CN112270394B - 一种提高rfid电子标签使用性的方法和装置 - Google Patents
一种提高rfid电子标签使用性的方法和装置 Download PDFInfo
- Publication number
- CN112270394B CN112270394B CN202011334446.XA CN202011334446A CN112270394B CN 112270394 B CN112270394 B CN 112270394B CN 202011334446 A CN202011334446 A CN 202011334446A CN 112270394 B CN112270394 B CN 112270394B
- Authority
- CN
- China
- Prior art keywords
- information
- obtaining
- release film
- tpu
- unit
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 239000000758 substrate Substances 0.000 claims abstract description 110
- 238000004519 manufacturing process Methods 0.000 claims abstract description 61
- 239000000853 adhesive Substances 0.000 claims abstract description 54
- 230000001070 adhesive effect Effects 0.000 claims abstract description 54
- 230000000704 physical effect Effects 0.000 claims abstract description 53
- 238000012549 training Methods 0.000 claims abstract description 52
- 238000002360 preparation method Methods 0.000 claims abstract description 43
- 239000000463 material Substances 0.000 claims abstract description 37
- 238000003062 neural network model Methods 0.000 claims abstract description 35
- 238000010438 heat treatment Methods 0.000 claims description 25
- 229910052782 aluminium Inorganic materials 0.000 claims description 16
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims description 16
- 238000002844 melting Methods 0.000 claims description 16
- 230000008018 melting Effects 0.000 claims description 16
- 239000011888 foil Substances 0.000 claims description 15
- 238000010792 warming Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 9
- 238000013329 compounding Methods 0.000 claims description 7
- 150000001875 compounds Chemical group 0.000 claims description 3
- 230000036314 physical performance Effects 0.000 claims description 3
- 239000002994 raw material Substances 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 238000005299 abrasion Methods 0.000 claims 2
- 229920002799 BoPET Polymers 0.000 abstract description 3
- 239000004433 Thermoplastic polyurethane Substances 0.000 description 113
- 229920002803 thermoplastic polyurethane Polymers 0.000 description 113
- 230000000694 effects Effects 0.000 description 17
- 238000012795 verification Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000013528 artificial neural network Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 7
- 230000004048 modification Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000003860 storage Methods 0.000 description 5
- 230000037303 wrinkles Effects 0.000 description 5
