CN111964668B - 物品状态的检测方法及装置 - Google Patents

物品状态的检测方法及装置 Download PDF

Info

Publication number
CN111964668B
CN111964668B CN202010805519.2A CN202010805519A CN111964668B CN 111964668 B CN111964668 B CN 111964668B CN 202010805519 A CN202010805519 A CN 202010805519A CN 111964668 B CN111964668 B CN 111964668B
Authority
CN
China
Prior art keywords
article
acceleration
value
state
bumping
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.)
Active
Application number
CN202010805519.2A
Other languages
English (en)
Other versions
CN111964668A (zh
Inventor
林晓玮
陈佳男
陈志璇
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.)
China Mobile Communications Group Co Ltd
China Mobile Hangzhou Information Technology Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Hangzhou Information Technology Co Ltd
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 China Mobile Communications Group Co Ltd, China Mobile Hangzhou Information Technology Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN202010805519.2A priority Critical patent/CN111964668B/zh
Publication of CN111964668A publication Critical patent/CN111964668A/zh
Application granted granted Critical
Publication of CN111964668B publication Critical patent/CN111964668B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C1/00—Measuring angles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Burglar Alarm Systems (AREA)

Abstract

本发明实施例公开了一种物品状态的检测方法及装置，其中该方法应用于状态检测标签，所述状态检测标签设置在物品上，该方法包括：采集物品分别在XYZ三个轴向上的第一加速度数据；根据所述XYZ三个轴向上各自的第一加速度数据计算所述物品的颠簸晃动值；根据所述物品的颠簸晃动值确定所述物品的颠簸晃动状态。本发明实施例提供的技术方案，能够准确确定物品的颠簸晃动状态。

