐烂度预测模型的方法。首先,采集芒果缺陷图像,并进行滤波去噪平滑噪声。然后,利用迭代阈值分割和形态学运算,提取芒果果皮、果肉、表面缺陷和果肉腐烂图像。最后,提取芒果表面特征,并定义果皮缺陷度及果肉腐烂度,运用BP神经网络进行数据拟合,建立缺陷度-腐烂度预测模型。实验结果表明本文建立的预测模型对芒果腐烂度的预测平均准确率达到88.3%。