- 229920000139 polyethylene terephthalate Polymers 0.000 description 4
- 239000005020 polyethylene terephthalate Substances 0.000 description 4
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 description 2
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 229920001971 elastomer Polymers 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- -1 polyethylene terephthalate Polymers 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 239000000806 elastomer Substances 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
- G06K19/02—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the selection of materials, e.g. to avoid wear during transport through the machine
- G06K19/022—Processes or apparatus therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种提高RFID电子标签使用性的方法和装置，其中，所述方法包括：获得不同TPU基材的物理性能信息；根据所述不同TPU基材的物理性能信息构建训练集；获得第一RFID电子标签的预定生产工艺要求信息；将所述训练集中的TPU基材的物理性能信息和所述预定生产工艺要求信息输入第一神经网络模型，获得第一TPU基材信息；获得第一粘合剂信息；根据所述预定生产工艺要求信息，获得第一离型膜信息；根据所述第一离型膜信息、所述第一粘合剂信息和所述第一TPU基材信息，获得第一制备指令信息；根据所述第一制备指令信息，制备所述第一RFID电子标签。解决了传统的利用PET薄膜天线作为主基材生产的RFID电子标签性能较差的技术问题。
Description
技术领域
本发明涉及RFID电子标签技术领域，尤其涉及一种提高RFID电子标签使用性的方法和装置。
背景技术
无线射频识别技术，是物联网的核心技术之一，是一种应用在信息采集系统的非接触式自动识别技术，它通过无线射频方式自动识别目标对象，获取相关数据信息，实现对RFID电子标签的信息获取RFID技术具有准确、适应环境、抗干扰、操作快捷等优点。
但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
目前RFID行业使用的电子标签通常使用PET薄膜天线作为主基材，生产出的电子标签通常存在材质较硬、防潮性能较差、易吸水、易损坏等缺陷。
发明内容
本申请实施例通过提供一种提高RFID电子标签使用性的方法和装置，解决了传统的利用PET薄膜天线作为主基材生产的RFID电子标签性能较差的技术问题，达到了通过基于TPU材料生产RFID电子标签，使得生产出的电子标签防水防潮效果更好、材质更软，提升了RFID标签防盗性能的技术效果。
本申请实施例提供了一种提高RFID电子标签使用性的方法，其中，所述方法还包括：获得不同TPU基材的物理性能信息；根据所述不同TPU基材的物理性能信息构建训练集；获得第一RFID电子标签的预定生产工艺要求信息；将所述训练集中的TPU基材的物理性能信息和所述预定生产工艺要求信息输入第一神经网络模型，获得第一TPU基材信息；获得第一粘合剂信息；根据所述预定生产工艺要求信息，获得第一离型膜信息；根据所述第一离型膜信息、所述第一粘合剂信息和所述第一TPU基材信息，获得第一制备指令信息；根据所述第一制备指令信息，制备所述第一RFID电子标签。
另一方面，本申请还提供了一种提高RFID电子标签使用性的装置，其中，所述装置包括：第一获得单元：所述第一获得单元用于获得不同TPU基材的物理性能信息；第一构建单元：所述第一构建单元用于根据所述不同TPU基材的物理性能信息构建训练集；第二获得单元：所述第二获得单元用于获得第一RFID电子标签的预定生产工艺要求信息；第一输入单元：所述第一输入单元用于将所述训练集中的TPU基材的物理性能信息和所述预定生产工艺要求信息输入第一神经网络模型，获得第一TPU基材信息；第三获得单元：所述第三获得单元用于获得第一粘合剂信息；第四获得单元：所述第四获得单元用于根据所述预定生产工艺要求信息，获得第一离型膜信息；第五获得单元：所述第五获得单元用于根据所述第一离型膜信息、所述第一粘合剂信息和所述第一TPU基材信息，获得第一制备指令信息；第一制备单元：所述第一制备单元用于根据所述第一制备指令信息，制备所述第一RFID电子标签。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
通过选取符合制备工艺要求的TPU基材、粘合剂以及离型膜，对电子标签进行制备，并对TPU基材和离型膜基于训练集进行不断筛选，使得最终用来制备电子标签的TPU基材和离型膜的物理性能更符合制备需要，进而达到了使得制备出的电子标签性能更优的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种提高RFID电子标签使用性的方法的流程示意图；
图2为本申请实施例一种提高RFID电子标签使用性的装置的结构示意图；
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明：第一获得单元11，第一构建单元12，第二获得单元13，第一输入单元14，第三获得单元15，第四获得单元16，第五获得单元17，第一制备单元18，总线300，接收器301，处理器302，发送器303，存储器304，总线接口305。
