基于人工智能的RFID标签移动方向判定方法及系统与流程

基于人工智能的rfid标签移动方向判定方法及系统
技术领域
1.本发明涉及人工智能技术领域，尤其涉及rfid(射频识别)标签移动时判断移动方向的方法及系统。


背景技术：

2.目前，在现代工厂里，如果需要实现自动化和无人化的内部物流，在完成物料数字化登记之后，亟需对物料在工厂或仓库内的流转进行跟踪。目前资产数字化的主要方案是使用条码标签或者电子标签，通过读卡器完成物料入库或者产线状态更新等操作，此类操作均需要人工介入以保证准确性，也无法满足判断资产移动方向等需求。


技术实现要素：

3.本发明的目的在于提供基于人工智能的rfid标签移动方向判定方法及系统，以较低成本实现rfid标签移动方向判定。
4.实现上述目的的技术方案是：
5.一种基于人工智能的rfid标签移动方向判定方法，包括：
6.设定多个rfid天线和移动方向，按每个移动方向移动多个rfid标签，读取每次各个rfid标签上报的数据，获取训练数据集；
7.根据训练数据集进行机器学习，获取决策模型；
8.读取待决策rfid标签的数据，并利用决策模型判定待决策rfid标签的移动方向。
9.优选的，单次每个rfid标签上报的数据，包括：每相邻两个rfid天线之间读卡的时间差以及各rfid标签信号的特征值。
10.优选的，所述的决策模型中，
11.如果输出的判定值只有两个方向，则用二分类函数进行回归分析和输出；
12.如果输出的判定值大于两个，使用多分类函数进行回归分析和输出。
13.优选的，所述的决策模型对输出的准确性进行校验；所述的决策模型支持外部新增的输入判定。
14.一种基于人工智能的rfid标签移动方向判定系统，包括：一组rfid天线、多个rfid标签以及连接各所述rfid天线的读卡器，
15.所述读卡器包括：
16.用于读取rfid标签上报的数据，获取训练数据集和待决策rfid标签的数据的读卡模块；
17.根据训练数据集进行机器学习，获得决策模型的训练模块；
18.载入决策模型，根据待决策rfid标签的数据判定待决策rfid标签的移动方向的决策模块。
19.优选的，rfid天线的数量为4个。
20.优选的，训练数据集中数据指：设定多个移动方向，按每个移动方向移动多个rfid
标签，读取的每次各个rfid标签上报的数据。
21.本发明的有益效果是：本发明无需大量和昂贵的硬件投入，只需对rfid读卡器进行软件升级，通过给读卡器的软件增加训练模块和决策模块，即可支持判定rfid标签移动的方向，成本较低并准确度较高。对比目前的判断资产移动方向的方式都容易受到干扰，经常会产生误判，无法达到实际可商用的程度，本发明具有很高的实用价值，并且应用诸多应用场景，无需单独投资。
附图说明
22.图1是本发明的基于人工智能的rfid标签移动方向判定方法的流程图；
23.图2是本发明中rfid标签移动方向判定的具体流程；
24.图3是本发明中2x2天线布局(顶置)的结构示意图；
25.图4是本发明中1x4天线布局的结构示意图；
26.图5是本发明中2x2天线布局(侧置)的结构示意图。
具体实施方式
27.下面将结合附图对本发明作进一步说明。
28.请参阅图1-2，本发明的基于人工智能的rfid标签移动方向判定方法，包括下列步骤：
29.一、设定多个rfid天线和移动方向，按每个移动方向移动多个rfid标签，读取每次各个rfid标签上报的数据，获取训练数据集。具体地，
30.1)将读卡器设为训练模式，固定好rfid天线位置，确定训练用的rfid标签。
31.2)训练模式中，设定标签的移动方向为“方向1”。
32.3)移动标签，并完成rfid标签数据读取和记录。
33.4)重复3)，直至完成若干组的标签数据和设定方向的绑定。
34.5)训练模式中，设定标签的移动方向为“方向2”。
35.6)移动标签，并完成rfid标签数据读取和记录。
36.7)重复5)，直至完成若干组的标签数据和设定方向的绑定。
37.单次每个rfid标签上报的数据，包括：每相邻两个rfid天线之间读卡的时间差以及各rfid标签信号的特征值。具体如下：
[0038][0039]
其中，t为rfid天线之间读卡的时间差，若天线之间的轮询间隔为0.1秒，则t1为0，t2为0.1，t3为0.2，t4为0.3，该数值可由读卡记录的时间戳计算得来。rssi、ms_csr、nb_rssi、wb_rssi_other、phase为标签rfid信号的特征值。得到若干组(如500组)上述的数据之后，根据设定的判定值“方向1”进行学习和训练。
[0040]
二、根据训练数据集进行机器学习，获取决策模型。
[0041]
如果输出的判定值只有两个方向，则用二分类函数(诸如sigmoid或者tanh)进行
回归分析和输出；
[0042]
如果输出的判定值大于两个，使用多分类函数(诸如softmax)进行回归分析和输出。
[0043]
三、读取待决策rfid标签的数据，并利用决策模型判定待决策rfid标签的移动方向。
[0044]
如图3-5所示，本发明的基于人工智能的rfid标签移动方向判定系统，包括：一组rfid天线、多个rfid标签以及连接各rfid天线的读卡器。图中，ant1-ant4表示4个rfid天线。
[0045]
读卡器包括：读卡模块、训练模块和决策模块。
[0046]
读卡模块读取rfid标签上报的数据，获取训练数据集和待决策rfid标签的数据。训练模块根据训练数据集进行机器学习，获得决策模型。决策模块载入决策模型，根据待决策rfid标签的数据判定待决策rfid标签的移动方向。
[0047]
rfid天线的数量≥4个，优选为4个，天线以圆极化天线为优；排列方式随机，但读卡时位置相对固定。
[0048]
读卡器读卡方式为轮询方式，每个天线的读卡周期为50～200ms，优选100ms；rfid标签，数量5～10个；
[0049]
移动方向建议不超过4个，以2个为优；
[0050]
决策模型支持校验模式，可以对准确性进行校验。校验模式下，对于参数和决策模型的修正。不同场景下上报的rfid参数的选择，可以针对不同工业场景下选择不同的参数进行训练。支持多决策模型，在不同的场景下选择不同的模型。本发明支持预设模型，也支持外部新增的输入判定，如超声移动感应或者震动传感器，可设定权重，来校准输出结果。
[0051]
在标签移动的过程中，如在生产制造型企业内，可通过上述的方法进行移动方向的判定，为自动化物流提供可靠的数据输入。本发明不仅限于标签的移动方向，也可以作为标签在位于某个位置区间内或者不在的判定，或者有若干个不同位置的判定。由于标签数据的数据量很小，训练规模很小，本发明通常不需要很高的算力，在很多低端的设备上也可以进行学习和决策。
[0052]
综上，本发明可以通过应用人工智能的方法，通过机器学习来判定rfid标签的移动方向或者位置，本发明对硬件配置的要求不高，有很大的成本优势。
[0053]
以上实施例仅供说明本发明之用，而非对本发明的限制，有关技术领域的技术人员，在不脱离本发明的精神和范围的情况下，还可以作出各种变换或变型，因此所有等同的技术方案也应该属于本发明的范畴，应由各权利要求所限定。