1.基于AI的秸秆机器人抓取路径控制系统，其特征在于，所述系统包括：地图建模模块收集秸秆堆积点的地理位置和秸秆量，进行地图构建，建立秸秆堆积点的地理坐标系，将地理坐标系与地形数据融合，生成地形秸秆分布图；

预测分析模块基于所述地形秸秆分布图，读取秸秆堆积点的地理坐标和秸秆量，计算多点间的地理邻近性和地形影响，结合历史秸秆变化数据，运用时间序列分析，获取每个堆积点的秸秆量变化预测数据，建立未来秸秆变化预测图；

所述计算多点间的地理邻近性和地形影响的步骤具体为：从所述地形秸秆分布图中读取每个秸秆堆积点的地理坐标和秸秆量，使用距离衰减公式：；

计算点对之间的距离影响，生成距离衰减影响矩阵；

其中， 表示点和点之间的距离衰减影响，、 、、是地理坐标，是衰减系数；

基于所述距离衰减影响矩阵，采用邻近性公式：；

计算每对点之间的地理邻近性，转换距离影响，生成地理邻近性矩阵；

其中， 表示点和点之间的地理邻近性，、是调整邻近性的敏感性和阈值参数；

结合所述地理邻近性矩阵和地形数据，评估地形对邻近性的调节效果，采用公式：；

计算每个点受邻近点地形影响的加权平均值，生成多点间的地理邻近性和地形影响；

其中，表示点的地理邻近性和地形影响，是点的地形数据；

所述未来秸秆变化预测图的获取步骤具体为：从所述多点间的地理邻近性和地形影响数据中，提取影响分析结果，结合历史秸秆变化数据，采用公式：；

生成秸秆量变化的预测模型；

其中，表示预测期的秸秆量，调节自回归部分，调节差分项，调节地理邻近性和地形影响，调节历史趋势影响；

对所述秸秆量变化的预测模型进行优化调整，参照季节性和随机波动因素，采用公式：；

生成季节性调整的预测结果；

其中，表示季节性调整后的预测秸秆量， 是季节性调节的系数、频率和相位；

将所述季节性调整后的预测结果整合到地理信息系统中，使用归一化公式：；

进行标准化处理，生成未来秸秆变化预测图；

其中， 表示秸秆变化预测图；

路径规划模块利用所述未来秸秆变化预测图，确定当前秸秆堆积点和已有点的秸秆量变化，结合机器人的起始位置，计算至每个堆积点的距离，根据秸秆量和地形障碍，优化机器人的收集路径，生成最优路径方案；

所述最优路径方案的获取步骤具体为：从所述未来秸秆变化预测图中读取当前秸秆堆积点的秸秆量变化数据，结合机器人的起始位置，使用距离计算公式：；

生成距离矩阵；

其中， 表示机器人起始位置到堆积点的距离， 、 是起始坐标， 、 是堆积点坐标，是地形高度差，是调节系数；

基于所述距离矩阵，参照秸秆量变化和地形障碍，采用公式：；

计算每条路径的成本，生成路径成本矩阵；

其中， 表示到堆积点的总成本， 是秸秆量变化， 是地形障碍指数， 、 、 是权重因子；

利用所述路径成本矩阵，采用动态规划算法求解最小成本路径，使用优化公式：；

确定最优路径，生成最优路径方案；

其中，表示最优路径方案， 是路径转折成本，是转折权重系数；

动态调整模块在机器人执行所述最优路径方案过程中，监测实时秸秆的硬度和湿度，调整机器人的抓取力度和路径，匹配差异化秸秆状态，建立机器人路径执行记录。

2.根据权利要求1所述的基于AI的秸秆机器人抓取路径控制系统，其特征在于，所述秸秆堆积点的地理坐标系的获取步骤具体为：通过全球定位系统GPS获取每个秸秆堆积点的经纬度信息，采用距离公式：；

计算两个秸秆堆积点之间的直线距离，生成地理坐标点集合；

其中，表示两点间的距离， 、 、 、 分别代表两个秸秆堆积点的经纬度坐标；

对所述地理坐标点集合进行加权处理，根据每个点的秸秆量调整权重，采用公式：；

得到加权地理坐标系；

其中，表示加权后的地理坐标系， 是权重因子，是地理坐标点，是坐标点的总数，是指数因子；

将所述加权地理坐标系导入到地图构建系统中，进行空间插值处理，采用公式：；

建立秸秆堆积点的地理坐标系；

其中， 表示生成的地理坐标系，为秸秆量的立方根，为地理坐标点。

3.根据权利要求2所述的基于AI的秸秆机器人抓取路径控制系统，其特征在于，所述地形秸秆分布图的获取步骤具体为：利用所述秸秆堆积点的地理坐标系，融合地形数据，采用复合权重融合公式：；

生成融合后的地理地形数据集；

其中，表示融合后的地理地形数据集，是地形高程数据，、代表调节指数；

使用空间分析技术对所述融合后的地理地形数据集进行区域秸秆密度分析，应用密度分析公式：；

生成区域秸秆密度图；

其中，表示区域秸秆密度图，是秸秆量， 是地形影响因子，、是调整地形数据影响的指数参数；

将所述区域秸秆密度图与地理信息系统整合，采用视觉渲染公式：；

生成地形秸秆分布图；

其中，表示地形秸秆分布图，是地形特征渲染因子，、是视觉效果调整的系数，是调整视觉渲染强度的参数。

4.根据权利要求1所述的基于AI的秸秆机器人抓取路径控制系统，其特征在于，所述机器人路径执行记录的获取步骤具体为：在机器人执行所述最优路径方案过程中，实时监测秸秆的硬度和湿度，采用公式：；

生成实时秸秆状态数据；

其中， 表示实时秸秆状态数据，表示硬度，表示湿度，、是线性加权因子，是硬度与湿度的交互调节因子，是硬度的非线性调节因子；

根据所述实时秸秆状态数据，调整机器人的抓取力度和路径，采用公式：；

生成调整后的机器人操作参数；

其中，表示调整后的抓取力度，、、是操作调整参数；

利用所述调整后的机器人操作参数和路径调整参数，采用数据记录公式：；

建立机器人路径执行记录；

其中，表示机器人路径执行记录， 是调整后的路径和操作参数。