具体实施方式
本申请实施例通过提供一种提高RFID电子标签使用性的方法和装置，解决了传统的利用PET薄膜天线作为主基材生产的RFID电子标签性能较差的技术问题，达到了通过基于TPU材料生产RFID电子标签，使得生产出的电子标签防水防潮效果更好、材质更软，提升了RFID标签防盗性能的技术效果。
下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
申请概述
无线射频识别技术，是物联网的核心技术之一，是一种应用在信息采集系统的非接触式自动识别技术，它通过无线射频方式自动识别目标对象，获取相关数据信息，实现对RFID电子标签的信息获取RFID技术具有准确、适应环境、抗干扰、操作快捷等优点。目前RFID行业使用的电子标签通常使用PET薄膜天线作为主基材，生产出的电子标签通常存在材质较硬、防潮性能较差、易吸水、易损坏等缺陷。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请实施例提供了一种提高RFID电子标签使用性的方法，其中，所述方法还包括：获得不同TPU基材的物理性能信息；根据所述不同TPU基材的物理性能信息构建训练集；获得第一RFID电子标签的预定生产工艺要求信息；将所述训练集中的TPU基材的物理性能信息和所述预定生产工艺要求信息输入第一神经网络模型，获得第一TPU基材信息；获得第一粘合剂信息；根据所述预定生产工艺要求信息，获得第一离型膜信息；根据所述第一离型膜信息、所述第一粘合剂信息和所述第一TPU基材信息，获得第一制备指令信息；根据所述第一制备指令信息，制备所述第一RFID电子标签。
为了更好地理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例一
如图1所示，本申请实施例提供了一种提高RFID电子标签使用性的方法，其中，所述方法还包括：
步骤S100：获得不同TPU基材的物理性能信息；
具体而言，所述TPU的名称为热塑性聚氨酯弹性体橡胶，具有卓越的高张力、高拉力、强韧和耐老化的特性，是一种成熟的环保材料，所述TPU基材的物理性能信息包括耐磨性、硬度等信息
步骤S200：根据所述不同TPU基材的物理性能信息构建训练集；
具体而言，所述训练集为一个训练集合，通过获得不同TPU基材的物理性能信息，并构建训练集进行不断训练，使得获得的TPU基材的物理性能信息最佳，基于最佳的物理性能进行电子标签的制作。
步骤S300：获得第一RFID电子标签的预定生产工艺要求信息；
具体而言，所述预定生产工艺要求信息为生产电子标签预定的工艺要求，包括TPU天线生产和TPU标签等工艺流程，其中，TPU天线生产包括复合、印刷、蚀刻等工艺，TPU标签包括绑定、贴合、熔融等工艺。
步骤S400：将所述训练集中的TPU基材的物理性能信息和所述预定生产工艺要求信息输入第一神经网络模型，获得第一TPU基材信息；
具体而言，已知获得所述不同TPU基材的物理性能信息和所述第一RFID电子标签的预定生产工艺要求信息，可将其输入第一神经网络模型进行不断训练，所述第一神经网络模型是一个机器学习的神经网络模型，通过神经网络模型的不断训练，使得训练结果即第一TPU基材信息更加准确，更加符合生产工艺要求。
步骤S500：获得第一粘合剂信息；
具体而言，粘合剂是最重要的辅助材料之一，在包装作业中应用极为广泛，粘合剂是具有粘性的物质，借助其粘性能将两种分离的材料连接在一起，所述第一粘合剂信息为生产电子标签所需要的粘合剂信息，主要包括粘性等信息。
步骤S600：根据所述预定生产工艺要求信息，获得第一离型膜信息；
具体而言，离型膜是指薄膜表面能有区分的薄膜，离型膜与特定的材料在有限的条件下接触后不具有粘性，或轻微的粘性，所述第一离型膜信息为生产电子标签所需要的离型膜信息，包括使用温度、厚度、宽度、长度、加工原料等信息。
步骤S700：根据所述第一离型膜信息、所述第一粘合剂信息和所述第一TPU基材信息，获得第一制备指令信息；
步骤S800：根据所述第一制备指令信息，制备所述第一RFID电子标签。
具体而言，已知获得所述第一离型膜信息、所述第一粘合剂信息和所述第一TPU基材信息，可根据所述预定生产工艺要求信息进行电子标签的制备，所述第一制备指令信息即为制备RFID电子标签，进而根据制备工艺开始制备电子标签，基于制备工艺要求的材料信息，达到了使得制备的电子标签的性能更优的技术效果。
所述获得第一粘合剂信息，步骤S500还包括：
步骤S510：获得第一铝箔的性能参数信息；
步骤S520：获得第一TPU基材的性能参数信息；
步骤S530：根据所述第一铝箔的性能参数信息和所述第一TPU基材的性能参数信息，获得预定粘合度阈值；
步骤S540：判断所述第一粘合剂信息是否在所述预定粘合度阈值之内；
步骤S550：如果所述第一粘合剂信息在所述预定粘合度阈值之内，获得第一粘合剂信息。
具体而言，要获得第一粘合剂信息，可获得第一铝箔的性能参数信息，铝箔，一种用金属铝直接压延成薄片的烫印材料，其烫印效果与纯银箔烫印的效果相似，故又称假银箔，还可获得第一TPU基材的性能参数信息，可根据所述第一铝箔的性能参数信息和所述第一TPU基材的性能参数信息，获得预定粘合度阈值，所述预定粘合度阈值为预设的铝箔和TPU基材之间的粘合度范围值，在此可要求铝箔和TPU基材之间剥离强度不小于6N，进而判断所述第一粘合剂信息是否在所述预定粘合度阈值之内，即判断所述第一粘合剂信息的粘性大小是否大于6N，如果所述第一粘合剂信息在所述预定粘合度阈值之内，即所述第一粘合剂的粘度值符合工艺要求，获得第一粘合剂信息，所述第一粘合剂信息即为制备工艺要求的粘合剂，达到了获得符合制备工艺要求的粘合剂的粘度信息的技术效果。
所述将所述训练集中的TPU基材的物理性能信息和所述预定生产工艺要求信息输入第一神经网络模型，获得第一TPU基材信息，步骤S400还包括：