Description

物品状态的检测方法及装置
技术领域
本发明实施例涉及物联网技术，特别涉及一种物品状态的检测方法及装置。
背景技术
在当前物联网技术迅猛发展的环境下，出现了智慧物流信息管理方案。例如，在物品运输过程中通常需要对物品的运输状态进行检测，方便及时掌控物品运输状态，保证物品运输安全。
现有技术中，通常采用GPS(全球定位系统，Global Positioning System)定位、心跳上报等检测方式来检测物品的运输状态。但是，采用的GPS定位检测方式获取的信息量十分有限，且只能知道物品当前所在的位置，无法进一步知道物品当前所处的运输状态；同理，采用心跳上报的方式能够获取的信息量也十分局限。
因此，目前尚没有能够准确检测物品在运输情况下的状态的技术方案。
发明内容
有鉴于此，本发明实施例提供了一种物品状态的检测方法，应用于状态检测标签，所述状态检测标签设置在物品上，该方法包括：
采集物品分别在XYZ三个轴向上的第一加速度数据；
根据所述XYZ三个轴向上各自的第一加速度数据计算所述物品的颠簸晃动值；
根据所述物品的颠簸晃动值确定所述物品的颠簸晃动状态
本发明实施例提供的技术方案，能够准确确定物品的颠簸晃动状态。
本发明一实施例还提供了一种状态检测标签，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述物品状态的检测方法。
本发明一实施例还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述物品状态的检测方法。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
图1为本发明一实施例提供的一种物品状态的检测方法的流程示意图；
图2为本发明另一实施例提供的一种物品状态的检测方法的流程示意图；
图3为本发明另一实施例提供的一种物品状态的检测方法的流程示意图；
图4为本发明一实施例提供的一种标签脱落异常状态评估流程的示意图；
图5为本发明另一实施例提供的一种物品状态的检测方法的流程示意图；
图6为本发明另一实施例提供的一种物品状态的检测方法的流程示意图；
图7为本发明另一实施例提供的一种物品状态的检测方法的流程示意图；
图8为本发明一实施例提供的一种NB-IoT联网系统的架构示意图；
图9为本发明一实施例提供的一种状态管理平台的架构示意图；
图10为本发明一实施例提供的一种物品状态的检测装置的结构示意图；
图11为本发明另一实施例提供的一种物品状态的检测装置的结构示意图；
图12为本发明一实施例提供的一种状态检测标签的工作流程示意图；
图13为本发明另一实施例提供的一种物品状态的检测装置的结构示意图；
图14为本发明另一实施例提供的一种物品状态的检测装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。以下各个实施例的划分是为了描述方便，不应对本发明的具体实现方式构成任何限定，各个实施例在不矛盾的前提下可以相互结合相互引用。
图1为本发明一实施例提供的一种物品状态的检测方法的流程示意图，该方法应用于状态检测标签，所述状态检测标签设置在物品上，
如图1所示，该方法包括：
步骤101，采集物品分别在XYZ三个轴向上的第一加速度数据；
步骤102，根据所述XYZ三个轴向上各自的第一加速度数据计算所述物品的颠簸晃动值；
步骤103，根据所述物品的颠簸晃动值确定所述物品的颠簸晃动状态。
在一实施例中，在采集物品分别在XYZ三个轴向上的第一加速度数据之前，该方法还包括：
判断是否满足第一预设条件；
当满足所述第一预设条件时，再采集物品分别在XYZ三个轴向上的第一加速度数据；
其中，所述第一预设条件包括以下一个或者多个：
条件一：所述物品在X轴向的加速度数值大于对应的第一加速度阈值时，且X轴向的加速度变化数值大于对应的加速度变化阈值，且X轴向的加速度方向变化频率大于对应的加速度方向变化频率阈值；所述加速度方向变化频率是指加速度的方向发生变化的频率；
条件二：所述物品在Y轴向的加速度数值大于对应的第二加速度阈值时，且Y轴向的加速度变化数值大于对应的加速度变化阈值，且Y轴向的加速度方向变化频率大于对应的速度方向变化频率阈值；
条件三：所述物品在Z轴向的加速度数值大于对应的第三加速度阈值时，且Z轴向的加速度变化数值大于对应的加速度变化阈值，且Z轴向的加速度方向变化频率大于对应的加速度方向变化频率阈值；
条件四：预先设定的物品状态定时检测任务达到启动时间。
在一示例中，所述根据所述XYZ三个轴向上各自的第一加速度数据计算所述物品的颠簸晃动值，包括：
根据所述XYZ三个轴向上各自的第一加速度数据计算合速率变化值Δvsum1的绝对值和平均拟合度RS；
对合速率变化值Δvsum1绝对值和平均拟合度RS进行权重计算得到所述物品的颠簸晃动值。
在一示例中，所述根据所述XYZ三个轴向上各自的第一加速度数据计算合速率变化值Δvsum1的绝对值和平均拟合度RS，包括：
从所述XYZ三个轴向上各自的第一加速度数据中筛选出符合特定规则的采样点在XYZ三个轴向上各自的第一加速度数据；所述特定规则是指筛选出的每两个相邻的采样点各自的加速度方向为相反方向；
针对符合特定规则的采样点中每一对相邻的采样点在XYZ三个轴向上各自的第一加速度数据执行如下操作：
计算该两个相邻的采样点各自的合加速度
Figure BDA0002628980480000041
和
Figure BDA0002628980480000042
利用下面公式3计算该两个相邻的采样点间在加速度为0时的时间点tn1：
Figure BDA0002628980480000043
t0·n1表示该相邻两个采样点间的间隔时间，N*表示筛选出的由每两个相邻采样点组成的采样点集合，n1表示该相邻两个采样点的标识，t0表示该相邻两个采样点之间的间隔时间；
将时间点tn1带入公式4计算出该两个相邻的采样点间的速率变化值Δv1的绝对值：
Figure BDA0002628980480000044
将符合特定规则的采样点中每一对相邻的采样点间的速率变化值的绝对值带入公式5计算得到合速率变化值Δvsum1的绝对值：
|Δvsum1|＝ξ1|Δv1|+ξ2|Δv2|+ξ3(|Δv3|+…+|Δvk|),k∈N* 5，，Δv1是指第一对相邻的采样点的速率变化值，Δv2是指第二对相邻的采样点的速率变化值，以此类推，Δvk是指第k对相邻的采样点的速率变化值，ξ1ξ2和ξ3分别是预设的三个权重系数；
将该两个相邻的采样点间的速率变化值Δv1的绝对值带入公式6计算得到该两个相邻的采样点间的拟合度R1：
Figure BDA0002628980480000045
VK1的绝对值表示预设的颠簸晃动速率值；
将符合特定规则的采样点中每一对相邻的采样点间的拟合度的绝对值带入公式7计算得到平均拟合度RS：
Figure BDA0002628980480000046
R1是指对第一对相邻的采样点的速率变化近似曲线进行拟合得到的拟合度，R2是指对第二对相邻的采样点的速率变化近似曲线进行拟合得到的拟合度，以此类推，RM是指对第M对相邻的采样点的速率变化近似曲线进行拟合得到的拟合度，M是指两两相邻采样点的数量。
在一示例中，当所述第一预设条件包括条件一时，根据所述物品的颠簸晃动值确定所述物品的颠簸晃动状态，包括：
将所述物品的颠簸晃动值与颠簸程度风险阈值进行比较；
当所述物品的颠簸晃动值大于所述颠簸程度风险阈值时，确定所述物品为颠簸报警状态；
当所述物品的颠簸程度小于或者等于所述颠簸程度风险阈值时，确定所述物品为颠簸正常状态。
在一示例中，当所述第一预设条件包括条件二或者条件三时，根据所述物品的颠簸晃动值确定所述物品的颠簸晃动状态，包括：
将所述物品的颠簸晃动值与晃动程度风险阈值进行比较；
当所述物品的颠簸晃动值大于所述晃动程度风险阈值时，确定所述物品为晃动报警状态；
当所述物品的颠簸晃动值小于或者等于所述晃动程度风险阈值时，确定所述物品为晃动正常状态。
在一示例中，当所述第一预设条件包括条件四时，根据所述物品的颠簸晃动值确定所述物品的颠簸晃动状态，包括：
将所述物品的颠簸晃动值与颠簸程度风险阈值进行比较；当所述物品的颠簸晃动值大于所述颠簸程度风险阈值时，确定所述物品为颠簸报警状态；当所述物品的颠簸程度小于或者等于所述颠簸程度风险阈值时，确定所述物品为颠簸正常状态；
和/或，将所述物品的颠簸晃动值与晃动程度风险阈值进行比较；当所述物品的颠簸晃动值大于所述晃动程度风险阈值时，确定所述物品为晃动报警状态；当所述物品的颠簸晃动值小于或者等于所述晃动程度风险阈值时，确定所述物品为晃动正常状态。
在一示例中，该方法还包括：
当所述物品在X轴向的加速度数值大于对应的第一加速度阈值时，且X轴向的加速度变化数值大于预设的加速度变化阈值，且X轴向的加速度方向变化频率小于或者等于预设的加速度方向变化频率时，判断上升下坠幅度是否大于预设的上升下坠幅度阈值；
当所述上升下坠幅度大于上升下坠幅度阈值时，判断所述上升下坠幅度是否大于预设的上升下坠风险阈值；
当所述上升下坠幅度小于或者等于上升下坠风险阈值时，确定所述物品为上升下坠风险状态；
当所述上升下坠幅度大于上升下坠风险阈值时，确定所述状态检测标签处于标签异常状态。
在一示例中，该方法还包括：
当满足第二预设条件时，采集物品分别在XYZ三个轴向上的第二加速度数据；
根据所述物品分别在XYZ三个轴向上的第二加速度数据确定所述状态检测标签是否脱落；
其中，所述第二预设条件包括以下之一：
所述状态检测标签处于标签异常状态；
预先设定的标签脱落定时检测任务达到启动时间。
在一示例中，所述根据所述物品分别在XYZ三个轴向上的第二加速度数据确定所述状态检测标签是否脱落，包括：
根据所述第二加速度数据计算所述状态检测标签的合加速度；
计算所述合加速度与重力加速度的差值；
当所述差值小于预设的第四加速度阈值时，比较所述重力加速度的方向与X轴的相对关系；
当所述相对关系为所述重力加速度的方向与X轴重合，或者不重合但是偏离角度小于或者等于偏离阈值时，确定所述状态检测标签处于正常状态；
当所述相对关系为所述重力加速度的方向与X轴不重合且偏离角度大于偏离阈值时，确定所述状态检测标签处于脱落状态。
本发明实施例提供的技术方案，能够准确确定物品的颠簸晃动状态。
图2为本发明一实施例提供的一种物品状态的检测方法的流程示意图。如图2所示，该方法包括：
步骤201，当满足第一预设条件时，采集物品分别在XYZ三个轴向上的第一加速度数据；
在一示例中，所述第一预设条件包括以下一个或者多个：
条件一：所述物品在X轴向的加速度数值大于对应的第一加速度阈值时，且X轴向的加速度变化数值大于对应的加速度变化阈值，且X轴向的加速度方向变化频率大于对应的加速度方向变化频率阈值；
条件二：所述物品在Y轴向的加速度数值大于对应的第二加速度阈值时，且Y轴向的加速度变化数值大于对应的加速度变化阈值，且Y轴向的加速度方向变化频率大于对应的速度方向变化频率阈值；
条件三：所述物品在Z轴向的加速度数值大于对应的第三加速度阈值时，且Z轴向的加速度变化数值大于对应的加速度变化阈值，且Z轴向的加速度方向变化频率大于对应的加速度方向变化频率阈值；
条件四：预先设定的物品状态定时检测任务达到启动时间。
在一示例中，还可以在数据采集后，对数据进行滤波，滤除干扰信号以及毛刺，然后对滤波后的加速度数据执行步骤202。例如可以采用公式1、2所示的中值滤波和均值滤波结合的滤波算法，可以有效滤除所获取数据的毛刺等干扰，抗干扰能力强。
Figure BDA0002628980480000071
Figure BDA0002628980480000072
步骤202，从所述XYZ三个轴向上各自的第一加速度数据中筛选出符合特定规则的采样点在XYZ三个轴向上各自的第一加速度数据；
其中，所述特定规则是指相邻的两个采样点各自的加速度方向为相反方向。例如，开始采样时，将传感器采样频率设置为15Hz的低功耗状态，获取1s～2s的一组数据，并做散点分布的近似处理，每个采样点之间的加速度方向为相反方向，若出现的连续的采样点在统一方向的，则取该采样点群中加速度数值最大点作为筛选出的采样点。如此筛选出的采样点数较少，每次判断只需获取15～30个采样点对应的加速度数据即可对物品的颠簸晃动状态进行评估。
步骤203，针对符合特定规则的采样点中每一对相邻的采样点在XYZ三个轴向上各自的第一加速度数据执行如下操作：
计算该两个相邻的采样点各自的合加速度
Figure BDA0002628980480000073
和
Figure BDA0002628980480000074
利用下面公式3计算该两个相邻的采样点间在加速度为0时的时间点tn1：
Figure BDA0002628980480000075
t0·n1表示该相邻两个采样点间的间隔时间，N*表示筛选出的由每两个相邻采样点组成的采样点集合，n1表示该相邻两个采样点的标识，t0表示该相邻两个采样点之间的间隔时间；
将时间点tn1带入公式4计算出该两个相邻的采样点间的速率变化值Δv1的绝对值：
Figure BDA0002628980480000076
该两个相邻的采样点间的速率变化值Δv1的绝对值带入公式6计算得到该两个相邻的采样点间的拟合度R1：
Figure BDA0002628980480000077
VK1的绝对值表示预设的颠簸晃动速率值；
在一示例中，公式(3)计算的为相邻两个采样点间做简化近似处理后的速率曲线在加速度为0时的时间点tn1，这其中
Figure BDA0002628980480000081
分别表示该相邻两个采样点的加速度，t0·n1表示该相邻两个采样点间的实际间隔时间。
步骤204，将符合特定规则的采样点中每一对相邻的采样点间的速率变化值带入公式5计算得到合速率变化值Δvsum1的绝对值；将符合特定规则的采样点中每一对相邻的采样点间的拟合度的绝对值带入公式7计算得到平均拟合度RS；
在一示例中，在计算出tn1时间点后，将其带入公式(4)，计算出该相邻两个采样点间的速率变化值Δv1，之后将每一对相邻采样点的速率变化值Δv1、Δv2...Δvk带入公式5计算得到合速率变化值Δvsum1；
|Δvsum1|＝ξ1|Δv1|+ξ2|Δv2|+ξ3(|Δv3|+…+|Δvk|),k∈N* 公式5；
其中，ξ1ξ2和ξ3分别是三项权重系数，其中ξ3的权重最小，ξ1的权重最大，该公式主要是用于作当物体存在上升或下坠情况下的一种近似计算位移的简化计算方式，一般在前两个采样周期大部分的上升或下坠的行为已经完成，因此权重比高，后几段的数据相对可靠度低，因此权重比低。最终得出的Δvsum1的作用经过多次实验可以作为合位移大小的近似处理，具体比对事先存在单片机内存的实验数据表进行对应。由于采用的CPU是低成本低功耗CPU运算能力十分有限，计算二重积分的效率实在是太低，故发明了这种根据速率的简化计算方法，只需要计算简单型一重积分，大大降低了计算消耗。
其中，Δv1是指第一对相邻的采样点的速率变化值，Δv2是指第二对相邻的采样点的速率变化值，以此类推，Δvk是指第k对相邻的采样点的速率变化值，从Δv2到Δvk的计算方法与Δv1的计算方法相同，都是先通过公式3计算出在对应两个相邻采样点加速度为0时的时间点，在计算出tn1时间点后通过公式4计算出该相邻的采样点的速率变化值，在此不再赘述。
在一示例中，将Δv1的绝对值带入公式6，即将获取的速率变化近似曲线Δv1与预置好的颠簸晃动速率值(ΔvK1)进行拟合得出的拟合度R1，然后将每一对相邻采样点的拟合度R1、R2...RM的绝对值带入公式7计算得到平均拟合度Rs。
Figure BDA0002628980480000082
Figure BDA0002628980480000083
