一种基于群体交互效应建模的果品分拣方法及系统与流程

本技术涉及果品智能分拣，尤其涉及一种基于群体交互效应建模的果品分拣方法及系统。

背景技术：

1、在榴莲等易后熟果品的智能分拣场景中，分拣决策的准确性依赖于对果实入仓后未来品质状态的推演精度。现有分拣方法通常以果实当前品质状态为单一决策依据，或将分拣仓内全部果实视为同质群体进行笼统的品质演化推演。在涉及分拣仓内果实间乙烯催熟等生物交互影响的场景下，现有方法在推演待分拣果实入仓后的未来状态时，未对待分拣果实自身与仓内存量果实在交互效应中的角色进行区分，导致待分拣果实在推演过程中被自身释放的交互效应重复影响，形成自我催化的逻辑闭环，使得推演得到的未来品质状态偏离真实物理规律，进而造成分拣动作评价失真、目标分拣仓选择偏差，影响分拣系统的整体决策可靠性。因此，亟需一种方法解决现有技术中因成熟度预判偏差导致果品货损增加的技术问题。

技术实现思路

1、本技术提供一种基于群体交互效应建模的果品分拣方法及系统，解决了现有技术中因成熟度预判偏差导致果品货损增加的技术问题。

2、为达到上述目的，本技术采用如下技术方案：

3、第一方面，提供一种基于群体交互效应建模的果品分拣方法，方法包括：获取目标物品的多模态检测数据、候选容器的状态数据以及物理传输时延数据；基于多模态检测数据，预测目标物品在多个预测节点对应的基准预测状态；针对任一候选容器，基于候选容器内已有物品的存量状态数据计算基底群体交互效应；基于基底群体交互效应结合非线性饱和约束，修正目标物品的基准预测状态，得到目标有效预测状态；将目标有效预测状态并入候选容器，更新全局预测状态；基于更新后的全局预测状态评价候选分拣动作，确定目标分拣动作并执行分拣控制。

4、结合上述第一方面，在一种可能的实现方式中，基于多模态检测数据，预测目标物品在多个预测节点对应的基准预测状态，包括：对多模态检测数据进行特征提取和融合，得到目标物品的当前状态特征；获取目标物品对应的历史状态数据，并将当前状态特征和历史状态数据输入时序预测模型；基于时序预测模型，预测目标物品在多个预设预测节点对应的状态，得到目标物品的基准预测状态序列；在目标物品缺少历史状态数据时，基于目标物品的基础属性确定先验状态变化轨迹，并基于先验状态变化轨迹生成基准预测状态序列。

5、结合上述第一方面，在一种可能的实现方式中，针对任一候选容器，基于候选容器内已有物品的存量状态数据计算基底群体交互效应，包括：获取候选容器内各已有物品对应的预测状态数据以及交互参数；基于各已有物品的预测状态数据和对应的交互参数，确定各已有物品在对应预测节点产生的个体交互效应；针对各预测节点，对候选容器内各已有物品的个体交互效应进行聚合，得到候选容器在各预测节点对应的基底群体交互效应。

6、结合上述第一方面，在一种可能的实现方式中，针对各预测节点，对候选容器内各已有物品的个体交互效应进行聚合，包括：针对任一预测节点，获取候选容器内已有物品的数量；基于已有物品的数量，对各已有物品在预测节点对应的个体交互效应进行归一化聚合；将归一化聚合结果确定为预测节点对应的基底群体交互效应。

7、结合上述第一方面，在一种可能的实现方式中，基底群体交互效应满足以下公式：

8、。

9、其中，n为候选容器内已有物品的总数量，r为已有物品的索引，为单品基础释放系数，为成熟度调节因子，为第r个已有物品的基础预测状态，为预测节点索引。

10、结合上述第一方面，在一种可能的实现方式中，基于基底群体交互效应结合非线性饱和约束，修正目标物品的基准预测状态，得到目标有效预测状态，包括：获取目标物品对应的交互敏感参数；针对各预测节点，基于基底群体交互效应和交互敏感参数，确定候选容器内已有物品对目标物品产生的状态修正量；将状态修正量通过非线性饱和函数进行约束，得到满足预设状态变化范围的目标状态增量；基于目标状态增量修正目标物品在对应预测节点的基准预测状态，得到目标有效预测状态。