步骤S410：将所述训练集中的TPU基材的物理性能信息和所述预定生产工艺要求信息输入神经网络模型，其中，所述神经网络模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述TPU基材的物理性能信息、所述预定生产工艺要求信息和用来标识第一TPU基材的标识信息；
步骤S420：获得所述神经网络模型的第一输出信息，其中，所述第一输出信息包括所述第一TPU基材信息。
具体而言，通过将所述训练集中的TPU基材的物理性能信息和所述预定生产工艺要求信息输入神经网络模型不断地进行训练，可以使得输出的训练结果更加精确。所述训练模型是一个神经网络模型即机器学习中的神经网络模型，神经网络(Neural Networks，NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(Artificial NeuralNetworks)，是对人类大脑系统的一阶特性的一种描述。简单地讲，它是一个数学模型。在本申请实施例中，将所述训练集中的TPU基材的物理性能信息和所述预定生产工艺要求信息输入神经网络模型，用标识的第一TPU基材信息对所述神经网络模型进行训练。
进一步来说，所述训练神经网络模型的过程实质为监督学习的过程。所述多组训练数据具体为：所述TPU基材的物理性能信息、所述预定生产工艺要求信息和用来标识第一TPU基材的标识信息。通过输入TPU基材的物理性能信息和所述预定生产工艺要求信息，神经网络模型会输出所述第一TPU基材信息，通过将所述输出信息与所述起标识作用的第一TPU基材信息进行校验，如果所述输出信息与所述起标识作用的第一TPU基材信息要求相一致，则本数据监督学习完成，则进行下一组数据监督学习；如果所述输出信息与所述起标识作用的第一TPU基材信息要求不一致，则神经网络学习模型自身进行调整，直到神经网络学习模型输出结果与所述起标识作用的第一TPU基材信息要求相一致，进行下一组数据的监督学习。通过训练数据使神经网络学习模型自身不断地修正、优化，通过监督学习的过程来提高神经网络学习模型处理所述信息的准确性，进而达到使得第一TPU基材信息更加精确的技术效果。
所述根据所述预定生产工艺要求信息，获得第一离型膜信息，步骤S600还包括：
步骤S610：构建离型膜数据库，所述离型膜数据库中包括不同离型膜及其物理性能信息；
步骤S620：从所述离型膜数据库中筛选符合所述预定生产工艺要求信息的离型膜信息，获得第一离型膜信息。
具体而言，为了获得符合制备工艺要求的离型膜信息，还可构建离型膜数据库，所述离型膜数据库包含多种离型膜信息及其对应的物理性能信息，进而根据所述离型膜数据库，从所述离型膜数据库中筛选出符合所述预定生产工艺要求信息的离型膜信息，获得第一离型膜信息，所述第一离型膜信息为符合电子标签的制备要求的离型膜信息，通过从数据库中对离型膜进行不断筛选，达到了获得符合制备工艺要求的离型膜信息的技术效果。
进一步，本申请实施例还包括：
步骤S630：对所述第一离型膜信息添加第一标签信息；
步骤S640：将添加所述第一标签信息的所述第一离型膜信息返回所述离型膜数据库，对所述离型膜数据库进行更新。
具体而言，已知获得符合制备工艺要求的离型膜信息之后，因在电子标签制备过程中，从天线生产至标签生产过程都需要选取物理性能符合生产工艺要求的离型膜作为中间载体，可对所述第一离型膜信息添加第一标签信息，所述第一标签信息为生产电子标签需要用到的离型膜信息，进而将添加所述第一标签信息的所述第一离型膜信息返回所述离型膜数据库，对所述离型膜数据库进行更新，达到了采用符合性能要求的离型膜进行电子标签制备，使得制备出的电子标签性能更优的技术效果。
进一步，本申请实施例还包括：
步骤S910：获得预定张力阈值；
步骤S920：获得第一离型膜和第一TPU基材之间的第一张力信息；
步骤S930：判断所述第一张力信息是否在所述预定张力阈值之内；
步骤S940：如果所述第一张力信息不在所述预定张力阈值之内，获得第一预警信息；
步骤S950：根据所述第一预警信息，提醒所述第一张力信息不在所述预定张力阈值之内。
具体而言，在电子标签制备过程中，TPU与离型膜和铝箔复合时需要控制好复合方式和张力，避免TPU拉伸后的回弹造成产品褶皱，因此，可获得预定张力阈值，所述预定张力阈值为预设的TPU基材与离型膜之间的张力信息，在此可要求所述预定张力阈值不超过0.1Mpa，还可获得第一离型膜和第一TPU基材之间的第一张力信息，进而判断所述第一张力信息是否在所述预定张力阈值之内，即所述第一张力信息是否大于0.1Mpa，若所述第一张力信息不在所述预定张力阈值之内，即所述第一张力信息超过了0.1Mpa，可获得第一预警信息，所述第一预警信息用来提醒第一离型膜和第一TPU基材之间张力超过预定张力范围，可能会造成产品褶皱，达到了确保第一离型膜和第一TPU基材之间张力之中，使得制备的电子标签平滑无褶皱的技术效果。
所述根据所述第一制备指令信息，制备所述第一RFID电子标签之后，步骤S800还包括：
步骤S810：获得第一加温加压信息；
步骤S820：根据所述第一加温加压信息，对所述第一RFID电子标签再次复合TPU膜并进行低温高压熔融；
步骤S830：获得第二加温加压信息，其中，所述第二加温加压信息中的温度高于所述第一加温加压信息中的温度；
步骤S840：根据所述第二加温加压信息，对经过所述第一加温加压信息处理过的所述第一RFID电子标签进行高温高压熔融。
具体而言，在制备电子标签时，需要对绑定好的天线再次复合TPU膜后并进行高温高压熔融，可获得第一加温加压信息，所述第一加温加压信息为对复合后的产品进行加温加压熔融，在此可设定第一次加温为100至110℃，第一次加压为0.2Mpa，进而根据所述第一加温加压信息，对所述第一RFID电子标签再次复合TPU膜并进行低温高压熔融，还可获得第二加温加压信息，其中，所述第二加温加压信息中的温度高于所述第一加温加压信息中的温度，可设定第二次加温为150℃，压力为0.2Mpa，时间为10分钟，通过对复合后的产品进行加温加压，达到了提升电子标签性能的技术效果。
为了对TPU基材信息进行安全存储，本申请实施例还包括：
步骤S1010：根据所述第一TPU基材信息生成第一验证码，其中，所述第一验证码是与所述第一TPU基材信息一一对应的；
步骤S1020：根据第二TPU基材信息和第一验证码生成第二验证码；以此类推，根据第N TPU基材信息和第N－1验证码生成第N验证码，其中，N为大于1的自然数；
步骤S1030：将所有TPU基材信息和验证码分别复制保存在M台设备上，其中，M为大于1的自然数。
具体而言，为了对TPU基材信息进行安全存储，可对TPU基材信息进行基于区块链的加密处理，确保TPU基材信息的存储安全以及不被篡改。可根据所述第一TPU基材信息生成第一验证码，其中，所述第一验证码是与所述第一TPU基材信息一一对应的；根据第二TPU基材信息和第一验证码生成第二验证码；以此类推，根据第N TPU基材信息和第N－1验证码生成第N验证码，其中，N为大于1的自然数；将所有TPU基材信息和验证码分别复制保存在M台设备上，其中，M为大于1的自然数。对所述第一TPU基材信息进行加密存储，其中，每个设备对应于一个节点，所有节点组合起来形成了区块链，这样的区块链就构成了一个便于验证(只要验证最后一个区块的Hash值就相当于验证了整个版本)，不可更改(任何一个交易信息的更改，会让所有之后的区块的Hash值发生变化，这样在验证时就无法通过)的总账本。
区块链系统采用分布式数据形式，让每一个参与节点都能够获得一份完整的数据库备份，除非能够同时控制整个系统中51％的节点，否则单个节点对数据库的修改是无效的，也无法影响其他节点上的数据内容。因此，参与系统中的节点越多，算力越强，系统中的数据安全性也就越高。对所述第一TPU基材信息基于区块链的加密处理，有效保证了所述第一TPU基材信息的存储安全，达到了对所述第一TPU基材信息进行安全的记录并保存的技术效果。
综上所述，本申请实施例所提供的一种提高RFID电子标签使用性的方法和装置具有如下技术效果：
1、通过选取符合制备工艺要求的TPU基材、粘合剂以及离型膜，对电子标签进行制备，并对TPU基材和离型膜基于训练集进行不断筛选，使得最终用来制备电子标签的TPU基材和离型膜的物理性能更符合制备需要，进而达到了使得制备出的电子标签性能更优的技术效果。
2、通过获得第一离型膜和第一TPU基材之间的第一张力信息，并对张力信息进行判断，判断是否在预定张力阈值之内，若不在，对张力信息进行预警提示，以免因张力过度造成产品的褶皱，达到了确保制备出的电子标签光滑平整无褶皱的技术效果。
实施例二
基于与前述实施例中一种提高RFID电子标签使用性的方法同样发明构思，本发明还提供了一种提高RFID电子标签使用性的装置，如图2所示，所述装置包括：
第一获得单元11：所述第一获得单元11用于获得不同TPU基材的物理性能信息；
第一构建单元12：所述第一构建单元12用于根据所述不同TPU基材的物理性能信息构建训练集；
第二获得单元13：所述第二获得单元13用于获得第一RFID电子标签的预定生产工艺要求信息；
第一输入单元14：所述第一输入单元14用于将所述训练集中的TPU基材的物理性能信息和所述预定生产工艺要求信息输入第一神经网络模型，获得第一TPU基材信息；
第三获得单元15：所述第三获得单元15用于获得第一粘合剂信息；
第四获得单元16：所述第四获得单元16用于根据所述预定生产工艺要求信息，获得第一离型膜信息；
第五获得单元17：所述第五获得单元17用于根据所述第一离型膜信息、所述第一粘合剂信息和所述第一TPU基材信息，获得第一制备指令信息；
第一制备单元18：所述第一制备单元18用于根据所述第一制备指令信息，制备所述第一RFID电子标签。
进一步的，所述装置还包括：
第六获得单元：所述第六获得单元用于获得第一铝箔的性能参数信息；
第七获得单元：所述第七获得单元用于获得第一TPU基材的性能参数信息；
第八获得单元：所述第八获得单元用于根据所述第一铝箔的性能参数信息和所述第一TPU基材的性能参数信息，获得预定粘合度阈值；
第一判断单元：所述第一判断单元用于判断所述第一粘合剂信息是否在所述预定粘合度阈值之内；
第九获得单元：所述第九获得单元用于如果所述第一粘合剂信息在所述预定粘合度阈值之内，获得第一粘合剂信息。
进一步的，所述装置还包括：
第二输入单元：所述第二输入单元用于将所述训练集中的TPU基材的物理性能信息和所述预定生产工艺要求信息输入神经网络模型，其中，所述神经网络模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述TPU基材的物理性能信息、所述预定生产工艺要求信息和用来标识第一TPU基材的标识信息；
第十获得单元：所述第十获得单元用于获得所述神经网络模型的第一输出信息，其中，所述第一输出信息包括所述第一TPU基材信息。
进一步的，所述装置还包括：
第二构建单元：所述第二构建单元用于构建离型膜数据库，所述离型膜数据库中包括不同离型膜及其物理性能信息；
第一筛选单元：所述第一筛选单元用于从所述离型膜数据库中筛选符合所述预定生产工艺要求信息的离型膜信息，获得第一离型膜信息。
进一步的，所述装置还包括：
第一添加单元：所述第一添加单元用于对所述第一离型膜信息添加第一标签信息；
第一更新单元：所述第一更新单元用于将添加所述第一标签信息的所述第一离型膜信息返回所述离型膜数据库，对所述离型膜数据库进行更新。
进一步的，所述装置还包括：
第十一获得单元：所述第十一获得单元用于获得预定张力阈值；
第十二获得单元：所述第十二获得单元用于获得第一离型膜和第一TPU基材之间的第一张力信息；
第二判断单元：所述第二判断单元用于判断所述第一张力信息是否在所述预定张力阈值之内；
第十三获得单元：所述第十三获得单元用于如果所述第一张力信息不在所述预定张力阈值之内，获得第一预警信息；
第一提醒单元：所述第一提醒单元用于根据所述第一预警信息，提醒所述第一张力信息不在所述预定张力阈值之内。
进一步的，所述装置还包括：
第十四获得单元：所述第十四获得单元用于获得第一加温加压信息；
第一复合单元：所述第一复合单元用于根据所述第一加温加压信息，对所述第一RFID电子标签再次复合TPU膜并进行低温高压熔融；
第十五获得单元：所述第十五获得单元用于获得第二加温加压信息，其中，所述第二加温加压信息中的温度高于所述第一加温加压信息中的温度；
第一熔融单元：所述第一熔融单元用于根据所述第二加温加压信息，对经过所述第一加温加压信息处理过的所述第一RFID电子标签进行高温高压熔融。
前述图1实施例一中的一种提高RFID电子标签使用性的方法的各种变化方式和具体实例同样适用于本实施例的一种提高RFID电子标签使用性的装置，通过前述对一种提高RFID电子标签使用性的方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种提高RFID电子标签使用性的装置的实施方法，所以为了说明书的简洁，再次不再详述。
实施例三
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种提高RFID电子标签使用性的方法的发明构思，本发明还提供一种提高RFID电子标签使用性的装置，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种提高RFID电子标签使用性的方法的任一方法的步骤。
其中，在图3中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300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链接在一起，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305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本申请实施例提供了一种提高RFID电子标签使用性的方法，其中，所述方法还包括：获得不同TPU基材的物理性能信息；根据所述不同TPU基材的物理性能信息构建训练集；获得第一RFID电子标签的预定生产工艺要求信息；将所述训练集中的TPU基材的物理性能信息和所述预定生产工艺要求信息输入第一神经网络模型，获得第一TPU基材信息；获得第一粘合剂信息；根据所述预定生产工艺要求信息，获得第一离型膜信息；根据所述第一离型膜信息、所述第一粘合剂信息和所述第一TPU基材信息，获得第一制备指令信息；根据所述第一制备指令信息，制备所述第一RFID电子标签。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD－ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (5)
1.一种提高RFID电子标签使用性的方法，其中，所述方法包括：
获得不同TPU基材的物理性能信息；其中，所述TPU基材的物理性能信息包括：耐磨性、硬度；
根据所述不同TPU基材的物理性能信息构建训练集；
获得第一RFID电子标签的预定生产工艺要求信息；
将所述训练集中的TPU基材的物理性能信息和所述预定生产工艺要求信息输入第一神经网络模型，获得第一TPU基材信息；
获得第一粘合剂信息；其中，所述第一粘合剂信息为生产电子标签所需要的粘合剂信息，主要包括粘性；
根据所述预定生产工艺要求信息，获得第一离型膜信息；其中，所述第一离型膜信息为生产电子标签所需要的离型膜信息，包括使用温度、厚度、宽度、长度、加工原料；
根据所述第一离型膜信息、所述第一粘合剂信息和所述第一TPU基材信息，获得第一制备指令信息；
根据所述第一制备指令信息，制备所述第一RFID电子标签；
其中，所述将所述训练集中的TPU基材的物理性能信息和所述预定生产工艺要求信息输入第一神经网络模型，获得第一TPU基材信息，包括：
将所述训练集中的TPU基材的物理性能信息和所述预定生产工艺要求信息输入神经网络模型，其中，所述神经网络模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述TPU基材的物理性能信息、所述预定生产工艺要求信息和用来标识第一TPU基材的标识信息；
获得所述神经网络模型的第一输出信息，其中，所述第一输出信息包括所述第一TPU基材信息；
其中，所述获得第一粘合剂信息，包括：
获得第一铝箔的性能参数信息；
获得第一TPU基材的性能参数信息；
根据所述第一铝箔的性能参数信息和所述第一TPU基材的性能参数信息，获得预定粘合度阈值；
判断粘合剂信息是否在所述预定粘合度阈值之内；
如果所述粘合剂信息在所述预定粘合度阈值之内，获得第一粘合剂信息；
其中，所述根据所述预定生产工艺要求信息，获得第一离型膜信息，包括：
构建离型膜数据库，所述离型膜数据库中包括不同离型膜及其物理性能信息；
从所述离型膜数据库中筛选符合所述预定生产工艺要求信息的离型膜信息，获得第一离型膜信息；
其中，所述根据所述第一制备指令信息，制备所述第一RFID电子标签之后，包括：
获得第一加温加压信息；
根据所述第一加温加压信息，对所述第一RFID电子标签再次复合TPU膜并进行低温高压熔融；
获得第二加温加压信息，其中，所述第二加温加压信息中的温度高于所述第一加温加压信息中的温度；
根据所述第二加温加压信息，对经过所述第一加温加压信息处理过的所述第一RFID电子标签进行高温高压熔融。
2.如权利要求1所述的方法，其中，所述方法包括：
对所述第一离型膜信息添加第一标签信息；
将添加所述第一标签信息的所述第一离型膜信息返回所述离型膜数据库，对所述离型膜数据库进行更新。
3.如权利要求1所述的方法，其中，根据所述第一制备指令信息，制备所述第一RFID电子标签过程中还包括：
获得预定张力阈值；
获得第一离型膜和第一TPU基材之间的第一张力信息；
判断所述第一张力信息是否在所述预定张力阈值之内；
如果所述第一张力信息不在所述预定张力阈值之内，获得第一预警信息；
根据所述第一预警信息，提醒所述第一张力信息不在所述预定张力阈值之内。
4.一种提高RFID电子标签使用性的装置，其中，所述装置包括：
第一获得单元：所述第一获得单元用于获得不同TPU基材的物理性能信息；其中，所述TPU基材的物理性能信息包括：耐磨性、硬度；
第一构建单元：所述第一构建单元用于根据所述不同TPU基材的物理性能信息构建训练集；
第二获得单元：所述第二获得单元用于获得第一RFID电子标签的预定生产工艺要求信息；
第一输入单元：所述第一输入单元用于将所述训练集中的TPU基材的物理性能信息和所述预定生产工艺要求信息输入第一神经网络模型，获得第一TPU基材信息；
第三获得单元：所述第三获得单元用于获得第一粘合剂信息；其中，所述第一粘合剂信息为生产电子标签所需要的粘合剂信息，主要包括粘性；
第四获得单元：所述第四获得单元用于根据所述预定生产工艺要求信息，获得第一离型膜信息；其中，所述第一离型膜信息为生产电子标签所需要的离型膜信息，包括使用温度、厚度、宽度、长度、加工原料；
第五获得单元：所述第五获得单元用于根据所述第一离型膜信息、所述第一粘合剂信息和所述第一TPU基材信息，获得第一制备指令信息；
第一制备单元：所述第一制备单元用于根据所述第一制备指令信息，制备所述第一RFID电子标签；
其中，所述装置还包括：
第二输入单元：所述第二输入单元用于将所述训练集中的TPU基材的物理性能信息和所述预定生产工艺要求信息输入神经网络模型，其中，所述神经网络模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述TPU基材的物理性能信息、所述预定生产工艺要求信息和用来标识第一TPU基材的标识信息；
第十获得单元：所述第十获得单元用于获得所述神经网络模型的第一输出信息，其中，所述第一输出信息包括所述第一TPU基材信息；
其中，所述装置还包括：
第六获得单元：所述第六获得单元用于获得第一铝箔的性能参数信息；
第七获得单元：所述第七获得单元用于获得第一TPU基材的性能参数信息；
第八获得单元：所述第八获得单元用于根据所述第一铝箔的性能参数信息和所述第一TPU基材的性能参数信息，获得预定粘合度阈值；
第一判断单元：所述第一判断单元用于判断粘合剂信息是否在所述预定粘合度阈值之内；
第九获得单元：所述第九获得单元用于如果所述粘合剂信息在所述预定粘合度阈值之内，获得第一粘合剂信息；
第二构建单元：所述第二构建单元用于构建离型膜数据库，所述离型膜数据库中包括不同离型膜及其物理性能信息；
第一筛选单元：所述第一筛选单元用于从所述离型膜数据库中筛选符合所述预定生产工艺要求信息的离型膜信息，获得第一离型膜信息；
其中，所述装置还包括：
第十四获得单元：所述第十四获得单元用于获得第一加温加压信息；
第一复合单元：所述第一复合单元用于根据所述第一加温加压信息，对所述第一RFID电子标签再次复合TPU膜并进行低温高压熔融；
第十五获得单元：所述第十五获得单元用于获得第二加温加压信息，其中，所述第二加温加压信息中的温度高于所述第一加温加压信息中的温度；
第一熔融单元：所述第一熔融单元用于根据所述第二加温加压信息，对经过所述第一加温加压信息处理过的所述第一RFID电子标签进行高温高压熔融。
5.一种提高RFID电子标签使用性装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现权利要求1－3任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011334446.XA CN112270394B (zh) | 2020-11-24 | 2020-11-24 | 一种提高rfid电子标签使用性的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011334446.XA CN112270394B (zh) | 2020-11-24 | 2020-11-24 | 一种提高rfid电子标签使用性的方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112270394A CN112270394A (zh) | 2021-01-26 |
| CN112270394B true CN112270394B (zh) | 2021-07-23 |
Family
ID=74340305
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011334446.XA Active CN112270394B (zh) | 2020-11-24 | 2020-11-24 | 一种提高rfid电子标签使用性的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112270394B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113059937B (zh) * | 2021-03-29 | 2022-05-03 | 南京贝迪新材料科技股份有限公司 | 一种光学膜自动化印刷方法及系统 |
| US20230147976A1 (en) * | 2021-11-11 | 2023-05-11 | Applied Materials, Inc. | Coded substrate material identifier communication tool |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105426921A (zh) * | 2015-12-02 | 2016-03-23 | 青岛科技大学 | 一种rfid标签天线优化方法 |
| US9928342B1 (en) * | 2015-02-06 | 2018-03-27 | Brain Trust Innovations I, Llc | System, medical item including RFID chip, server and method for capturing medical data |
| CN108345749A (zh) * | 2018-02-11 | 2018-07-31 | 中国电子科技集团公司第二十九研究所 | 射频集成工艺容差与电性能耦合特性的建模与封装方法 |
| CN109657390A (zh) * | 2018-12-28 | 2019-04-19 | 中国电子科技集团公司第二十九研究所 | 一种射频集成制造中工艺ip统计建模方法 |
| CN111310880A (zh) * | 2020-02-12 | 2020-06-19 | 青岛海刚烫印设备制造有限公司 | 一种rfid烫印电子标签及其制备方法 |
-
2020
- 2020-11-24 CN CN202011334446.XA patent/CN112270394B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9928342B1 (en) * | 2015-02-06 | 2018-03-27 | Brain Trust Innovations I, Llc | System, medical item including RFID chip, server and method for capturing medical data |
| CN105426921A (zh) * | 2015-12-02 | 2016-03-23 | 青岛科技大学 | 一种rfid标签天线优化方法 |
| CN108345749A (zh) * | 2018-02-11 | 2018-07-31 | 中国电子科技集团公司第二十九研究所 | 射频集成工艺容差与电性能耦合特性的建模与封装方法 |
| CN109657390A (zh) * | 2018-12-28 | 2019-04-19 | 中国电子科技集团公司第二十九研究所 | 一种射频集成制造中工艺ip统计建模方法 |
| CN111310880A (zh) * | 2020-02-12 | 2020-06-19 | 青岛海刚烫印设备制造有限公司 | 一种rfid烫印电子标签及其制备方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于神经网络的RFID标签天线印刷品质的优化研究;刘彩凤;《中国博士学位论文全文数据库（电子期刊）》;20100115;B024-23页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112270394A (zh) | 2021-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112270394B (zh) | 一种提高rfid电子标签使用性的方法和装置 | |
| CN111667267B (zh) | 一种区块链交易风险识别方法及装置 | |
| CN108734293B (zh) | 任务管理系统、方法和装置 | |
| CN111951128A (zh) | 一种节能环保的建筑施工方法和装置 | |
| CN111401409B (zh) | 商品品牌特征获取方法、销量预测方法、装置及电子设备 | |
| CN109308895B (zh) | 声学模型训练方法、装置、设备及计算机可读介质 | |
| CN113919344A (zh) | 文本处理方法和装置 | |
| CN110008980B (zh) | 识别模型生成方法、识别方法、装置、设备及存储介质 | |
| CN116463079A (zh) | 胶黏剂的智能化制备方法及其系统 | |
| CN114580794B (zh) | 数据处理方法、装置、程序产品、计算机设备和介质 | |
| CN112053164A (zh) | 一种基于区块链的电子商务数据处理方法及系统 | |
| CN112131471B (zh) | 基于无权无向图进行关系推荐的方法、装置、设备及介质 | |
| CN112182979B (zh) | 一种提高树脂与填充助剂相容效果的方法和装置 | |
| CN109754072A (zh) | 网络离线模型的处理方法、人工智能处理装置及相关产品 | |
| CN116596556A (zh) | 肉牛追溯管理系统及方法 | |
| CN113313266A (zh) | 一种基于两阶段聚类提升联邦学习模型性能的训练方法和存储设备 | |
| CN102237084A (zh) | 声音空间基准模型的在线自适应调节方法及装置和设备 | |
| CN109242089B (zh) | 递进监督深度学习神经网络训练方法、系统、介质和设备 | |
| CN112712264B (zh) | 一种智慧社区信息共享方法及系统 | |
| CN112651811A (zh) | 一种基于多源数据的订单处理方法及系统 | |
| KR102302631B1 (ko) | 인공지능 서비스를 위한 연결된 데이터 아키텍처 시스템 및 이에 대한 제어방법 | |
| CN116416247A (zh) | 基于预训练的缺陷检测方法及装置 | |
| CN116362894A (zh) | 多目标学习方法、装置、电子设备及计算机可读存储介质 | |
| CN112328779B (zh) | 训练样本构建方法、装置、终端设备及存储介质 | |
| CN112288342A (zh) | 一种提高多中心协作质量控制的数据处理方法和系统 |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A method and device for improving the usability of RFID electronic tags Granted publication date: 20210723 Pledgee: Jingjiang Branch of Bank of China Ltd. Pledgor: JIANGSU GRANDTAG ELECTRONICS Co.,Ltd. Registration number: Y2024980011303 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |