CN105354521A - 一种基于bp神经网络的rfid标签分布优选配置方法 - Google Patents

一种基于bp神经网络的rfid标签分布优选配置方法 Download PDF

Info

Publication number
CN105354521A
CN105354521A CN201510866370.8A CN201510866370A CN105354521A CN 105354521 A CN105354521 A CN 105354521A CN 201510866370 A CN201510866370 A CN 201510866370A CN 105354521 A CN105354521 A CN 105354521A
Authority
CN
China
Prior art keywords
rfid
label tag
rfid label
interrogator antenna
neural network
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510866370.8A
Other languages
English (en)
Other versions
CN105354521B (zh
Inventor
俞晓磊
于银山
汪东华
钱坤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
JIANGSU INSTITUTE OF STANDARDIZATION
Original Assignee
JIANGSU INSTITUTE OF STANDARDIZATION
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by JIANGSU INSTITUTE OF STANDARDIZATION filed Critical JIANGSU INSTITUTE OF STANDARDIZATION
Priority to CN201510866370.8A priority Critical patent/CN105354521B/zh
Publication of CN105354521A publication Critical patent/CN105354521A/zh
Application granted granted Critical
Publication of CN105354521B publication Critical patent/CN105354521B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/0095—Testing the sensing arrangement, e.g. testing if a magnetic card reader, bar code reader, RFID interrogator or smart card reader functions properly

Abstract

本发明涉及RFID技术领域，具体涉及RFID多标签分布配置领域，特别是引入BP神经网络对RFID标签分布进行预测得到最优配置，属于检测技术领域。本发明提出一种基于BP神经网络的RFID标签分布优选配置方法，通过BP神经网络对RFID多标签位置对应的识读距离进行训练，从而对特定识读距离下的RFID多标签位置进行预测，找到识读性能最优的RFID标签分布，进而从RFID标签分布优选配置角度降低实际工作环境对识读性能的影响，该方法可以有效提高RFID标签识读性能，对于RFID技术的发展具有重要的理论和应用价值。

Description

一种基于BP神经网络的RFID标签分布优选配置方法
技术领域
本发明涉及RFID技术领域，具体涉及RFID多标签分布配置技术，特别是引入神经网络对RFID标签分布进行优选配置，属于检测技术领域。
背景技术
射频识别(RadioFrequencyIdentification，RFID)作为一种新颖的非接触式自动识别技术，已在现代物流、智能交通、生产自动化等众多领域获得广泛应用，特别在人们密切关注的智慧物流中货物的出入库信息采集与货物盘点应用尤为突出。但由于物联网与RFID技术的快速发展，行业内部缺乏统一标准，物联网应用系统实际性能缺乏有效的评估方式和检测手段。
RFID技术的一个重要的优点就是多目标同时识别，但要实现多目标同时识别，就要面临如何提高标签识读性能的问题。RFID系统动态性能的一个重要指标是识读距离。在实际的测量中，RFID系统的动态性能受到RFID标签位置的影响很大。如果RFID标签的分布不好，会产生漏读或误读等现象，那么RFID多目标同时识别的优势将不再存在。因此，优化RFID标签分布位置，从而提高RFID标签读取率，对于RFID技术的推广应用至关重要。
本发明提出一种基于BP神经网络的RFID多标签分布优选配置方法，通过BP神经网络对RFID标签分布下的识读距离进行训练，进一步在RFID标签识读距离下对RFID多标签分布进行预测，从而找出RFID多标签的最优分布。
发明内容
本发明提出一种基于BP神经网络的RFID标签分布优选配置方法，包括以下步骤：
第一步骤：搭建测试平台步骤，测试平台由1-RFID读写器、2-RFID读写器天线、3-激光测距传感器、4-光学升降台、5-反射板、6-RFID标签、7-透明塑料箱、8-相机、9-相机支架、10-托盘、11-控制计算机、12-导轨、13-电机构成，1-RFID读写器及3-激光测距传感器与11-控制计算机相连，8-相机安置在9-相机支架上并正对贴有6-RFID标签的7-透明塑料箱，2-RFID读写器天线和3-激光测距传感器分别安置在4-光学升降台两侧，调整4-光学升降台，使3-激光测距传感器的光束正对5-反射板，同时，2-RFID读写器天线的辐射方向正对6-RFID标签，如图1所示；
第二步骤：采集图像步骤，托盘上放置多个透明塑料箱，将RFID标签随机粘贴在透明塑料箱上，托盘在旋转过程中，相机对托盘上的RFID标签快速扫描，再拼接获得立体图像；
第三步骤：RFID标签位置提取步骤，对第二步骤中获得的立体图像进行特征提取和模板匹配，获得一组RFID标签的三维坐标，每一个RFID标签对应一个节点，得到一组节点的三维坐标；
第四步骤：RFID读写器天线对RFID标签的识读距离测量步骤，贴有RFID标签的透明塑料箱在导轨上由电机带动向RFID读写器天线方向运动，随着透明塑料箱靠近RFID读写器天线，当全部的RFID标签被RFID读写器天线读到时，激光测距传感器测量RFID读写器天线到RFID标签的距离值，作为RFID读写器天线对RFID标签的识读距离，存储于控制计算机中；
第五步骤：不同分布下RFID标签识读距离测量步骤，重新随机布置RFID标签的位置，重复以上第二、三、四步骤，获得不同分布下节点的三维坐标及其对应的RFID读写器天线对RFID标签的识读距离，存储于控制计算机中；
第六步骤：BP神经网络训练步骤，利用BP神经网络对第五步骤获得的节点三维坐标和RFID读写器天线对RFID标签的识读距离进行训练，得到一组连接权值，构建出BP神经网络；
第七步骤：预测RFID标签分布步骤，输入任意RFID读写器天线对RFID标签的识读距离，根据第六步骤训练的BP神经网络对节点的三维坐标进行预测，获得RFID读写器天线对RFID标签的识读距离对应的节点三维坐标；
以上第三步骤所述的特征提取是指获得一组权利要求1第二步骤立体图像中的RFID标签外形形状；
以上第三步骤所述的模板匹配是指先由单个标签的外形形状构成模板，再通过对特征提取到的一组RFID标签的外形形状依次与模板进行匹配。
附图说明
图1：测试平台结构图
图2：RFID标签立体图像
图3：节点三维坐标图
图4：不同分布下的RFID读写器天线对RFID标签识读距离
图5：RFID标签的外形形状
具体实施方式
一种基于BP神经网络的RFID标签分布优选配置方法，包括以下步骤：
第一步骤：搭建测试平台步骤，测试平台由1-RFID读写器、2-RFID读写器天线、3-激光测距传感器、4-光学升降台、5-反射板、6-RFID标签、7-透明塑料箱、8-相机、9-相机支架、10-托盘、11-控制计算机、12-导轨、13-电机构成，1-RFID读写器及3-激光测距传感器与11控制计算机相连，8-相机安置在9-相机支架上并对准贴有6-RFID标签的7-透明塑料箱，2-RFID读写器天线和3-激光测距传感器分别安置在4-光学升降台两侧，调整4-光学升降台，使3-激光测距传感器的光束正对5-反射板，同时，2-RFID读写器天线的辐射方向正对6-RFID标签，如图1所示，RFID标签采用超高频电子标签——ImpinjH47，RFID读写器采用ImpinjSpeedwayRevolutionR420读写器，最大射频输出功率为30dBm，RFID读写器天线采用LAIRDS9028R30NF超高频天线，增益9.0dBi，频率915MHz，工作波长λ＝c/f＝3.0×108/9.15×108＝0.328m；
第二步骤：采集图像步骤，托盘上放置多个透明塑料箱，将RFID标签随机粘贴在透明塑料箱上，托盘在旋转过程中，相机对托盘上的RFID标签快速扫描，再拼接获得立体图像，如图2所示；
第三步骤：RFID标签位置提取步骤，对第二步骤中获得的立体图像进行特征提取和模板匹配，获得一组RFID标签的三维坐标，每一个RFID标签对应一个节点，得到一组节点的三维坐标，如图3所示；
第四步骤：RFID读写器天线对RFID标签的识读距离测量步骤，贴有RFID标签的透明塑料箱在导轨上由电机带动向RFID读写器天线方向运动，随着透明塑料箱靠近RFID读写器天线，当全部的RFID标签被RFID读写器天线读到时，激光测距传感器测量RFID读写器天线到RFID标签的距离值，作为RFID读写器天线对RFID标签的识读距离，存储于控制计算机中；
第五步骤：不同分布下RFID标签识读距离测量步骤，重新随机布置RFID标签的位置，重复以上第二、三、四步骤，获得不同分布下节点的三维坐标及其对应的RFID读写器天线对RFID标签的识读距离，存储于控制计算机中，如图4所示；
第六步骤：BP神经网络训练步骤，利用BP神经网络对第五步骤获得的节点三维坐标和RFID读写器天线对RFID标签的识读距离进行训练，设置隐含层数为5，得到一组连接权值，(0.049，0.609，0.634，-0.621，-0.752)，构建出BP神经网络；
第七步骤：预测RFID标签分布步骤，输入RFID读写器天线对RFID标签的识读距离3m，根据第六步骤训练的BP神经网络对节点的三维坐标进行预测，获得RFID读写器天线对RFID标签的识读距离对应的节点三维坐标，如下所示，第一组：(35.59，8.08，28.29)，(14.14，41.30，9.30)，(41.29，35.01，19.87)，(34.69，29.23，36.97)，(30.15，32.73，29.22)，(31.24，14.08，6.89)，(30.79，41.01，20.55)，(33.62，10.47，20.82)，(31.37，14.04，29.20)，(7.76，41.39，26.41)，第二组：(39.23，39.54，6.90)，(24.88，41.60，41.82)，(22.42，8.68，39.63)，(41.38，4.43，40.36)，(33.31，18.69，9.85)，(4.27，4.85，35.94)，(15.68，4.38，18.26)，(34.81，22.59，28.85)，(33.19，30.19，9.50)，(22.93，16.62，11.95)；
以上第三步骤所述的特征提取是指获得一组权利要求1第二步骤立体图像中的RFID标签外形形状，如图5所示；
以上第三步骤所述的模板匹配是指先由单个标签的外形形状构成模板，再通过对特征提取到的一组RFID标签的外形形状依次与模板进行匹配。

Claims (3)

1.一种基于BP神经网络的RFID标签分布优选配置方法，包括以下步骤：
第一步骤：搭建测试平台步骤，测试平台由RFID读写器、RFID读写器天线、激光测距传感器、光学升降台、反射板、RFID标签、透明塑料箱、相机、相机支架、托盘、控制计算机、导轨、电机构成，RFID读写器及激光测距传感器与控制计算机相连，相机安置在相机支架上并对准贴有RFID标签的透明塑料箱，RFID读写器天线和激光测距传感器分别安置在光学升降台两侧，调整光学升降台，使激光测距传感器的光束正对反射板，同时，RFID读写器天线的辐射方向正对RFID标签；
第二步骤：采集图像步骤，托盘上放置多个透明塑料箱，将RFID标签随机粘贴在透明塑料箱上，托盘在旋转过程中，相机对托盘上的RFID标签快速扫描，再拼接获得立体图像；
第三步骤：RFID标签位置提取步骤，对第二步骤中获得的立体图像进行特征提取和模板匹配，获得一组RFID标签的三维坐标，每一个RFID标签对应一个节点，得到一组节点的三维坐标；
第四步骤：RFID读写器天线对RFID标签的识读距离测量步骤，贴有RFID标签的透明塑料箱在导轨上由电机带动向RFID读写器天线方向运动，随着透明塑料箱靠近RFID读写器天线，当全部的RFID标签被RFID读写器天线读到时，激光测距传感器测量RFID读写器天线到RFID标签的距离值，作为RFID读写器天线对RFID标签的识读距离，存储于控制计算机中；
第五步骤：不同分布下RFID标签识读距离测量步骤，重新随机布置RFID标签的位置，重复以上第二、三、四步骤，获得不同分布下节点的三维坐标及其对应的RFID读写器天线对RFID标签的识读距离，存储于控制计算机中；
第六步骤：BP神经网络训练步骤，利用BP神经网络对第五步骤获得的节点三维坐标和RFID读写器天线对RFID标签的识读距离进行训练，得到一组连接权值，构建出BP神经网络；
第七步骤：预测RFID标签分布步骤，输入任意RFID读写器天线对RFID标签的识读距离，根据第六步骤训练的BP神经网络对节点的三维坐标进行预测，获得RFID读写器天线对RFID标签的识读距离对应的节点三维坐标。
2.权利要求1第三步骤所述的特征提取是指获得一组权利要求1第二步骤立体图像中的RFID标签外形形状。
3.权利要求1第三步骤所述的模板匹配是指先由单个标签的外形形状构成模板，再通过对特征提取到的一组RFID标签的外形形状依次与模板进行匹配，分别确定每一个节点的三维坐标。
CN201510866370.8A 2015-11-27 2015-11-27 一种基于bp神经网络的rfid标签分布优选配置方法 Expired - Fee Related CN105354521B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510866370.8A CN105354521B (zh) 2015-11-27 2015-11-27 一种基于bp神经网络的rfid标签分布优选配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510866370.8A CN105354521B (zh) 2015-11-27 2015-11-27 一种基于bp神经网络的rfid标签分布优选配置方法

Publications (2)

Publication Number Publication Date
CN105354521A true CN105354521A (zh) 2016-02-24
CN105354521B CN105354521B (zh) 2017-11-21

Family

ID=55330490

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510866370.8A Expired - Fee Related CN105354521B (zh) 2015-11-27 2015-11-27 一种基于bp神经网络的rfid标签分布优选配置方法

Country Status (1)

Country Link
CN (1) CN105354521B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106778951A (zh) * 2016-11-23 2017-05-31 江苏省质量和标准化研究院 一种基于Flood－Fill和SVM的RFID多标签三维最优分布检测方法
CN107490346A (zh) * 2017-08-17 2017-12-19 江苏省质量和标准化研究院 一种基于视觉的rfid多标签网络三维测量建模方法
CN107563237A (zh) * 2017-08-22 2018-01-09 武汉大学 一种用于监控可预测移动物体的射频识别读写器布置方法
CN108426527A (zh) * 2018-01-23 2018-08-21 淮阴工学院 一种基于dlt的rfid标签三维坐标自动检测方法
CN113139395A (zh) * 2021-03-29 2021-07-20 南京航空航天大学 基于计算机视觉的射频识别系统多标签最优分布方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070109128A1 (en) * 2005-07-11 2007-05-17 Hiroshi Fujii Handy terminal
CN103235963A (zh) * 2013-05-14 2013-08-07 南京航空航天大学 一种基于矩阵分析的rfid标签分布优选配置方法
CN103235313A (zh) * 2013-04-18 2013-08-07 江苏省标准化研究院 一种闸门入口环境下rfid识读范围自动测量方法
CN103941108A (zh) * 2014-04-22 2014-07-23 南京航空航天大学 闸门环境下基于识读距离测量的rfid标签方向图动态绘制方法
CN103971543A (zh) * 2014-05-26 2014-08-06 浙江省嘉兴市港航管理局 一种融合多种数据源的船舶自动识别监控方法及监管系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070109128A1 (en) * 2005-07-11 2007-05-17 Hiroshi Fujii Handy terminal
CN103235313A (zh) * 2013-04-18 2013-08-07 江苏省标准化研究院 一种闸门入口环境下rfid识读范围自动测量方法
CN103235963A (zh) * 2013-05-14 2013-08-07 南京航空航天大学 一种基于矩阵分析的rfid标签分布优选配置方法
CN103941108A (zh) * 2014-04-22 2014-07-23 南京航空航天大学 闸门环境下基于识读距离测量的rfid标签方向图动态绘制方法
CN103971543A (zh) * 2014-05-26 2014-08-06 浙江省嘉兴市港航管理局 一种融合多种数据源的船舶自动识别监控方法及监管系统

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106778951A (zh) * 2016-11-23 2017-05-31 江苏省质量和标准化研究院 一种基于Flood－Fill和SVM的RFID多标签三维最优分布检测方法
CN106778951B (zh) * 2016-11-23 2019-08-13 江苏省质量和标准化研究院 一种基于Flood-Fill和SVM的RFID多标签三维最优分布检测方法
CN107490346A (zh) * 2017-08-17 2017-12-19 江苏省质量和标准化研究院 一种基于视觉的rfid多标签网络三维测量建模方法
CN107490346B (zh) * 2017-08-17 2021-05-28 江苏省质量和标准化研究院 一种基于视觉的rfid多标签网络三维测量建模方法
CN107563237A (zh) * 2017-08-22 2018-01-09 武汉大学 一种用于监控可预测移动物体的射频识别读写器布置方法
CN107563237B (zh) * 2017-08-22 2019-05-24 武汉大学 一种用于监控可预测移动物体的射频识别读写器布置方法
CN108426527A (zh) * 2018-01-23 2018-08-21 淮阴工学院 一种基于dlt的rfid标签三维坐标自动检测方法
CN113139395A (zh) * 2021-03-29 2021-07-20 南京航空航天大学 基于计算机视觉的射频识别系统多标签最优分布方法

Also Published As

Publication number Publication date
CN105354521B (zh) 2017-11-21

Similar Documents

Publication Publication Date Title
CN105354521A (zh) 一种基于bp神经网络的rfid标签分布优选配置方法
US11623825B2 (en) CPS-based smart forklift truck management device
CN102800164B (zh) 一种带有电子标签货物的快速收银装置及方法
CN103941108B (zh) 闸门环境下基于识读距离测量的rfid标签方向图动态绘制方法
CN108426527B (zh) 一种基于dlt的rfid标签三维坐标自动检测方法
CN102750638B (zh) 一种基于rfid的产品防窜货校验系统及其实现方法
Tzeng et al. Combination of radio frequency identification (RFID) and field verification tests of interior decorating materials
CN102081728A (zh) 一种射频识别系统中的标签活动检测方法、装置及阅读器
CN106446976A (zh) 标签位置确定系统、方法、装置及光标签
CN105160370A (zh) 携带rfid芯片电缆的电缆管理系统
KR100745690B1 (ko) 다수의 ｒｆｉｄ 태그의 인식거리 측정 장치 및 방법
WO2020098133A1 (zh) 商品定位系统及方法、带rfid读头的pda设备
CN204463144U (zh) 一种rfid系统及内置式rfid防窃电低压ct
CN204347908U (zh) 一种基于rfid技术的仓储作业装置
CN103235313A (zh) 一种闸门入口环境下rfid识读范围自动测量方法
CN203260039U (zh) 一种闸门入口环境下rfid多标签防碰撞识读距离测试系统
CN109034293A (zh) Rfid智能监管货架系统架构与方法
CN103235963B (zh) 一种基于矩阵分析的rfid标签分布优选配置方法
Li Automatic identification management of goods in warehouse logistics based on RFID technology
Huang et al. A study for optimizing the reading rate of RFID tagged cartons in palletizing process
CN204884001U (zh) 一种智能化物品识别系统
CN210573908U (zh) 用于物流仓储的电子标签
CN114219408A (zh) 基于图像识别与tof传感器的机器人仓库盘存方法
CN106296073A (zh) 一种基于rfid技术的货物移库方法
CN202650144U (zh) 一种带有电子标签货物的快速收银装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20171121

Termination date: 20181127