CN117313771A - 一种自诊断rfid识别方法 - Google Patents
一种自诊断rfid识别方法 Download PDFInfo
- Publication number
- CN117313771A CN117313771A CN202311341549.2A CN202311341549A CN117313771A CN 117313771 A CN117313771 A CN 117313771A CN 202311341549 A CN202311341549 A CN 202311341549A CN 117313771 A CN117313771 A CN 117313771A
- Authority
- CN
- China
- Prior art keywords
- rfid
- writer
- value
- rssiave
- tag
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000004092 self-diagnosis Methods 0.000 title claims abstract description 8
- 238000004519 manufacturing process Methods 0.000 claims abstract description 14
- 238000013528 artificial neural network Methods 0.000 claims abstract description 11
- 238000013135 deep learning Methods 0.000 claims abstract description 7
- 238000012549 training Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 238000013499 data model Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
- G06K17/0029—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device the arrangement being specially adapted for wireless interrogation of grouped or bundled articles tagged with wireless record carriers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Near-Field Transmission Systems (AREA)
Abstract
本发明公开一种自诊断RFID识别方法，包括以下步骤：通过RFID读写器读取RFID标签UID码、类型信息及采集从RFID标签发射的射频能量，计算出RFID读写器与RFID标签之间的射频信号强度值；通过工业网关设备将所有RFID标签所对应的UID码、类型信息及射频信号强度值上传到云端服务器；云端服务器形成云端数据库，并基于神经网络，深度学习，形成各种RFID读写器与各种RFID标签之间的最优位置的关系；生产或用户终端获取RFID读写器性能列表或RFID标签性能列表。本发明可具备在生产RFID产品时，自诊断RFID读写器或标签的射频性能是否正常，指导用户进行读写器和标签最优的安装位置。
Description
技术领域
本发明涉及智能制造生产技术领域，具体涉及一种自诊断RFID识别方法。
背景技术
由于在智能制造的生产线识别系统下，需要RFID的高可靠快识别性能，需要每一个RFID标签在安装到载体上后，调节标签与读写器天线的距离，让射频性能可以达到最优化，这样才可以提高读取成功率。同时由于标签因为封装的加工工艺的问题，可能会导致标签射频性能一致性不好，需要在产线使用时做测试，及时发现不良的标签。而目前的高频RFID读写器仅有读写标签的信息后上传的功能，并无判断及筛选标签的能力。
发明内容
本发明的目的在于克服现有技术的不足，提供一种自诊断RFID识别方法，可具备在生产RFID产品时，自诊断RFID读写器或标签的射频性能是否正常，指导用户进行读写器和标签最优的安装位置。
本发明的技术方案如下：
一种自诊断RFID识别方法，包括以下步骤：
S1、通过RFID读写器读取RFID标签UID码、类型信息及采集从RFID标签发射的射频能量，通过算法，计算出RFID读写器与RFID标签之间的射频信号强度值，RFID读写器记录并判断RFID标签是否在最优的工作区，若射频信号强度值低于阀值，则通过告警提示灯告警；
S2、通过工业网关设备将所有RFID标签所对应的UID码、类型信息及射频信号强度值上传到云端服务器；
S3、云端服务器采集所有RFID标签的数据，形成云端数据库，并基于神经网络，深度学习，形成各种RFID读写器与各种RFID标签之间的最优位置的关系，以此诊断出RFID读写器或RFID标签的性能；
S4、生产或用户终端基于云端数据库的数据，获取RFID读写器性能列表或RFID标签性能列表，筛选出性能不良的RFID读写器或RFID标签。
其中，步骤S1中：
在t us内进行基带IQ功率积分得到RSSI的瞬时值
1秒内采样150次，计算RSSI的平均值
RSSIAve根据数据模型划分出性能等级，RSSIAve值为0则代表不良，RSSIAve值为1～3则代表中等，RSSIAve值为4～6则代表良好，RSSIAve值≥7则代表不良。
其中，步骤S3中，所述神经网络，深度学习首先将云端数据库经过信号处理得到特训练集，然后执行神经网络算法模型训练，建立神经网络模型，接着通过深度神经网络分类器结合生产阶段和用户阶段的RFID读写器和RFID标签信息形成各种RFID读写器与各种RFID标签之间的最优位置的关系，以此诊断出RFID读写器或RFID标签的性能。
相对于现有技术，本发明的有益效果在于：本发明通过RFID读写器识别RFID标签的信号强度及ID，然后通过网关把对应信息上传到云端服务器，由云平台深度学习后作为产品的质量跟踪、不良识别，对用户端进行使用指导及维护指导。本发明可让RFID产品厂家在产品制造过程，不断提升产品的可靠性、一致性，也可让RFID产品用户高效可靠使用RFID产品，并且提前识别不良隐患，保障智能制造识别追溯系统的高可靠性运行。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的一种自诊断RFID识别方法的方法流程图；
图2为本发明提供的一种自诊断RFID识别方法的系统框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
实施例
请参阅图1、图2，本实施例提供一种自诊断RFID识别方法，包括以下步骤：
S1、通过RFID读写器读取RFID标签UID码、类型信息及采集从RFID标签发射的射频能量，通过算法，计算出RFID读写器与RFID标签之间的射频信号强度值；
在t us内进行基带IQ功率积分得到RSSI的瞬时值
1秒内采样150次，计算RSSI的平均值
RSSIAve根据数据模型划分出性能等级如下表：
RFID读写器记录并判断RFID标签是否在最优的工作区，若射频信号强度值低于阀值，则通过告警提示灯告警；
S2、通过工业网关设备将所有RFID标签所对应的UID码、类型信息及射频信号强度值上传到云端服务器，RFID读写器每读写一个标签，则主动向云端服务器上传数据；
S3、云端服务器采集所有RFID标签的数据，形成云端数据库，基于神经网络，深度学习，首先将云端数据库经过信号处理得到特训练集，然后执行神经网络算法模型训练，建立神经网络模型，接着通过深度神经网络分类器结合生产阶段和用户阶段的RFID读写器和RFID标签信息形成各种RFID读写器与各种RFID标签之间的最优位置的关系，以此诊断出RFID读写器或RFID标签的性能；
S4、生产或用户终端基于云端数据库的数据，获取RFID读写器性能列表或RFID标签性能列表，筛选出性能不良的RFID读写器或RFID标签。
用户基于云端服务器的指导，可一步到位安装读写器和标签，并在使用过程中监控记录过程数据，提前识别产品性能是否下降。
以上仅为本发明的较佳实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (3)
1.一种自诊断RFID识别方法，其特征在于，包括以下步骤：
S1、通过RFID读写器读取RFID标签UID码、类型信息及采集从RFID标签发射的射频能量，通过算法，计算出RFID读写器与RFID标签之间的射频信号强度值，RFID读写器记录并判断RFID标签是否在最优的工作区，若射频信号强度值低于阀值，则通过告警提示灯告警；
S2、通过工业网关设备将所有RFID标签所对应的UID码、类型信息及射频信号强度值上传到云端服务器；
S3、云端服务器采集所有RFID标签的数据，形成云端数据库，并基于神经网络，深度学习，形成各种RFID读写器与各种RFID标签之间的最优位置的关系，以此诊断出RFID读写器或RFID标签的性能；
S4、生产或用户终端基于云端数据库的数据，获取RFID读写器性能列表或RFID标签性能列表，筛选出性能不良的RFID读写器或RFID标签。
2.根据权利要求1所述的一种自诊断RFID识别方法，其特征在于，步骤S1中：
在t us内进行基带IQ功率积分得到RSSI的瞬时值
RSSIinstan=，
1秒内采样150次，计算RSSI的平均值
RSSIAve=，
RSSIAve根据数据模型划分出性能等级，RSSIAve值为0则代表不良，RSSIAve值为1~3则代表中等，RSSIAve值为4~6则代表良好，RSSIAve值≥7则代表不良。
3.根据权利要求1所述的一种自诊断RFID识别方法，其特征在于，步骤S3中，所述神经网络，深度学习首先将云端数据库经过信号处理得到特训练集，然后执行神经网络算法模型训练，建立神经网络模型，接着通过深度神经网络分类器结合生产阶段和用户阶段的RFID读写器和RFID标签信息形成各种RFID读写器与各种RFID标签之间的最优位置的关系，以此诊断出RFID读写器或RFID标签的性能。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311341549.2A CN117313771A (zh) | 2023-10-17 | 2023-10-17 | 一种自诊断rfid识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311341549.2A CN117313771A (zh) | 2023-10-17 | 2023-10-17 | 一种自诊断rfid识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117313771A true CN117313771A (zh) | 2023-12-29 |
Family
ID=89297037
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311341549.2A Pending CN117313771A (zh) | 2023-10-17 | 2023-10-17 | 一种自诊断rfid识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117313771A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080180223A1 (en) * | 2007-01-29 | 2008-07-31 | Robert Thomas Cato | Diagnosing a radio frequency identification reader |
| CN101592705A (zh) * | 2008-05-28 | 2009-12-02 | 北京中食新华科技有限公司 | 电子标签rfid测试系统 |
| CN102855457A (zh) * | 2012-08-06 | 2013-01-02 | 中国科学院自动化研究所 | 一种基于智能预测的门形rfid多天线部署系统及方法 |
| CN106529359A (zh) * | 2016-10-24 | 2017-03-22 | 深圳市海云天科技股份有限公司 | 射频识别标签质量检测方法及装置 |
| 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 |
| CN106874815A (zh) * | 2017-02-10 | 2017-06-20 | 天津中兴智联科技有限公司 | 一种基于rssi检测多阅读器邻道干扰的实现方法 |