11、结合上述第一方面，在一种可能的实现方式中，目标有效预测状态满足以下公式：

12、。

13、其中，为目标物品的基准预测状态，为目标物品的交互敏感参数，为双曲正切函数，为基底群体交互效应，为预测节点索引。

14、结合上述第一方面，在一种可能的实现方式中，将目标有效预测状态并入候选容器，更新全局预测状态，包括：将目标有效预测状态作为新增物品状态并入候选容器内已有物品的状态集合；基于更新后的状态集合，重新确定候选容器内各物品在各预测节点对应的群体交互效应；基于重新确定的群体交互效应，对候选容器内各物品的预测状态进行更新；基于更新后的各物品预测状态，生成候选容器对应的全局预测状态。

15、结合上述第一方面，在一种可能的实现方式中，基于更新后的全局预测状态评价候选分拣动作，确定目标分拣动作并执行分拣控制，包括：获取各候选容器对应的目标预测状态；针对各候选分拣动作，将更新后的全局预测状态与对应候选容器的目标预测状态进行比较，得到预测状态偏差；基于全局预测状态，确定对应候选容器的预测状态集中度以及容器负载状态；对预测状态偏差、预测状态集中度和容器负载状态进行标准化处理，并基于标准化处理结果确定各候选分拣动作的综合评价结果；基于各候选分拣动作的综合评价结果，确定目标分拣动作；基于物理传输时延数据和目标分拣动作，确定分拣执行机构的触发时刻，并控制分拣执行机构执行分拣。

16、第二方面，提供一种基于群体交互效应建模的果品分拣系统，系统包括：数据获取模块，用于获取目标物品的多模态检测数据、候选容器的状态数据以及物理传输时延数据；状态预测模块，用于基于多模态检测数据，预测目标物品在多个预测节点对应的基准预测状态；基底群体效应计算模块，用于针对任一候选容器，基于候选容器内已有物品的存量状态数据计算基底群体交互效应；目标有效状态预测模块，用于基于基底群体交互效应结合非线性饱和约束，修正目标物品的基准预测状态，得到目标有效预测状态；全局状态预测模块，用于将目标有效预测状态并入候选容器，更新全局预测状态；分拣控制模块，用于基于更新后的全局预测状态评价候选分拣动作，确定目标分拣动作并执行分拣控制。

17、本技术通过将基底群体交互效应的计算范围严格限定为候选容器内已有物品的存量状态数据，使待分拣货物在入仓推演的第一阶段不参与交互效应的产生，仅作为交互效应的接受方，切断待分拣货物对自身产生催熟影响的路径，使推演得到的未来品质状态符合真实物理规律，提升分拣决策的可解释性与可靠性。通过非线性饱和约束对状态修正量进行限制，使交互效应引起的状态增量被约束在预设状态变化范围内，避免因交互效应累积导致的预测状态溢出问题，保证推演结果在长周期多预测节点场景下的数值稳定性。在待分拣货物完成修正并并入候选容器后，基于更新后的状态集合重新计算全仓群体交互效应，使存量货物之间的交互影响以及新增货物对存量货物的交互影响均被纳入全局预测状态的更新过程，完整覆盖货物入仓后各物品间交互影响的真实物理场景，提高全局预测状态的准确性。

18、应当理解的是，本技术中对技术特征、技术方案、有益效果或类似语言的描述并不是暗示在任意的单个实施例中可以实现所有的特点和优点。相反，可以理解的是对于特征或有益效果的描述意味着在至少一个实施例中包括特定的技术特征、技术方案或有益效果。因此，本说明书中对于技术特征、技术方案或有益效果的描述并不一定是指相同的实施例。进而，还可以任何适当的方式组合本实施例中所描述的技术特征、技术方案和有益效果。本领域技术人员将会理解，无需特定实施例的一个或多个特定的技术特征、技术方案或有益效果即可实现实施例。在其他实施例中，还可在没有体现所有实施例的特定实施例中识别出额外的技术特征和有益效果。