其中，R1是指对第一对相邻的采样点的速率变化近似曲线进行拟合得到的拟合度，R2是指对第二对相邻的采样点的速率变化近似曲线进行拟合得到的拟合度，以此类推，RM是指对第M对相邻的采样点的速率变化近似曲线进行拟合得到的拟合度，M是指两两相邻采样点的数量，从R2到RM的计算方法与R1的计算方法相同，都是通过公式(6)计算出该相邻的采样点的拟合度，在此不再赘述。
步骤205，对合速率变化值Δvsum1的绝对值和平均拟合度RS进行权重计算得到所述物品的颠簸晃动值；
其中，通过将公式7得出的平均拟合度与公式5获得的合速率变化值进行权重计算得到颠簸晃动拟合曲线，然后利用该颠簸晃动拟合曲线来表示所述物品的颠簸晃动值。
其中，物品在轴向上的加速度方向是不断改变的，同时还需保证检测过程的低能耗需求。由于上述的计算方法(步骤202-205)需要获取的3各轴向上的加速度数据做进一步计算分析，因此该计算方法也可以称之为3轴速率拟合计算。该3轴速率拟合计算采用的是3轴6向的加速度传感方式，不同于现有技术中采用的单个轴向的加速度值以及单纯通过该轴向加速度方向变化来判断易碎品的震动频率。
在一示例中，采集3轴6向加速度数据时无需不间断采样，每次采样只获取1～2s的数值即可，其他时候检测标签均处于低功耗。另外，在检测期间，传感器可以处于15Hz的低功耗状态，该模式下功耗仅25uA，休眠阈值触发模式下，功耗仅5uA，计算功耗也较小。
步骤206，根据所述物品的颠簸晃动值确定所述物品的颠簸晃动状态。
在一示例中，当所述第一预设条件包括条件一时，根据所述物品的颠簸晃动值确定所述物品的颠簸晃动状态，包括：
将所述物品的颠簸晃动值与颠簸程度风险阈值进行比较；
当所述物品的颠簸晃动值大于所述颠簸程度风险阈值时，确定所述物品为颠簸报警状态；
当所述物品的颠簸程度小于或者等于所述颠簸程度风险阈值时，确定所述物品为颠簸正常状态。
在另一示例中，当所述第一预设条件包括条件二或者条件三时，根据所述物品的颠簸晃动值确定所述物品的颠簸晃动状态，包括：
将所述物品的颠簸晃动值与晃动程度风险阈值进行比较；
当所述物品的颠簸晃动值大于所述晃动程度风险阈值时，确定所述物品为晃动报警状态；
当所述物品的颠簸晃动值小于或者等于所述晃动程度风险阈值时，确定所述物品为晃动正常状态。
在另一示例中，当所述第一预设条件包括条件四时，根据所述物品的颠簸晃动值确定所述物品的颠簸晃动状态，包括：
将所述物品的颠簸晃动值与颠簸程度风险阈值进行比较；当所述物品的颠簸晃动值大于所述颠簸程度风险阈值时，确定所述物品为颠簸报警状态；当所述物品的颠簸程度小于或者等于所述颠簸程度风险阈值时，确定所述物品为颠簸正常状态；
和/或，将所述物品的颠簸晃动值与晃动程度风险阈值进行比较；当所述物品的颠簸晃动值大于所述晃动程度风险阈值时，确定所述物品为晃动报警状态；当所述物品的颠簸晃动值小于或者等于所述晃动程度风险阈值时，确定所述物品为晃动正常状态。
在一示例中，该方法还包括：
当所述物品在X轴向的加速度数值大于预设的第一加速度阈值时，且X轴向的加速度变化数值大于预设的加速度变化阈值，且X轴向的加速度方向变化频率小于或者等于预设的加速度方向变化频率时，判断上升下坠幅度是否大于预设的上升下坠幅度阈值；
当所述上升下坠幅度大于上升下坠幅度阈值时，判断所述上升下坠幅度是否大于预设的上升下坠风险阈值；
当所述上升下坠幅度小于或者等于上升下坠风险阈值时，确定所述物品为上升下坠风险状态；
当所述上升下坠幅度大于上升下坠风险阈值时，确定所述状态检测标签处于标签异常状态。
其中，还可以将物品的风险状态上报给管理系统。例如可以只有在当判断物品处于风险状态时，才将检测的状态发送给管理系统，判断物品处于正常状态下则不需要上报。该风险状态包括上面提到的颠簸报警状态、上升下坠风险状态、晃动报警状态；该正常状态包括上面提到的颠簸正常状态、上升下坠正常状态、晃动正常状态。状态检测标签也可以只要检测一次状态就上报一次，即无论是风险状态还是正常状态都上报给管理系统。
本发明实施例提供的技术方案，通过采集的3轴6向加速度数据来计算物品的颠簸晃动值，从而能够更加准确地确定物品的颠簸晃动状态。
本发明的另一实施例中，可以预先为所述状态检测标签设置两种工作模式，一种是状态检测模式，另一种是低功耗模式。在状态检测模式下执行物品状态的检测，在低功耗模式不会执行物品状态的检测，只维护一些基本的操作，如此可以降低功耗。其中，不同的工作模式也可以设置不同的采样周期、采样频率、采样间隔。本实施例中，在状态检测模式下采样周期可以设置为1s(秒)，采样频率设置为15HZ，采样间隔设置为1s；在低功耗模式下采样周期可以设置为1s，采样频率设置为15HZ，采样间隔设置为10分钟。例如，物品上的状态检测标签在上电时，首先进行系统的初始化配置，例如中断唤醒条件的设置，工作模式的设置，各种阈值的配置等。初始化完成后，可以向状态信息管理系统发起注册，当在状态信息管理系统成功注册并返回正确的应答后，状态检测标签首先进入状态检测模式，开始执行物品状态的检测，并将检测的物品状态发送给状态信息管理系统。之后，状态检测标签开始进入低功耗模式，直到满足触发中断唤醒条件时，状态检测标签再次进入状态检测模式，以此类推，完成对物品状态的定时检测。
其中，上述中断唤醒条件包括以下至少之一：
所述状态检测标签中预先设定的物品状态定时检测任务达到启动时间；
或者，所述状态检测标签中的传感器检测到所述物品在XYZ轴任一轴向的加速度数值大于各自对应的加速度阈值。
例如，物品状态定时检测任务是指通过定时器触发定时任务检测物品的颠簸晃动状态，例如可以设定30分钟启动一次检测任务，检测一次物品的颠簸晃动状态。
需要说明地是，在部署状态检测标签的时候，需要注意部署的朝向。本实施例中，部署方式为：Z轴方向与车厢前进方向平行，X轴朝向垂直于水平面，Y轴方向与车厢左右侧面方向平行。可以预先为XYZ三个轴向分别设置对应的加速度阈值，XYZ三个轴向对应的加速度阈值可以相同也可以不相同，其具体的数值可以根据经验或者实验数据，或者物品的形状大小等信息进行预先设定。只要有一个轴向上的加速度数值大于对应的加速度阈值就可以触发中断唤醒条件，控制所述状态检测标签进入状态检测模式。
本实施例中，以上述XYZ轴任一轴向的加速度数值大于各自对应的加速度阈值时为例详细说明状态检测标签由于触发中断唤醒，进入状态检测模式后进行状态检测的具体过程，如图3所示，中断唤醒后，首先判断加速度唤醒条件的轴向。
如果是由X轴触发中断唤醒，则判断易碎品在运输过程中的上升下坠，颠簸，脱落等状态信息，包括：采样滤波，对触发中断的X轴数据进行判断，判断X轴加速度变化数值是否大于阈值(即加速度变化阈值)。当不大于时，结束返回；当大于时，采样1s(采样周期)获取一组数据(采样频率15HZ)，然后判断X轴方向加速度方向变化频率是否大于5Hz(即X轴加速度方向变化频率阈值，如图3中所示本实施例中以5Hz为例)；当X轴加速度方向变化频率大于5Hz，则进入颠簸评估流程，开启3轴速率拟合计算(即上一实施例中提到的拟合计算方法)，然后判断拟合的颠簸速率曲线是否大于风险阈值(即颠簸风险阈值)，当不大于时，结束返回；当大于时，设置颠簸报警状态和颠簸程度，更新状态并发送，即发送给管理系统。当X轴加速度方向变化频率不大于5Hz，则进入上升/下坠评估流程，判断上升/下坠幅度是否大于2cm(即上升/下坠幅度阈值，如图3中所示本实施例中以2cm为例)，当不大于时，结束返回；当大于时，进一步判断下坠的幅度是否大于阈值(即上升/下坠风险阈值)，当不大于时，设置上升/下坠风险状态；当大于时，则认为检测标签异常，设置异常标志，进入脱落异常状态评估流程，然后结束返回。另外，当物品处于颠簸报警状态，则认为当前的颠簸情况可能威胁到物品，可以及时发送给管理系统通知司机以提醒司机注意控制车速或驾驶行为；当标签处于上升/下坠风险状态时，也可以一并将上升/下坠幅度一并发送给管理系统通知司机以提醒司机注意控制车速或驾驶行为。
其中，上升下坠幅度的计算主要是根据公式5来进行权重计算得出一个可近似处理的Δvsum1，再对照预设的数据表，得到对应不同Δvsum1的位移大小，该位移大小即为上升和下坠的幅度。该对照表为合速率变化值与位移大小的对应关系表，可以根据实验预先生成。
如果是由Z轴或者Y轴触发中断唤醒，则判断物品在运输过程中的的晃动情况，具体包括：采样滤波，对触发中断的Z轴或者Y轴数据进行判断，判断Z轴或者Y轴变化数值(即加速度值)是否大于阈值(即加速度变化阈值)。当不大于时，结束返回；当大于时，采样2s(采样周期)获取一组数据(采样频率15HZ)，然后判断Z轴或者Y轴方向加速度方向变化频率是否大于10Hz(即Z轴或者Y轴的加速度方向变化频率阈值，如图3中所示本实施例中以10Hz为例)；当Z轴或者Y轴加速度方向变化频率大于10Hz，则进入晃动评估流程，开启3轴速率拟合计算，然后判断拟合的晃动速率曲线是否大于风险阈值(即晃动风险阈值)，当不大于时，结束返回；当大于时，设置晃动报警状态及晃动程度，然后更新状态并发送，即发送给管理系统。另外，当物品处于晃动报警状态，则认为当前的晃动情况可能威胁到物品，可以一并将晃动的程度及时发送给管理系统通知司机以提醒司机注意控制车速或驾驶行为。
上述各种阈值可以根据经验、实验数据以及物品形状大小等信息进行预先设置。
其中，上面提到的结束返回，是指从检测状态返回低功耗状态，在低功耗状态，传感器只需要按照设定的采集频率、采集间隔、采集周期采集XYZ三个轴向的加速度数据，一旦某个轴向的加速度数据再次大于加速度阈值，触发中断唤醒，则再次进入检测状态，以此类推，完成对物品状态的实时检测。
本实施例提供的技术方案，采用3轴速率拟合计算，能够准确判断物品的颠簸晃动状态；进一步地还能够判断物品的上升/下坠状态，进一步地还能够判断状态检测标签是否异常。
在本发明的另一实施例中，在上述实施例的基础上，还包括：当满足第二预设条件时，采集物品分别在XYZ三个轴向上的第二加速度数据；
根据所述物品分别在XYZ三个轴向上的第二加速度数据确定所述状态检测标签是否脱落；
其中，所述第二预设条件包括以下之一：
所述状态检测标签处于标签异常状态；
预先设定的标签脱落定时检测任务达到启动时间。
在一示例中，可以在状态检测标签中预先设置标签脱落定时检测任务，例如设置每30分钟检测一次状态检测标签的是否脱落。还可以当检测到状态检测标签处于异常状态时，检测所述状态检测标签是否脱落。具体例如上一实施例中提到的当下坠的幅度大于阈值(即上升下坠风险阈值)时，则认为检测标签异常，设置异常标志，即将标签异常状态位置置为1。可以预先设置标签异常状态位置，该标签异常状态位置为1表示标签异常，为0表示标签正常。基于此，本实施例中提供了一种标签脱落异常状态评估流程，例如图4所示，
当定时器还没有30分钟计时中断时，进入被动评估脱落状态流程，包括：定时检测标签异常状态位置是否为1，当不为1时表示标签正常，直接回到开始；当为1时表示标签状态异常，采样1s获取一组数据，计算3轴合加速度值，并将合加速度值与重力加速度值(即图中所示阈值c1)进行比较；若合加速度与重力加速度差值较大，则认为标签处于运动的状态，表示未达到脱落评估条件，此时预设时间(以五分钟为例)检测一次检测标签，若检测标签N次(以3次为例)后仍没有达到脱落状态评估条件，则认为检测标签出现了未知异常，设置检测标签未知异常状态，更新检测标签状态位，然后结束。若合加速度接近于重力加速度，则认为标签处于近似静止/匀速的状态，可以开始进行脱落状态评估，然后判断重力加速度的方向与X轴加速度方向之间偏移的角度是否大于预设偏移阈值(即图中的c2)，当不大于时，表示标签状态正常；当大于时，则认为标签已经处于脱落状态，设置检测标签未知异常状态，更新检测标签状态位，然后结束。
当由于定时器30分钟计时中断时，进入主动判断脱落评估流程，采样1s获取一组数据，计算3轴合加速度值，并判断合加速度值是否小于重力加速度值(即图中所示阈值c1)；当合加速度值不小于重力加速度值(即图中所示阈值c1)时，表示检测标签处于非稳定状态，未达到评估条件，返回开始。当合加速度值小于重力加速度值(即图中所示阈值c1)时，表示标签处于匀速/停止状态，可以开始进行脱落状态评估，然后判断重力加速度的方向与X轴加速度方向之间偏移的角度是否大于预设偏移阈值(即图中的c2)，当不大于时，表示检测标签状态正常；当大于时，则认为标签已经处于脱落状态，设置检测标签未知异常状态，更新检测标签状态位，然后结束。
可选地，还可以将标签异常状态及时上报给管理系统，从而可以提醒司机及时检查和复原。
本实施例提供的技术方案，能够仅靠3轴向加速度数值的变化趋向来判断分析检测标签是否已脱落进行评估，并作实时报警，提醒相关人员及时检查，防止标签在异常情况下脱落后造成的误判。
图5为本发明另一实施例提供的一种物品状态的检测方法的流程示意图。
本实施例应用于状态检测标签，所述状态检测标签设置在物品上。
如图5所示，该方法包括：
步骤501，状态检测标签采集物品分别在XYZ三个轴向上的第一加速度数据；
步骤502，所述状态检测标签将所述第一加速度数据发送给状态信息管理系统；
步骤503，所述状态信息管理系统根据所述XYZ三个轴向上各自的第一加速度数据计算所述物品的颠簸晃动值；根据所述物品的颠簸晃动值确定所述物品的颠簸晃动状态。
在一示例中，在采集物品分别在XYZ三个轴向上的第一加速度数据之前，该方法还包括：
判断是否满足第一预设条件；
当满足所述第一预设条件时，再采集物品分别在XYZ三个轴向上的第一加速度数据；
所述第一预设条件包括以下一个或者多个：
条件一：所述物品在X轴向的加速度数值大于对应的第一加速度阈值时，且X轴向的加速度变化数值大于对应的加速度变化阈值，且X轴向的加速度方向变化频率大于对应的加速度方向变化频率阈值；所述加速度方向变化频率是指加速度的方向发生变化的频率；
条件二：所述物品在Y轴向的加速度数值大于对应的第二加速度阈值时，且Y轴向的加速度变化数值大于对应的加速度变化阈值，且Y轴向的加速度方向变化频率大于对应的速度方向变化频率阈值；
条件三：所述物品在Z轴向的加速度数值大于对应的第三加速度阈值时，且Z轴向的加速度变化数值大于对应的加速度变化阈值，且Z轴向的加速度方向变化频率大于对应的加速度方向变化频率阈值；
条件四：预先设定的物品状态定时检测任务达到启动时间。
在一示例中，所述状态信息管理系统根据所述XYZ三个轴向上各自的第一加速度数据计算所述物品的颠簸晃动值，包括：
根据所述XYZ三个轴向上各自的第一加速度数据计算合速率变化值Δvsum1的绝对值和平均拟合度RS；
对合速率变化值Δvsum1的绝对值和平均拟合度RS进行权重计算得到所述物品的颠簸晃动值。
在一示例中，根据所述XYZ三个轴向上各自的第一加速度数据计算合速率变化值Δvsum1的绝对值和平均拟合度RS，包括：
从所述XYZ三个轴向上各自的第一加速度数据中筛选出符合特定规则的采样点在XYZ三个轴向上各自的第一加速度数据；所述特定规则是指筛选出的每两个相邻的采样点各自的加速度方向为相反方向；
针对符合特定规则的采样点中每一对相邻的采样点在XYZ三个轴向上各自的第一加速度数据执行如下操作：
计算该两个相邻的采样点各自的合加速度
Figure BDA0002628980480000151
和
Figure BDA0002628980480000152
利用下面公式3计算该两个相邻的采样点间在加速度为0时的时间点tn1：
Figure BDA0002628980480000153
t0·n1表示该相邻两个采样点间的间隔时间，N*表示筛选出的由每两个相邻采样点组成的采样点集合，n1表示该相邻两个采样点的标识，t0表示该相邻两个采样点之间的间隔时间；
将时间点tn1带入公式4计算出该两个相邻的采样点间的速率变化值Δv1的绝对值：
Figure BDA0002628980480000154