| CN110266340A (zh) * | 2019-06-03 | 2019-09-20 | 北京智博晟源科技有限公司 | 新型快速侦听干扰信号的无源uhfrfid读写器架构及其算法 |
| US20220198233A1 (en) * | 2020-12-18 | 2022-06-23 | Lawrence Joseph Martin | Apparatus and Method for Improved Reading of RFID Tags During Manufacture |
-
2023
- 2023-10-17 CN CN202311341549.2A patent/CN117313771A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080180223A1 (en) * | 2007-01-29 | 2008-07-31 | Robert Thomas Cato | Diagnosing a radio frequency identification reader |
| CN101592705A (zh) * | 2008-05-28 | 2009-12-02 | 北京中食新华科技有限公司 | 电子标签rfid测试系统 |
| CN102855457A (zh) * | 2012-08-06 | 2013-01-02 | 中国科学院自动化研究所 | 一种基于智能预测的门形rfid多天线部署系统及方法 |
| CN106529359A (zh) * | 2016-10-24 | 2017-03-22 | 深圳市海云天科技股份有限公司 | 射频识别标签质量检测方法及装置 |
| 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 |
| CN106874815A (zh) * | 2017-02-10 | 2017-06-20 | 天津中兴智联科技有限公司 | 一种基于rssi检测多阅读器邻道干扰的实现方法 |
| CN110266340A (zh) * | 2019-06-03 | 2019-09-20 | 北京智博晟源科技有限公司 | 新型快速侦听干扰信号的无源uhfrfid读写器架构及其算法 |
| US20220198233A1 (en) * | 2020-12-18 | 2022-06-23 | Lawrence Joseph Martin | Apparatus and Method for Improved Reading of RFID Tags During Manufacture |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117095506B (zh) | 一种基于报警区域模型的消防安全监控系统及其方法 | |
| CN112660745B (zh) | 托辊故障智能诊断方法、系统及可读存储介质 | |
| CN115302963B (zh) | 一种基于机器视觉的条形码印刷控制方法、系统及介质 | |
| CN114781510A (zh) | 一种故障定位方法、装置、系统和存储介质 | |
| CN112454008A (zh) | 一种基于网络模型的切割平台寿命预测方法、系统及可读存储介质 | |
| CN117371875B (zh) | 基于数据分析的音箱生产质量评价方法及系统 | |
| Jinaporn et al. | Security system against asset theft by using radio frequency identification technology | |
| CN117313771A (zh) | 一种自诊断rfid识别方法 | |
| CN113569656B (zh) | 一种基于深度学习的考场监控方法 | |
| CN110830504A (zh) | 一种网络入侵行为检测方法及系统 | |
| CN112232235B (zh) | 基于5g和算法的智慧工厂远程监控方法及系统 | |
| CN110647086B (zh) | 一种基于运行大数据分析的智能运维监控系统 | |
| CN116680641A (zh) | 一种基于机器学习算法的用户用电异常检测方法 | |
| CN116845863A (zh) | 基于时空轨迹的末端电网异常设备接入告警方法及装置 | |
| CN116489666A (zh) | 一种用于安全监测的无线传感器网络构建方法与系统 | |
| US11954955B2 (en) | Method and system for collecting and monitoring vehicle status information | |
| Zhu et al. | Environmentally adaptive real-time detection of RFID false readings in a new practical scenario | |
| CN109815764B (zh) | 图像内部机读信息的读取方法及系统 | |
| CN113780126A (zh) | 一种基于rfid识别的安全保护方法及装置 | |
| CN117176270B (zh) | 一种带信号监测功能的室分天线及其监测方法 | |
| CN117808024B (zh) | 基于自适应调控的读写器设备管理方法及系统 | |
| KR102531570B1 (ko) | 무선 통신망의 품질 이상 점수의 결정 장치, 방법 및 품질 이상 점수의 결정 방법을 수행하기 위하여 매체에 저장된 컴퓨터 프로그램 | |
| CN116488843A (zh) | 一种基于聚类分析的用户行为异常检测系统及方法 | |
| CN216387423U (zh) | 一种气象监控数据信息管理系统 | |
| US20230169639A1 (en) | System Of Automatically Monitoring Electronic Billboard To Immediately Responding Production Abnormality And Method Thereof |
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 |