将符合特定规则的采样点中每一对相邻的采样点间的速率变化值的绝对值带入公式5计算得到合速率变化值Δvsum1的绝对值：
|Δvsum1|＝ξ1|Δv1|+ξ2|Δv2|+ξ3(|Δv3|+…+|Δvk|),k∈N* 公式5，Δv1是指第一对相邻的采样点的速率变化值，Δv2是指第二对相邻的采样点的速率变化值，以此类推，Δvk是指第k对相邻的采样点的速率变化值，ξ1ξ2和ξ3分别是预设的三个权重系数；
将该两个相邻的采样点间的速率变化值Δv1的绝对值带入公式6计算得到该两个相邻的采样点间的拟合度R1：
Figure BDA0002628980480000161
VK1的绝对值表示预设的颠簸晃动速率值；
将符合特定规则的采样点中每一对相邻的采样点间的拟合度的绝对值带入公式7计算得到平均拟合度RS：
Figure BDA0002628980480000162
R1是指对第一对相邻的采样点的速率变化近似曲线进行拟合得到的拟合度，R2是指对第二对相邻的采样点的速率变化近似曲线进行拟合得到的拟合度，以此类推，RM是指对第M对相邻的采样点的速率变化近似曲线进行拟合得到的拟合度，M是指两两相邻采样点的数量；
对合速率变化值Δvsum1和平均拟合度RS进行权重计算得到所述物品的颠簸晃动值。
在一示例中，当所述第一预设条件包括条件一时，根据所述物品的颠簸晃动值确定所述物品的颠簸晃动状态，包括：
将所述物品的颠簸晃动值与颠簸程度风险阈值进行比较；
当所述物品的颠簸晃动值大于所述颠簸程度风险阈值时，确定所述物品为颠簸报警状态；
当所述物品的颠簸程度小于或者等于所述颠簸程度风险阈值时，确定所述物品为颠簸正常状态。
在一示例中，当所述第一预设条件包括条件一或者条件二时，根据所述物品的颠簸晃动值确定所述物品的颠簸晃动状态，包括：
将所述物品的颠簸晃动值与晃动程度风险阈值进行比较；
当所述物品的颠簸晃动值大于所述晃动程度风险阈值时，确定所述物品为晃动报警状态；
当所述物品的颠簸晃动值小于或者等于所述晃动程度风险阈值时，确定所述物品为晃动正常状态。
在一示例中，当所述第一预设条件包括条件四时，根据所述物品的颠簸晃动值确定所述物品的颠簸晃动状态，包括：
将所述物品的颠簸晃动值与颠簸程度风险阈值进行比较；当所述物品的颠簸晃动值大于所述颠簸程度风险阈值时，确定所述物品为颠簸报警状态；当所述物品的颠簸程度小于或者等于所述颠簸程度风险阈值时，确定所述物品为颠簸正常状态；
和/或，将所述物品的颠簸晃动值与晃动程度风险阈值进行比较；当所述物品的颠簸晃动值大于所述晃动程度风险阈值时，确定所述物品为晃动报警状态；当所述物品的颠簸晃动值小于或者等于所述晃动程度风险阈值时，确定所述物品为晃动正常状态。
在一示例中，该方法还包括：
当所述物品在X轴向的加速度数值大于预设的第一加速度阈值时，且X轴向的加速度变化数值大于预设的加速度变化阈值，且X轴向的加速度方向变化频率小于或者等于预设的加速度方向变化频率时，判断上升下坠幅度是否大于预设的上升下坠幅度阈值；
当所述上升下坠幅度大于上升下坠幅度阈值时，判断所述上升下坠幅度是否大于预设的上升下坠风险阈值；
当所述上升下坠幅度小于或者等于上升下坠风险阈值时，确定所述物品为上升下坠风险状态；
当所述上升下坠幅度大于上升下坠风险阈值时，确定所述状态检测标签处于标签异常状态。
在一示例中，该方法还包括：
当满足第二预设条件时，状态检测标签采集物品分别在XYZ三个轴向上的第二加速度数据；
所述状态检测标签将所述第二加速度数据发送给状态信息管理系统；
所述状态信息管理系统根据所述物品分别在XYZ三个轴向上的第二加速度数据确定所述状态检测标签是否脱落；
其中，所述第二预设条件包括以下之一：
所述状态检测标签处于标签异常状态；
预先设定的标签脱落定时检测任务达到启动时间。
在一示例中，所述根据所述物品分别在XYZ三个轴向上的第二加速度数据确定所述状态检测标签是否脱落，包括：
根据所述第二加速度数据计算所述状态检测标签的合加速度；
计算所述合加速度与重力加速度的差值；
当所述差值小于预设的第四加速度阈值时，比较所述重力加速度的方向与X轴的相对关系；
当所述相对关系为所述重力加速度的方向与X轴重合，或者不重合但是偏离角度小于或者等于偏离阈值时，确定所述状态检测标签处于正常状态；
当所述相对关系为所述重力加速度的方向与X轴不重合且偏离角度大于偏离阈值时，确定所述状态检测标签处于脱落状态。
本发明实施例提供的技术方案，状态检测标签只负责数据采集，而由状态信息管理系统进行数据计算，能够减少状态检测标签的能耗。
图6为本发明另一实施例提供的一种物品状态的检测方法的流程示意图。
本实施例应用于状态信息管理系统。
如图6所示，该方法包括：
步骤601，状态信息管理系统接收物品上设置的所述状态检测标签发送的第一加速度数据；
步骤602，根据所述第一加速度数据计算所述物品的颠簸晃动值；
步骤603，根据所述物品的颠簸晃动值确定所述物品的颠簸晃动状态；
其中，所述第一加速度数据是所述状态检测标签采集的物品分别在XYZ三个轴向上的加速度数据。
在一示例中，在采集物品分别在XYZ三个轴向上的第一加速度数据之前，该方法还包括：
判断是否满足第一预设条件；
当满足所述第一预设条件时，再采集物品分别在XYZ三个轴向上的第一加速度数据；
所述第一预设条件包括以下一个或者多个：
条件一：所述物品在X轴向的加速度数值大于对应的第一加速度阈值时，且X轴向的加速度变化数值大于对应的加速度变化阈值，且X轴向的加速度方向变化频率大于对应的加速度方向变化频率阈值；所述加速度方向变化频率是指加速度的方向发生变化的频率；
条件二：所述物品在Y轴向的加速度数值大于对应的第二加速度阈值时，且Y轴向的加速度变化数值大于对应的加速度变化阈值，且Y轴向的加速度方向变化频率大于对应的速度方向变化频率阈值；
条件三：所述物品在Z轴向的加速度数值大于对应的第三加速度阈值时，且Z轴向的加速度变化数值大于对应的加速度变化阈值，且Z轴向的加速度方向变化频率大于对应的加速度方向变化频率阈值；
条件四：预先设定的物品状态定时检测任务达到启动时间。
在一示例中，所述根据所述XYZ三个轴向上各自的第一加速度数据计算所述物品的颠簸晃动值，包括：
根据所述XYZ三个轴向上各自的第一加速度数据计算合速率变化值Δvsum1的绝对值和平均拟合度RS；
对合速率变化值Δvsum1的绝对值和平均拟合度RS进行权重计算得到所述物品的颠簸晃动值。
在一示例中，所述根据所述XYZ三个轴向上各自的第一加速度数据计算合速率变化值Δvsum1的绝对值和平均拟合度RS，包括：
从所述XYZ三个轴向上各自的第一加速度数据中筛选出符合特定规则的采样点在XYZ三个轴向上各自的第一加速度数据；所述特定规则是指筛选出的每两个相邻的采样点各自的加速度方向为相反方向；
针对符合特定规则的采样点中每一对相邻的采样点在XYZ三个轴向上各自的第一加速度数据执行如下操作：
计算该两个相邻的采样点各自的合加速度
Figure BDA0002628980480000191
和
Figure BDA0002628980480000192
利用下面公式3计算该两个相邻的采样点间在加速度为0时的时间点tn1：
Figure BDA0002628980480000193
t0·n1表示该相邻两个采样点间的间隔时间，N*表示筛选出的由每两个相邻采样点组成的采样点集合，n1表示该相邻两个采样点的标识，t0表示该相邻两个采样点之间的间隔时间；
将时间点tn1带入公式4计算出该两个相邻的采样点间的速率变化值Δv1的绝对值：
Figure BDA0002628980480000194
将符合特定规则的采样点中每一对相邻的采样点间的速率变化值的绝对值带入公式5计算得到合速率变化值Δvsum1的绝对值：
|Δvsum1|＝ξ1|Δv1|+ξ2|Δv2|+ξ3(|Δv3|+…+|Δvk|),k∈N* 5，Δv1是指第一对相邻的
采样点的速率变化值，Δv2是指第二对相邻的采样点的速率变化值，以此类推，Δvk是指第k对相邻的采样点的速率变化值，ξ1ξ2和ξ3分别是预设的三个权重系数；
将该两个相邻的采样点间的速率变化值Δv1的绝对值带入公式6计算得到该两个相邻的采样点间的拟合度R1：
Figure BDA0002628980480000195
VK1的绝对值表示预设的颠簸晃动速率值；
将符合特定规则的采样点中每一对相邻的采样点间的拟合度的绝对值带入公式7计算得到平均拟合度RS：
Figure BDA0002628980480000196
R1是指对第一对相邻的采样点的速率变化近似曲线进行拟合得到的拟合度，R2是指对第二对相邻的采样点的速率变化近似曲线进行拟合得到的拟合度，以此类推，RM是指对第M对相邻的采样点的速率变化近似曲线进行拟合得到的拟合度，M是指两两相邻采样点的数量。
在一示例中，当所述第一预设条件包括条件一时，根据所述物品的颠簸晃动值确定所述物品的颠簸晃动状态，包括：
将所述物品的颠簸晃动值与颠簸程度风险阈值进行比较；
当所述物品的颠簸晃动值大于所述颠簸程度风险阈值时，确定所述物品为颠簸报警状态；
当所述物品的颠簸程度小于或者等于所述颠簸程度风险阈值时，确定所述物品为颠簸正常状态。
在一示例中，当所述第一预设条件包括条件二或者条件三时，根据所述物品的颠簸晃动值确定所述物品的颠簸晃动状态，包括：
将所述物品的颠簸晃动值与晃动程度风险阈值进行比较；
当所述物品的颠簸晃动值大于所述晃动程度风险阈值时，确定所述物品为晃动报警状态；
当所述物品的颠簸晃动值小于或者等于所述晃动程度风险阈值时，确定所述物品为晃动正常状态。
在一示例中，当所述第一预设条件包括条件四时，根据所述物品的颠簸晃动值确定所述物品的颠簸晃动状态，包括：
将所述物品的颠簸晃动值与颠簸程度风险阈值进行比较；当所述物品的颠簸晃动值大于所述颠簸程度风险阈值时，确定所述物品为颠簸报警状态；当所述物品的颠簸程度小于或者等于所述颠簸程度风险阈值时，确定所述物品为颠簸正常状态；
和/或，将所述物品的颠簸晃动值与晃动程度风险阈值进行比较；当所述物品的颠簸晃动值大于所述晃动程度风险阈值时，确定所述物品为晃动报警状态；当所述物品的颠簸晃动值小于或者等于所述晃动程度风险阈值时，确定所述物品为晃动正常状态。
在一示例中，该方法还包括：
当所述物品在X轴向的加速度数值大于预设的第一加速度阈值时，且X轴向的加速度变化数值大于预设的加速度变化阈值，且X轴向的加速度方向变化频率小于或者等于预设的加速度方向变化频率时，判断上升下坠幅度是否大于预设的上升下坠幅度阈值；
当所述上升下坠幅度大于上升下坠幅度阈值时，判断所述上升下坠幅度是否大于预设的上升下坠风险阈值；
当所述上升下坠幅度小于或者等于上升下坠风险阈值时，确定所述物品为上升下坠风险状态；
当所述上升下坠幅度大于上升下坠风险阈值时，确定所述状态检测标签处于标签异常状态。
在一示例中，该方法还包括：
所述状态信息管理系统接收接收物品上设置的所述状态检测标签发送的第二加速度数据；
根据所述物品分别在XYZ三个轴向上的第二加速度数据确定所述状态检测标签是否脱落；
其中，第二加速度数据是当满足第二预设条件时，由状态检测标签采集的物品分别在XYZ三个轴向上的加速度数据。
在一示例中，所述第二预设条件包括以下之一：
所述状态检测标签处于标签异常状态；
预先设定的标签脱落定时检测任务达到启动时间。
在一示例中，所述根据所述物品分别在XYZ三个轴向上的第二加速度数据确定所述状态检测标签是否脱落，包括：
根据所述第二加速度数据计算所述状态检测标签的合加速度；
计算所述合加速度与重力加速度的差值；
当所述差值小于预设的第四加速度阈值时，比较所述重力加速度的方向与X轴的相对关系；
当所述相对关系为所述重力加速度的方向与X轴重合，或者不重合但是偏离角度小于或者等于偏离阈值时，确定所述状态检测标签处于正常状态；
当所述相对关系为所述重力加速度的方向与X轴不重合且偏离角度大于偏离阈值时，确定所述状态检测标签处于脱落状态。
这两个实施例与上面实施例的区别在于，状态检测标签只负责进行数据采集，而将具体的计算部分放到状态信息管理系统，从而能够进一步降低状态检测标签的功耗。
图7为本发明另一实施例提供的一种物品状态的检测方法的流程示意图。
本实施例中，所述状态检测标签进入状态检测模式后，只进行数据的采集，并不进行物品状态的具体判断，而是将采集的数据发送给状态信息管理系统，由状态信息管理系统根据收到的数据进行物品状态的判断。
如图7所示，该方法包括：
步骤701，当满足第一预设条件时，状态检测标签采集物品分别在XYZ三个轴向上的第一加速度数据；
在一示例中，所述第一预设条件包括以下一个或者多个：
条件一：所述物品在X轴向的加速度数值大于对应的第一加速度阈值时，且X轴向的加速度变化数值大于对应的加速度变化阈值，且X轴向的加速度方向变化频率大于对应的加速度方向变化频率阈值；所述加速度方向变化频率是指加速度的方向发生变化的频率；
条件二：所述物品在Y轴向的加速度数值大于对应的第二加速度阈值时，且Y轴向的加速度变化数值大于对应的加速度变化阈值，且Y轴向的加速度方向变化频率大于对应的速度方向变化频率阈值；
条件三：所述物品在Z轴向的加速度数值大于对应的第三加速度阈值时，且Z轴向的加速度变化数值大于对应的加速度变化阈值，且Z轴向的加速度方向变化频率大于对应的加速度方向变化频率阈值；
条件四：预先设定的物品状态定时检测任务达到启动时间。
步骤702，状态检测标签将所述第一加速度数据发送给状态信息管理系统；
步骤703，状态信息管理系统接收所述第一加速度数据；
在一示例中，还可以在数据采集后，对数据进行滤波，滤除干扰信号以及毛刺，然后对滤波后的加速度数据执行步骤704。例如可以采用公式1、2所示的中值滤波和均值滤波结合的滤波算法，可以有效滤除所获取数据的毛刺等干扰，抗干扰能力强。
Figure BDA0002628980480000221
Figure BDA0002628980480000222
步骤704，状态信息管理系统从所述XYZ三个轴向上各自的第一加速度数据中筛选出符合特定规则的采样点在XYZ三个轴向上各自的第一加速度数据；
其中，所述特定规则是指相邻的两个采样点各自的加速度方向为相反方向。例如，开始采样时，将传感器采样频率设置为15Hz的低功耗状态，获取1s～2s的一组数据，并做散点分布的近似处理，每个采样点之间的加速度方向为相反方向，若出现的连续的采样点在统一方向的，则取该采样点群中加速度数值最大点作为筛选出的采样点。如此筛选出的采样点数较少，每次判断只需获取15～30个采样点对应的加速度数据即可对物品的颠簸晃动状态进行评估。
步骤705，针对符合特定规则的采样点中每一对相邻的采样点在XYZ三个轴向上各自的第一加速度数据执行如下操作：
计算该两个相邻的采样点各自的合加速度
Figure BDA0002628980480000231
和
Figure BDA0002628980480000232
利用下面公式3计算该两个相邻的采样点间在加速度为0时的时间点tn1：
Figure BDA0002628980480000233
将时间点tn1带入公式4计算出该两个相邻的采样点间的速率变化值Δv1的绝对值：
Figure BDA0002628980480000234
该两个相邻的采样点间的速率变化值Δv1带入公式6计算得到该两个相邻的采样点间的拟合度R1：
Figure BDA0002628980480000235
在一示例中，公式(3)计算的为相邻两个采样点间做简化近似处理后的速率曲线在加速度为0时的时间点tn1，这其中
Figure BDA0002628980480000236
分别表示该相邻两个采样点的加速度，t0·n1表示该相邻两个采样点间的实际间隔时间，N*表示筛选出的由每两个相邻采样点组成的采样点集合，n1表示该相邻两个采样点，t0表示该相邻两个采样点之间的间隔时间。
步骤706，将符合特定规则的采样点中每一对相邻的采样点间的速率变化值的绝对值带入公式5计算得到合速率变化值Δvsum1的绝对值；将符合特定规则的采样点中每一对相邻的采样点间的拟合度的绝对值带入公式7计算得到平均拟合度RS；
在一示例中，在计算出tn1时间点后，将其带入公式4，计算出该相邻两个采样点间的速率变化值Δv1的绝对值，之后将每一对相邻采样点的速率变化值Δv1、Δv2...Δvk带入公式5计算得到合速率变化值Δvsum1的绝对值；
|Δvsum1|＝ξ1|Δv1|+ξ2|Δv2|+ξ3(|Δv3|+…+|Δvk|),k∈N* 公式(5)
其中，ξ1ξ2和ξ3分别是三项权重系数，其中ξ3的权重最小，ξ1的权重最大，该公式主要是用于作当物体存在上升或下坠情况下的一种近似计算位移的简化计算方式，一般在前两个采样周期大部分的上升或下坠的行为已经完成，因此权重比高，后几段的数据相对可靠度低，因此权重比低。最终得出的Δvsum1的作用经过多次实验可以作为合位移大小的近似处理，具体比对事先存在单片机内存的实验数据表进行对应。由于采用的CPU是低成本低功耗CPU运算能力十分有限，计算二重积分的效率实在是太低，故发明了这种根据速率的简化计算方法，只需要计算简单型一重积分，大大降低了计算消耗。
其中，Δv1是指第一对相邻的采样点的速率变化值，Δv2是指第二对相邻的采样点的速率变化值，以此类推，Δvk是指第k对相邻的采样点的速率变化值，从Δv2到Δvk的计算方法与Δv1的计算方法相同，都是先通过公式3计算出在对应两个相邻采样点加速度为0时的时间点，在计算出tn1时间点后通过公式4计算出该相邻的采样点的速率变化值，在此不再赘述。
在一示例中，将Δv1的绝对值带入公式6，即将获取的速率变化近似曲线Δv1与预置好的颠簸晃动速率曲线(ΔvK1也称为颠簸晃动速率值)进行拟合得出的拟合度R1，然后将每一对相邻采样点的拟合度R1、R2...RM的绝对值带入公式7计算得到平均拟合度Rs。
Figure BDA0002628980480000241
Figure BDA0002628980480000242
其中，R1是指对第一对相邻的采样点的速率变化近似曲线进行拟合得到的拟合度，R2是指对第二对相邻的采样点的速率变化近似曲线进行拟合得到的拟合度，以此类推，RM是指对第M对相邻的采样点的速率变化近似曲线进行拟合得到的拟合度，从R2到RM的计算方法与R1的计算方法相同，都是通过公式(6)计算出该相邻的采样点的拟合度，在此不再赘述。
步骤707，对合速率变化值Δvsum1和平均拟合度RS进行权重计算得到所述物品的颠簸晃动值；
其中，通过将公式7得出的平均拟合度与公式5获得的合速率变化值进行权重计算得到颠簸晃动拟合曲线，然后利用该颠簸晃动拟合曲线来表示所述物品的颠簸晃动值。
其中，物品在轴向上的加速度方向是不断改变的，同时还需保证检测过程的低能耗需求。由于上述的计算方法(步骤202-205)需要获取的3各轴向上的加速度数据做进一步计算分析，因此该计算方法也可以称之为3轴速率拟合计算。该3轴速率拟合计算采用的是3轴6向的加速度传感方式，不同于现有技术中采用的单个轴向的加速度值以及单纯通过该轴向加速度方向变化来判断易碎品的震动频率。
在一示例中，采集3轴6向加速度数据时无需不间断采样，每次采样只获取1～2s的数值即可，其他时候检测标签均处于低功耗。另外，在检测期间，传感器可以处于15Hz的低功耗状态，该模式下功耗仅25uA，休眠阈值触发模式下，功耗仅5uA，计算功耗也较小。
步骤708，根据所述物品的颠簸晃动值确定所述物品的颠簸晃动状态。
在一示例中，当所述第一预设条件包括条件一时，根据所述物品的颠簸晃动值确定所述物品的颠簸晃动状态，包括：
将所述物品的颠簸晃动值与颠簸程度风险阈值进行比较；
当所述物品的颠簸晃动值大于所述颠簸程度风险阈值时，确定所述物品为颠簸报警状态；
当所述物品的颠簸程度小于或者等于所述颠簸程度风险阈值时，确定所述物品为颠簸正常状态。
在另一示例中，当所述第一预设条件包括条件二或者条件三时，根据所述物品的颠簸晃动值确定所述物品的颠簸晃动状态，包括：
将所述物品的颠簸晃动值与晃动程度风险阈值进行比较；
当所述物品的颠簸晃动值大于所述晃动程度风险阈值时，确定所述物品为晃动报警状态；
当所述物品的颠簸晃动值小于或者等于所述晃动程度风险阈值时，确定所述物品为晃动正常状态。
在另一示例中，当所述第一预设条件包括条件四时，根据所述物品的颠簸晃动值确定所述物品的颠簸晃动状态，包括：
将所述物品的颠簸晃动值与颠簸程度风险阈值进行比较；当所述物品的颠簸晃动值大于所述颠簸程度风险阈值时，确定所述物品为颠簸报警状态；当所述物品的颠簸程度小于或者等于所述颠簸程度风险阈值时，确定所述物品为颠簸正常状态；
和/或，将所述物品的颠簸晃动值与晃动程度风险阈值进行比较；当所述物品的颠簸晃动值大于所述晃动程度风险阈值时，确定所述物品为晃动报警状态；当所述物品的颠簸晃动值小于或者等于所述晃动程度风险阈值时，确定所述物品为晃动正常状态。
在一示例中，该方法还包括：
当所述物品在X轴向的加速度数值大于预设的第一加速度阈值时，且X轴向的加速度变化数值大于预设的加速度变化阈值，且X轴向的加速度方向变化频率小于或者等于预设的加速度方向变化频率时，判断上升下坠幅度是否大于预设的上升下坠幅度阈值；
当所述上升下坠幅度大于上升下坠幅度阈值时，判断所述上升下坠幅度是否大于预设的上升下坠风险阈值；
当所述上升下坠幅度小于或者等于上升下坠风险阈值时，确定所述物品为上升下坠风险状态；
当所述上升下坠幅度大于上升下坠风险阈值时，确定所述状态检测标签处于标签异常状态。
其中，状态信息管理系统得到物品的颠簸晃动状态、标签异常等信息后，可以进行各种处理。例如，当处于危险状态时，提醒司机进行查看和重置，实现随时随地对状态检测标签进行管理。
本发明实施例提供的技术方案，能够准确确定物品的颠簸晃动状态。并且利用状态信息管理系统，用户可以通过PC、手机APP、微信小程序，车辆中控屏幕多种方式访问查看，既减少管理人员对于监控室电脑的依赖，便于移动管理，也适用于司机在驾驶场景下对车内易碎品运输状态的实时掌控。
本发明的另一实施例中，在上述实施例的基础上，物品上的状态检测标签与状态信息管理系统需要进行信息的交互。其通信方式，可以采用ZigBee(紫蜂，一种低速短距离传输的无线网上协议)、Wi-Fi(Wireless-Fidelity，无线保真)、4G(第四代移动通信技术，4th generation mobile networks)等技术的联网方案。但是上述通信方式都存在一定的缺点，例如：采用ZigBee通信方案存在通信距离短的问题，且需要额外货车车厢内架设若干Router(路由器)节点进行数据集中和转发；Wi-Fi通信方案存在功耗大，通信距离短的问题，若是在货运火车等应用场景下由于面积大，车厢间的间隔远，也需要在货车或火车车厢内架设若干路由器进行数据集中转发，增加了系统复杂度和硬件成本；4G通信技术虽然通信距离远，但其功耗太大，无法支持物流状态检测装置的长时间续航。因此，上述通信方案存在检测装置通信功耗大的问题，且检测装置与服务器端管理之间无法直接网络通信，通常需要另外架设一个网关充当网络中继，收集分布在货运车厢内各个位置上的物品检测标签上传的状态信息并转发到信息管理系统，造成硬件架设成本高等问题。而NB-IoT技术作为5G通信技术集合的一部分，在通信距离、功耗、下挂数量等方面具有不可比拟的优势。
为此，本实施例中，提出了一种NB-IoT(窄带物联网，Narrow Band Internet ofThings)联网系统，物品上的状态检测标签与状态信息管理系统通过NB-IoT进行消息交互。如图8所示，该NB-IoT联网系统，根据功能的不同将系统总体分为感知层、通信传输层、业务层等。
所述感知层：主要由NB-IoT终端组成。在本实施例中，即为物品上的状态检测标签。
具体而言，可以在货运车厢的各个物品上以标签粘贴的形式部署采用NB-IoT通信技术的状态检测标签。该状态检测标签可以采用电池供电，负责采集各个物品当前的运输状态数据，通过分析物品3个三个轴向的加速度信息计算得出该物品当前所处的多种运输情况信息，并且还可以通过状态检测标签是否脱落的检测机制，能够过滤因检测标签从易碎物品上脱落而造成误判的能力，并将相应的物品状态信息通过空口连接到运营商在该区域的NB-IoT基站发送出去。
所述通信传输层：由移动运营商架设，NB-IoT基站主要承担区域内各个物品状态检测标签的空中接口接入处理，并对下挂的各个物品状态检测标签的上传和下发的数据进行管理，并将收集到的各个物品状态检测标签的数据上传到移动NB-IoT核心网作进一步处理。移动NB-IoT核心网方面的主要工作是承担与各个终端的数据交互功能，并将NB-IoT相关的业务数据转发到移动OneNET平台(中国移动物联网开放平台)进行处理。移动OneNET平台汇聚各种NB-IoT接入网得到的NB-IoT数据，并根据业务类型的不同将这些数据转发到业务层供给用户调用处理或进行二次定制开发。从通信网络层的结构可以看出，运营商将NB-IoT终端与最终的人机交互应用之间的通信网络所需要的部分已经搭建好，因此不需要像2.4Ghz、433Mhz等技术的通信解决方案再设计开发网关、中央集中器等设备对数据进行汇聚和转发，也无需再开发网络下设备之间的数据收发协议，数据的安全性相对更好。NB-IoT终端直接与运营商搭建的网络连接，简化了系统复杂度，能够保证一定的网络稳定性、数据安全性的同时也缩短了相关业务的开发周期，降低了架设成本。
所述业务层：主要包括状态信息管理系统(图中显示为易碎品运输状态信息管理系统，为示例性说明)和用户设备(图中显示为手机和PC，为示例性说明)。
其中，状态信息管理系统可以部署于云端，向移动OneNET平台提供的接口调用感知层状态检测标签上传的数据，并将各个物品运输状态的数据转换成界面友好的交互页面显示出来，用户可以通过PC、手机APP、微信小程序，车辆中控屏幕多种方式访问查看，既减少管理人员对于监控室电脑的依赖，便于移动管理，也适用于司机在驾驶场景下对车内易碎品运输状态的实时掌控。
本发明实施例提供的通信系统，每个架设在货运车厢内各个物品上的状态检测标签可以直接通过移动网络与云端的信息管理系统进行信息交互，无需在货运车厢内另外架设中继网关等设备进行数据转发，且每个物品状态检测标签具有功耗低成本低的特点。
在上一实施例的基础上，本发明的另一实施例还提供了一种状态信息管理平台，如图9所示，该平台包括设备接入、移动OneNET和云端三部分。
其中，设备接入部分，主要负责网络接入，例如NB-IoT基站和移动NB-IoT核心网，主要为物品上的状态检测标签提供网络接入。
其中，移动OneNET，主要负责状态检测标签和状态信息管理系统之间负责数据流的转发，例如，将状态检测标签采集的数据，或者检测的物品状态上传到状态信息管理系统，以及将状态信息管理系统下发的控制信息、报警信息等下发给车载终端、或者其他用户设备上。
其中，云端，主要用户部署状态信息管理系统，通过该系统可以将获取到的各个信息通过友好的交互界面显示出来，便于用户随时随地进行管理，并可以根据需求，对物品状态的风险报警信息的通知进行定制。
本发明的一实施例提供了一种物品状态的检测装置，应用于状态检测标签，所述状态检测标签设置于物品上。
如图10所示，该装置包括：
采集单元，设置为采集物品分别在XYZ三个轴向上的第一加速度数据；
计算单元，设置为根据所述XYZ三个轴向上各自的第一加速度数据计算所述物品的颠簸晃动值；
确定单元，设置为根据所述物品的颠簸晃动值确定所述物品的颠簸晃动状态。
在一示例中，在采集物品分别在XYZ三个轴向上的第一加速度数据之前，该方法还包括：
判断是否满足第一预设条件；
当满足所述第一预设条件时，再采集物品分别在XYZ三个轴向上的第一加速度数据；
其中，所述第一预设条件包括以下一个或者多个：
条件一：所述物品在X轴向的加速度数值大于对应的第一加速度阈值时，且X轴向的加速度变化数值大于对应的加速度变化阈值，且X轴向的加速度方向变化频率大于对应的加速度方向变化频率阈值；
条件二：所述物品在Y轴向的加速度数值大于对应的第二加速度阈值时，且Y轴向的加速度变化数值大于对应的加速度变化阈值，且Y轴向的加速度方向变化频率大于对应的速度方向变化频率阈值；
条件三：所述物品在Z轴向的加速度数值大于对应的第三加速度阈值时，且Z轴向的加速度变化数值大于对应的加速度变化阈值，且Z轴向的加速度方向变化频率大于对应的加速度方向变化频率阈值；
条件四：预先设定的物品状态定时检测任务达到启动时间。
在一示例中，所述计算单元，设置为所述根据所述XYZ三个轴向上各自的第一加速度数据计算所述物品的颠簸晃动值，包括：
根据所述XYZ三个轴向上各自的第一加速度数据计算所述物品的颠簸晃动值，包括：
根据所述XYZ三个轴向上各自的第一加速度数据计算合速率变化值Δvsum1的绝对值和平均拟合度RS；
对合速率变化值Δvsum1的绝对值和平均拟合度RS进行权重计算得到所述物品的颠簸晃动值。
在一示例中，所述根据所述XYZ三个轴向上各自的第一加速度数据计算合速率变化值Δvsum1的绝对值和平均拟合度RS，包括：
从所述XYZ三个轴向上各自的第一加速度数据中筛选出符合特定规则的采样点在XYZ三个轴向上各自的第一加速度数据；所述特定规则是指筛选出的每两个相邻的采样点各自的加速度方向为相反方向；
针对符合特定规则的采样点中每一对相邻的采样点在XYZ三个轴向上各自的第一加速度数据执行如下操作：
计算该两个相邻的采样点各自的合加速度
Figure BDA0002628980480000291
和
Figure BDA0002628980480000292
利用下面公式3计算该两个相邻的采样点间在加速度为0时的时间点tn1：
Figure BDA0002628980480000293
t0·n1表示该相邻两个采样点间的间隔时间，N表示筛选出的由每两个相邻采样点组成的采样点集合，n1表示该相邻两个采样点的标识，t0表示该相邻两个采样点之间的间隔时间；
将时间点tn1带入公式4计算出该两个相邻的采样点间的速率变化值Δv1的绝对值：
Figure BDA0002628980480000294
将符合特定规则的采样点中每一对相邻的采样点间的速率变化值的绝对值带入公式5计算得到合速率变化值Δvsum1的绝对值：
|Δvsum1|＝ξ1|Δv1|+ξ2|Δv2|+ξ3(|Δv3|+…+|Δvk|),k∈N* 5，Δv1是指第一对相邻的
采样点的速率变化值，Δv2是指第二对相邻的采样点的速率变化值，以此类推，Δvk是指第k对相邻的采样点的速率变化值，ξ1ξ2和ξ3分别是预设的三个权重系数；
将该两个相邻的采样点间的速率变化值Δv1的绝对值带入公式6计算得到该两个相邻的采样点间的拟合度R1：
Figure BDA0002628980480000295
VK1的绝对值表示预设的颠簸晃动速率值；
将符合特定规则的采样点中每一对相邻的采样点间的拟合度的绝对值带入公式7计算得到平均拟合度RS：
Figure BDA0002628980480000296
R1是指对第一对相邻的采样点的速率变化近似曲线进行拟合得到的拟合度，R2是指对第二对相邻的采样点的速率变化近似曲线进行拟合得到的拟合度，以此类推，RM是指对第M对相邻的采样点的速率变化近似曲线进行拟合得到的拟合度，M是指两两相邻采样点的数量。
在一示例中，所述确定单元，设置为当所述第一预设条件包括条件一时，根据所述物品的颠簸晃动值确定所述物品的颠簸晃动状态，包括：
将所述物品的颠簸晃动值与颠簸程度风险阈值进行比较；
当所述物品的颠簸晃动值大于所述颠簸程度风险阈值时，确定所述物品为颠簸报警状态；
当所述物品的颠簸程度小于或者等于所述颠簸程度风险阈值时，确定所述物品为颠簸正常状态。
在一示例中，所述确定单元，设置为当所述第一预设条件包括条件二或者条件三时，根据所述物品的颠簸晃动值确定所述物品的颠簸晃动状态，包括：
将所述物品的颠簸晃动值与晃动程度风险阈值进行比较；
当所述物品的颠簸晃动值大于所述晃动程度风险阈值时，确定所述物品为晃动报警状态；
当所述物品的颠簸晃动值小于或者等于所述晃动程度风险阈值时，确定所述物品为晃动正常状态。
在一示例中，所述确定单元，设置为当所述第一预设条件包括条件四时，根据所述物品的颠簸晃动值确定所述物品的颠簸晃动状态，包括：
将所述物品的颠簸晃动值与颠簸程度风险阈值进行比较；当所述物品的颠簸晃动值大于所述颠簸程度风险阈值时，确定所述物品为颠簸报警状态；当所述物品的颠簸程度小于或者等于所述颠簸程度风险阈值时，确定所述物品为颠簸正常状态；
和/或，将所述物品的颠簸晃动值与晃动程度风险阈值进行比较；当所述物品的颠簸晃动值大于所述晃动程度风险阈值时，确定所述物品为晃动报警状态；当所述物品的颠簸晃动值小于或者等于所述晃动程度风险阈值时，确定所述物品为晃动正常状态。
在一示例中，所述确定单元，设置为该方法还包括：
当所述物品在X轴向的加速度数值大于预设的第一加速度阈值时，且X轴向的加速度变化数值大于预设的加速度变化阈值，且X轴向的加速度方向变化频率小于或者等于预设的加速度方向变化频率时，判断上升下坠幅度是否大于预设的上升下坠幅度阈值；
当所述上升下坠幅度大于上升下坠幅度阈值时，判断所述上升下坠幅度是否大于预设的上升下坠风险阈值；
当所述上升下坠幅度小于或者等于上升下坠风险阈值时，确定所述物品为上升下坠风险状态；
当所述上升下坠幅度大于上升下坠风险阈值时，确定所述状态检测标签处于标签异常状态。
在一示例中，所述采集单元，还设置为当满足第二预设条件时，采集物品分别在XYZ三个轴向上的第二加速度数据；
所述确定单元，还设置为根据所述物品分别在XYZ三个轴向上的第二加速度数据确定所述状态检测标签是否脱落；
其中，所述第二预设条件包括以下之一：
所述状态检测标签处于标签异常状态；
预先设定的标签脱落定时检测任务达到启动时间。
在一示例中，所述确定单元，还设置为所述根据所述物品分别在XYZ三个轴向上的第二加速度数据确定所述状态检测标签是否脱落，包括：
根据所述第二加速度数据计算所述状态检测标签的合加速度；
计算所述合加速度与重力加速度的差值；
当所述差值小于预设的第四加速度阈值时，比较所述重力加速度的方向与X轴的相对关系；
当所述相对关系为所述重力加速度的方向与X轴重合，或者不重合但是偏离角度小于或者等于偏离阈值时，确定所述状态检测标签处于正常状态；
当所述相对关系为所述重力加速度的方向与X轴不重合且偏离角度大于偏离阈值时，确定所述状态检测标签处于脱落状态。
本发明实施例提供的技术方案，能够准确检测物品的颠簸晃动状态。
本发明的另一实施例还提供了一种状态检测标签。所述状态检测标签设置于物品上。
如图11所示，该状态检测标签包括：通信模组、加速度传感模块、MCU(微控制单元，Microcontroller Unit)、电源管理模块。
其中，MCU，用于根据加速度传感模块采集的加速度数据计算各种数值，进行状态检测。
在一示例中，还可以用于控制状态检测标签进入状态检测模式或者低功耗模式，在低功耗模式下，MCU可以进入休眠状态，传感器模块可以采取更低的采集参数，例如不同于状态检测模式下的采集间隔、采集频率、采集周期等。
在一示例中，可以预先配置不同的工作模式，以及在不同工作模式下的具体操作。MCU可以对应于上述图11中的控制单元。
具体过程详见上述各个实施例中的描述，在此不再赘述。
其中，加速度传感模块，用于采集物品的加速度数据。
在一示例中，在不同的工作模式下，加速度传感模块可以根据MCU给出的不同控制信息，进入状态检测模式或者低功耗模式。在不同的模式下，传感器模块可以采取不同的采集参数。加速度传感模块可以对应于图11中的采集单元。
具体过程详见上述各个实施例中数据采集的描述，在此不再赘述。
其中，通信模组，用于与状态信息管理系统进行通信和数据交互。
在一示例中，该通信模组可以为NB-IoT通信模组，利用上述图8所示的通信网络进行数据交互。
其中，电源管理模块，用于在不同的工作模式下的不同供电策略。
例如，低功耗模式下，通讯模组可以不用给MCU供电。如此，通过不同工作模式下对于功耗的需求进行精准分配，实现物品状态检测标签的长时间电池续航。
其状态检测标签的工作流程可以如图12所示，包括：
状态检测标签在上电时首先进行系统的初始化配置即检测标签初始化，包括对加速度传感模块采集参数的设置、各种阈值的设置、工作模式的设置等。然后等待标签注网成功，向服务器发送请求，当没有返回应答时，可以再次向服务器发送请求；当返回应答时，条件出发唤醒后，采集当前易碎物品加速度，并做计算分析，然后判断易碎品运输状态是否发生变化，没有发生变化时检测标签进入低功耗休眠模式，当发生变化时，将变化的状态信息发送到平台，根据情况做报警处理，然后再进入低功耗休眠模式。然后等待定时、外部唤醒，如果唤醒，则再次满足条件触发，进而采集当前易碎物品加速度，并做计算分析，以此类推，实现对物品状态的检测。
在一示例中，基于图11所示的状态检测标签的结构，其工作流程包括：易碎品状态检测标签在上电时首先进行系统的初始化配置，之后对NB-IoT模组、3轴加速度传感模块进行工作模式的设置，待NB-IoT模组成功注网并返回正确的应答后，易碎品状态检测标签开始进入易碎品状态检测流程，对当前易碎品的运输情况进行分析和判断，若最终判断出易碎品状态与上一次检测的状态不同，则认为该易碎品的状态发生了改变，出现了运输风险报警，则将易碎品的状态信息通过NB-IoT网络发送到易碎品运输状态信息管理系统，完成这些步骤后，易碎品状态检测标签开始进入低功耗模式；若最终判断的易碎品的状态信息与上一次检测一致，则认为车位状态信息未发生改变，在易碎品状态检测标签配置完相应的中断唤醒条件后，易碎品状态检测标签开始进入低功耗模式，当MCU(微控制单元，Microcontroller Unit)达成内部定时器中断条件或传感器由于检测到加速度的变化达到所设置的触发阈值条件并对MCU发出外部中断唤醒信号时，MCU被唤醒并配置各相应模块重新进入易碎品状态检测流程。
本发明的另一实施例还提供了一种物品状态的检测装置，应用于状态检测标签，所述状态检测标签设置于物品上。
如图13所示，该装置包括：
采集单元，设置为采集物品分别在XYZ三个轴向上的第一加速度数据；
发送单元，设置为将所述第一加速度数据发送给状态信息管理系统。
在一示例中，所述采集单元，还设置为当满足第二预设条件时，采集物品分别在XYZ三个轴向上的第二加速度数据；
所述发送单元，还设置为将所述第二加速度发送给状态信息管理系统。
本发明的另一实施例还提供了一种物品状态的检测装置，应用于状态信息管理系统，
如图14所示，该装置包括：
接收单元，设置为接收物品上设置的所述状态检测标签发送的第一加速度数据；
计算单元，设置为根据所述XYZ三个轴向上各自的第一加速度数据计算所述物品的颠簸晃动值；
确定单元，设置为根据所述物品的颠簸晃动值确定所述物品的颠簸晃动状态；
其中，其中，所述第一加速度数据是所述状态检测标签采集的物品分别在XYZ三个轴向上的加速度数据。
在一示例中，在采集物品分别在XYZ三个轴向上的第一加速度数据之前，该方法还包括：
判断是否满足第一预设条件；
当满足所述第一预设条件时，再采集物品分别在XYZ三个轴向上的第一加速度数据；
其中，所述第一预设条件包括以下一个或者多个：
条件一：所述物品在X轴向的加速度数值大于对应的第一加速度阈值时，且X轴向的加速度变化数值大于对应的加速度变化阈值，且X轴向的加速度方向变化频率大于对应的加速度方向变化频率阈值；所述加速度方向变化频率是指加速度的方向发生变化的频率；
条件二：所述物品在Y轴向的加速度数值大于对应的第二加速度阈值时，且Y轴向的加速度变化数值大于对应的加速度变化阈值，且Y轴向的加速度方向变化频率大于对应的速度方向变化频率阈值；
条件三：所述物品在Z轴向的加速度数值大于对应的第三加速度阈值时，且Z轴向的加速度变化数值大于对应的加速度变化阈值，且Z轴向的加速度方向变化频率大于对应的加速度方向变化频率阈值；
条件四：预先设定的物品状态定时检测任务达到启动时间。
在一示例中，所述计算单元，设置为根据所述XYZ三个轴向上各自的第一加速度数据计算所述物品的颠簸晃动值，包括：
根据所述XYZ三个轴向上各自的第一加速度数据计算合速率变化值Δvsum1的绝对值和平均拟合度RS；
对合速率变化值Δvsum1的绝对值和平均拟合度RS进行权重计算得到所述物品的颠簸晃动值。
在一示例中，所述根据所述XYZ三个轴向上各自的第一加速度数据计算合速率变化值Δvsum1的绝对值和平均拟合度RS，包括：
从所述XYZ三个轴向上各自的第一加速度数据中筛选出符合特定规则的采样点在XYZ三个轴向上各自的第一加速度数据；所述特定规则是指筛选出的每两个相邻的采样点各自的加速度方向为相反方向；
针对符合特定规则的采样点中每一对相邻的采样点在XYZ三个轴向上各自的第一加速度数据执行如下操作：
计算该两个相邻的采样点各自的合加速度
Figure BDA0002628980480000341
和
Figure BDA0002628980480000342
利用下面公式3计算该两个相邻的采样点间在加速度为0时的时间点tn1：
Figure BDA0002628980480000343
t0·n1表示该相邻两个采样点间的间隔时间，N*表示筛选出的由每两个相邻采样点组成的采样点集合，n1表示该相邻两个采样点的标识，t0表示该相邻两个采样点之间的间隔时间；
将时间点tn1带入公式4计算出该两个相邻的采样点间的速率变化值Δv1的绝对值：
Figure BDA0002628980480000344
将符合特定规则的采样点中每一对相邻的采样点间的速率变化值的绝对值带入公式5计算得到合速率变化值Δvsum1的绝对值：
|Δvsum1|＝ξ1|Δv1|+ξ2|Δv2|+ξ3(|Δv3|+…+|Δvk|),k∈N* 5，Δv1是指第一对相邻的
采样点的速率变化值，Δv2是指第二对相邻的采样点的速率变化值，以此类推，Δvk是指第k对相邻的采样点的速率变化值，ξ1ξ2和ξ3分别是预设的三个权重系数；
将该两个相邻的采样点间的速率变化值Δv1的绝对值带入公式6计算得到该两个相邻的采样点间的拟合度R1：
Figure BDA0002628980480000351
VK1的绝对值表示预设的颠簸晃动速率值；
将符合特定规则的采样点中每一对相邻的采样点间的拟合度的绝对值带入公式7计算得到平均拟合度RS：
Figure BDA0002628980480000352
R1是指对第一对相邻的采样点的速率变化近似曲线进行拟合得到的拟合度，R2是指对第二对相邻的采样点的速率变化近似曲线进行拟合得到的拟合度，以此类推，RM是指对第M对相邻的采样点的速率变化近似曲线进行拟合得到的拟合度，M是指两两相邻采样点的数量。
在一示例中，所述确定单元，设置为当所述第一预设条件包括条件一时，将所述物品的颠簸晃动值与颠簸程度风险阈值进行比较；
当所述物品的颠簸晃动值大于所述颠簸程度风险阈值时，确定所述物品为颠簸报警状态；
当所述物品的颠簸程度小于或者等于所述颠簸程度风险阈值时，确定所述物品为颠簸正常状态。
在一示例中，所述确定单元，设置为当所述第一预设条件包括条件二或者条件三时，将所述物品的颠簸晃动值与晃动程度风险阈值进行比较；
当所述物品的颠簸晃动值大于所述晃动程度风险阈值时，确定所述物品为晃动报警状态；
当所述物品的颠簸晃动值小于或者等于所述晃动程度风险阈值时，确定所述物品为晃动正常状态。
在一示例中，所述确定单元，设置为当所述第一预设条件包括条件四时，将所述物品的颠簸晃动值与颠簸程度风险阈值进行比较；当所述物品的颠簸晃动值大于所述颠簸程度风险阈值时，确定所述物品为颠簸报警状态；当所述物品的颠簸程度小于或者等于所述颠簸程度风险阈值时，确定所述物品为颠簸正常状态；
和/或，将所述物品的颠簸晃动值与晃动程度风险阈值进行比较；当所述物品的颠簸晃动值大于所述晃动程度风险阈值时，确定所述物品为晃动报警状态；当所述物品的颠簸晃动值小于或者等于所述晃动程度风险阈值时，确定所述物品为晃动正常状态。
在一示例中，所述确定单元，还设置为
当所述物品在X轴向的加速度数值大于预设的第一加速度阈值时，且X轴向的加速度变化数值大于预设的加速度变化阈值，且X轴向的加速度方向变化频率小于或者等于预设的加速度方向变化频率时，判断上升下坠幅度是否大于预设的上升下坠幅度阈值；
当所述上升下坠幅度大于上升下坠幅度阈值时，判断所述上升下坠幅度是否大于预设的上升下坠风险阈值；
当所述上升下坠幅度小于或者等于上升下坠风险阈值时，确定所述物品为上升下坠风险状态；
当所述上升下坠幅度大于上升下坠风险阈值时，确定所述状态检测标签处于标签异常状态。
在一示例中，所述接收单元，还设置为接收接收物品上设置的所述状态检测标签发送的第二加速度数据；
所述确定单元，还设置为根据所述物品分别在XYZ三个轴向上的第二加速度数据确定所述状态检测标签是否脱落；
其中，第二加速度数据是当满足第二预设条件时，由状态检测标签采集的物品分别在XYZ三个轴向上的加速度数据。
在一示例中，所述第二预设条件包括以下之一：
所述状态检测标签处于标签异常状态；
预先设定的标签脱落定时检测任务达到启动时间。
在一示例中，所述确定单元，还设置为
根据所述第二加速度数据计算所述状态检测标签的合加速度；
计算所述合加速度与重力加速度的差值；
当所述差值小于预设的第四加速度阈值时，比较所述重力加速度的方向与X轴的相对关系；
当所述相对关系为所述重力加速度的方向与X轴重合，或者不重合但是偏离角度小于或者等于偏离阈值时，确定所述状态检测标签处于正常状态；
当所述相对关系为所述重力加速度的方向与X轴不重合且偏离角度大于偏离阈值时，确定所述状态检测标签处于脱落状态。
这两个实施例与上面实施例的区别在于，状态检测标签只负责进行数据采集，而将具体的计算部分放到状态信息管理系统，从而能够进一步降低状态检测标签的功耗。
值得一提的是，本发明实施例中所涉及到的各模块均为逻辑模块，在实际应用中，一个逻辑单元可以是一个物理单元，也可以是一个物理单元的一部分，还可以以多个物理单元的组合实现。此外，为了突出本发明的创新部分，本实施方式中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入，但这并不表明本实施方式中不存在其它的单元。
本发明实施例还提供了一种物品状态的检测装置，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述任一所述物品状态的检测方法。
其中，存储器和处理器采用总线方式连接，总线可以包括任意数量的互联的总线和桥，总线将一个或多个处理器和存储器的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件，也可以是多个元件，比如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。经处理器处理的数据通过天线在无线介质上进行传输，进一步，天线还接收数据并将数据传送给处理器。
处理器负责管理总线和通常的处理，还可以提供各种功能，包括定时，外围接口，电压调节、电源管理以及其他控制功能。而存储器可以被用于存储处理器在执行操作时所使用的数据。
本发明实施例还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述物品状态的检测方法。
即，本领域技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。

Claims (10)

1.一种物品状态的检测方法，其特征在于，应用于状态检测标签，所述状态检测标签设置在物品上，该方法包括：
采集物品分别在XYZ三个轴向上的第一加速度数据；
根据所述XYZ三个轴向上各自的第一加速度数据计算所述物品的颠簸晃动值；
根据所述物品的颠簸晃动值确定所述物品的颠簸晃动状态；
其中，所述根据所述XYZ三个轴向上各自的第一加速度数据计算所述物品的颠簸晃动值，包括：
根据所述XYZ三个轴向上各自的第一加速度数据计算合速率变化值Δvsum1的绝对值和平均拟合度RS；
对合速率变化值Δvsum1的绝对值和平均拟合度RS进行权重计算得到所述物品的颠簸晃动值；
所述根据所述XYZ三个轴向上各自的第一加速度数据计算合速率变化值Δvsum1的绝对值和平均拟合度RS，包括：
从所述XYZ三个轴向上各自的第一加速度数据中筛选出符合特定规则的采样点在XYZ三个轴向上各自的第一加速度数据；所述特定规则是指筛选出的每两个相邻的采样点各自的加速度方向为相反方向；
针对符合特定规则的采样点中每一对相邻的采样点在XYZ三个轴向上各自的第一加速度数据执行如下操作：
计算该两个相邻的采样点各自的合加速度
Figure FDA0003488222700000011
和
Figure FDA0003488222700000012
利用公式：
Figure FDA0003488222700000013
计算该两个相邻的采样点间在加速度为0时的时间点tn1；其中，t0·n1表示该相邻两个采样点间的间隔时间，N*表示筛选出的由每两个相邻采样点组成的采样点集合，n1表示该相邻两个采样点的标识，t0表示该相邻两个采样点之间的间隔时间；
将时间点tn1带入公式：
Figure FDA0003488222700000014
计算出该两个相邻的采样点间的速率变化值Δv1的绝对值；
将符合特定规则的采样点中每一对相邻的采样点间的速率变化值的绝对值带入公式：|Δvsum1|＝ξ1|Δv1|+ξ2|Δv2|+ξ3(|Δv3|+…+|Δvk|),k∈N*，计算得到合速率变化值Δvsum1的绝对值；其中，Δv1是指第一对相邻的采样点的速率变化值，Δv2是指第二对相邻的采样点的速率变化值，以此类推，Δvk是指第k对相邻的采样点的速率变化值，ξ1ξ2和ξ3分别是预设的三个权重系数；
将该两个相邻的采样点间的速率变化值Δv1的绝对值带入公式：
Figure FDA0003488222700000021
计算得到该两个相邻的采样点间的拟合度R1；其中，VK1的绝对值表示预设的颠簸晃动速率值；
将符合特定规则的采样点中每一对相邻的采样点间的拟合度的绝对值带入公式：
Figure FDA0003488222700000022
M∈N*，计算得到平均拟合度RS；其中，R1是指对第一对相邻的采样点的速率变化近似曲线进行拟合得到的拟合度，R2是指对第二对相邻的采样点的速率变化近似曲线进行拟合得到的拟合度，以此类推，RM是指对第M对相邻的采样点的速率变化近似曲线进行拟合得到的拟合度，M是指两两相邻采样点的数量。
2.根据权利要求1所述的检测方法，其特征在于，在所述采集物品分别在XYZ三个轴向上的第一加速度数据之前，该方法还包括：
判断是否满足第一预设条件；
当满足所述第一预设条件时，再采集物品分别在XYZ三个轴向上的第一加速度数据；
其中，所述第一预设条件包括以下一个或者多个：
条件一：所述物品在X轴向的加速度数值大于对应的第一加速度阈值时，且X轴向的加速度变化数值大于对应的加速度变化阈值，且X轴向的加速度方向变化频率大于对应的加速度方向变化频率阈值；所述加速度方向变化频率是指加速度的方向发生变化的频率；
条件二：所述物品在Y轴向的加速度数值大于对应的第二加速度阈值时，且Y轴向的加速度变化数值大于对应的加速度变化阈值，且Y轴向的加速度方向变化频率大于对应的速度方向变化频率阈值；
条件三：所述物品在Z轴向的加速度数值大于对应的第三加速度阈值时，且Z轴向的加速度变化数值大于对应的加速度变化阈值，且Z轴向的加速度方向变化频率大于对应的加速度方向变化频率阈值；
条件四：预先设定的物品状态定时检测任务达到启动时间。
3.根据权利要求2所述的检测方法，其特征在于，当所述第一预设条件包括条件一时，根据所述物品的颠簸晃动值确定所述物品的颠簸晃动状态，包括：
将所述物品的颠簸晃动值与颠簸程度风险阈值进行比较；
当所述物品的颠簸晃动值大于所述颠簸程度风险阈值时，确定所述物品为颠簸报警状态；
当所述物品的颠簸程度小于或者等于所述颠簸程度风险阈值时，确定所述物品为颠簸正常状态。
4.根据权利要求2所述的检测方法，其特征在于，当所述第一预设条件包括条件二或者条件三时，根据所述物品的颠簸晃动值确定所述物品的颠簸晃动状态，包括：
将所述物品的颠簸晃动值与晃动程度风险阈值进行比较；
当所述物品的颠簸晃动值大于所述晃动程度风险阈值时，确定所述物品为晃动报警状态；
当所述物品的颠簸晃动值小于或者等于所述晃动程度风险阈值时，确定所述物品为晃动正常状态。
5.根据权利要求2所述的检测方法，其特征在于，当所述第一预设条件包括条件四时，根据所述物品的颠簸晃动值确定所述物品的颠簸晃动状态，包括：
将所述物品的颠簸晃动值与颠簸程度风险阈值进行比较；当所述物品的颠簸晃动值大于所述颠簸程度风险阈值时，确定所述物品为颠簸报警状态；当所述物品的颠簸程度小于或者等于所述颠簸程度风险阈值时，确定所述物品为颠簸正常状态；
和/或，将所述物品的颠簸晃动值与晃动程度风险阈值进行比较；当所述物品的颠簸晃动值大于所述晃动程度风险阈值时，确定所述物品为晃动报警状态；当所述物品的颠簸晃动值小于或者等于所述晃动程度风险阈值时，确定所述物品为晃动正常状态。
6.根据权利要求3所述的检测方法，其特征在于，该方法还包括：
当所述物品在X轴向的加速度数值大于对应的第一加速度阈值时，且X轴向的加速度变化数值大于对应的加速度变化阈值，且X轴向的加速度方向变化频率小于或者等于对应的加速度方向变化频率时，判断上升下坠幅度是否大于预设的上升下坠幅度阈值；
当所述上升下坠幅度大于上升下坠幅度阈值时，判断所述上升下坠幅度是否大于预设的上升下坠风险阈值；
当所述上升下坠幅度小于或者等于上升下坠风险阈值时，确定所述物品为上升下坠风险状态；
当所述上升下坠幅度大于上升下坠风险阈值时，确定所述状态检测标签处于标签异常状态。
7.根据权利要求6所述的方法，其特征在于，该方法还包括：
当满足第二预设条件时，采集物品分别在XYZ三个轴向上的第二加速度数据；
根据所述物品分别在XYZ三个轴向上的第二加速度数据确定所述状态检测标签是否脱落；
其中，所述第二预设条件包括以下之一：
所述状态检测标签处于标签异常状态；
预先设定的标签脱落定时检测任务达到启动时间。
8.根据权利要求7所述的方法，其特征在于，所述根据所述物品分别在XYZ三个轴向上的第二加速度数据确定所述状态检测标签是否脱落，包括：
根据所述第二加速度数据计算所述状态检测标签的合加速度；
计算所述合加速度与重力加速度的差值；
当所述差值小于预设的第四加速度阈值时，比较所述重力加速度的方向与X轴的相对关系；
当所述相对关系为所述重力加速度的方向与X轴重合，或者不重合但是偏离角度小于或者等于偏离阈值时，确定所述状态检测标签处于正常状态；
当所述相对关系为所述重力加速度的方向与X轴不重合且偏离角度大于偏离阈值时，确定所述状态检测标签处于脱落状态。
9.一种状态检测标签，其特征在于，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至8中任一所述物品状态的检测方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述物品状态的检测方法。
CN202010805519.2A 2020-08-12 2020-08-12 物品状态的检测方法及装置 Active CN111964668B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010805519.2A CN111964668B (zh) 2020-08-12 2020-08-12 物品状态的检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010805519.2A CN111964668B (zh) 2020-08-12 2020-08-12 物品状态的检测方法及装置

Publications (2)

Publication Number Publication Date
CN111964668A CN111964668A (zh) 2020-11-20
CN111964668B true CN111964668B (zh) 2022-05-10

Family

ID=73365637

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010805519.2A Active CN111964668B (zh) 2020-08-12 2020-08-12 物品状态的检测方法及装置

Country Status (1)

Country Link
CN (1) CN111964668B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113008242B (zh) * 2021-03-19 2024-06-07 深圳市慧鲤科技有限公司 一种用户行为数据处理方法、装置、设备及存储介质
CN116028556B (zh) * 2023-03-28 2023-06-09 山东无界智能科技有限公司 一种ar终端系统传输数据智能处理方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8606512B1 (en) * 2007-05-10 2013-12-10 Allstate Insurance Company Route risk mitigation
CN101949953B (zh) * 2010-07-30 2012-02-01 中国科学院软件研究所 基于三维加速度无线传感器网络的货物状态监测方法
CN202748831U (zh) * 2012-07-16 2013-02-20 泸州品创科技有限公司 一种物流颠簸监测取证系统
CN102799977B (zh) * 2012-07-16 2015-12-16 泸州品创科技有限公司 一种物流颠簸监测取证系统及其工作方法
WO2018013047A1 (en) * 2016-07-15 2018-01-18 Mobile Sensory Technologies Sweden Ab Method and device for monitoring statuses and positions of goods
US9965939B2 (en) * 2016-09-01 2018-05-08 Locus Solutions, Llc Systems and methods for monitoring vibrations during transportation of goods
CN207008661U (zh) * 2017-07-25 2018-02-13 江苏淼升轨道科技有限公司 一种wsn与rfid结合的货物在途姿态监测系统
CN109407570A (zh) * 2017-08-17 2019-03-01 上海小吉互联网科技有限公司 一种记录物品加速度的方法以及装置
CN108256797B (zh) * 2017-12-22 2021-06-01 座头鲸（上海）信息技术有限公司 一种货物运输状态检测方法
CN108614128B (zh) * 2018-06-04 2022-11-25 江苏科技大学 一种快递包裹碰撞检测系统及方法
CN109035789A (zh) * 2018-07-20 2018-12-18 深圳勤基科技有限公司 物品状态的监测系统及其方法
CN108805472A (zh) * 2018-09-18 2018-11-13 中国特种设备检测研究院 一种罐式集装箱的公路运输预警方法及系统
CN209343394U (zh) * 2019-01-03 2019-09-03 龚宇扬 一种货物运输状态监控装置
CN110954972B (zh) * 2019-11-11 2022-04-15 安徽华米信息科技有限公司 可穿戴设备及其脱落检测方法、装置、存储介质
CN111340418B (zh) * 2020-02-18 2024-02-20 西交利物浦大学 危险品物流监测方法、装置和系统

Also Published As

Publication number Publication date
CN111964668A (zh) 2020-11-20

Similar Documents

Publication Publication Date Title
US11977003B2 (en) System, method and apparatus for monitoring the health of railcar wheelsets
EP3303095B1 (en) System and method for building and managing a train consist
CN111964668B (zh) 物品状态的检测方法及装置
CN105182884B (zh) 一种新能源汽车充换电设施远程监控系统与方法
RU2640389C1 (ru) Система управления поездом и железнодорожным депо
CN105160934B (zh) 一种适用于大型停车场的智能停车系统
CN206542452U (zh) 一种用于物流信息服务的物联网系统
US10789789B1 (en) Enhanced cargo and vehicle monitoring
CN205879196U (zh) 一种铁路运输装备监测系统
CN106023631A (zh) 基于iBeacon技术的仓储物流车辆监控系统
CN112581056A (zh) 铁路货车运行状态监测系统
CN108162888A (zh) 车载终端
CN111213400A (zh) 用于传感器的负载平衡的方法和系统
CN108010158A (zh) 一种基于移动互联网的车辆智能监管系统
Choudhary et al. Smart phone based approach to monitor driving behavior and sharing of statistic
CN207743992U (zh) 一种交通安全设施状态检测装置
CN108417041A (zh) 一种基于四旋翼和云服务器的乡村道路监控系统及方法
Sun A Logistics Monitoring Technology Based on Wireless Sensors.
Phala et al. Detection and clustering of neutral section faults using machine learning techniques for SMART railways
CN209102095U (zh) 基于移动4g技术的汽车安全监测装置
CN107632261B (zh) 用于确定电能存储元件的至少一个状态参量的方法和装置
CN205987175U (zh) 一种可实行远程监控的车载视频装置
Ranjan et al. Design of controller area network based automated safety system for vehicle
CN206892627U (zh) 一种基于无线通讯的设备诊断装置及电路板
US20230097111A1 (en) Device for Low-power Acceleration Detection in a Telematics Device

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant