【技術實現步驟摘要】
本專利技術涉及電子信息，尤其涉及一種基于機器學習確定rfid標簽運動行為的方法及裝置。
技術介紹
1、當前，移動互聯網、大數據、物聯網等技術發展非常地迅速，智慧物流和智慧倉儲已經成為許多行業企業關注的焦點。在這樣的行業大背景下，企業生產經營中的采購、銷售、倉儲、物流等環節也逐漸在發生改變，企業競爭的關鍵不再只關注服務和質量的提升，倉儲和物流的現代化水平也成為了企業競爭的重要因素。倉儲物流在企業中的重要性日益突出，已發展成了現代供應鏈管理鏈條中的必不可少的環節。
2、由于rfid技術不僅數據容量大，同時還存在著可重復利用等優點，因此可以將其運用于倉儲管理領域。大致原理為：天線發射信號，在設置在貨物上的rfid標簽識別到天線發射的信號時，將rfid標簽的標簽數據反饋至讀寫器，以利用標簽數據實現出入庫的判斷。利用rfid技術不僅能夠減輕作業員的工作負擔，同時也能減少對倉儲資金流的占用，有利于流通速度的加快和在再生產效率的提升。
3、但是，現有技術難以實現對rfid標簽的運動行為的精確判斷，導致無法對貨物的出入庫信息進行精確判斷。另外，現有技術方案在進行出入庫信息的判斷的過程中還至少存在以下缺陷：一方面需要設置較多的硬件，導致成本較高，難以廣泛推廣；另一方面，需要較多的人為干涉，導致出入庫識別的自動化程度較低。
技術實現思路
1、本專利技術提供一種基于機器學習確定rfid標簽運動行為的方法及裝置，用以解決現有技術中的至少一個缺陷。
2、第一方面，本專利技
3、根據本專利技術提供的基于機器學習確定rfid標簽運動行為的方法，在天線發射多個載波頻段的電磁信號的情況下，獲取讀寫器讀取的目標rfid標簽的標簽數據，包括：利用讀寫器讀取多個載波頻段對應的目標rfid標簽的多個標簽數據；對多個標簽數據中的相位序列數據，進行平均融合，并將融合結果作為最終的相位序列數據。
4、根據本專利技術提供的基于機器學習確定rfid標簽運動行為的方法，在目標rfid標簽的相位序列數據存在相位缺失問題的情況下，對所述相位序列數據進行相位解纏，包括：確定所述目標rfid標簽所屬的目標分組，以確定所述目標分組內的所有的rfid標簽；其中，rfid標簽的分組是根據rfid標簽的運動相似性預先確定的；對所有的rfid標簽的相位序列數據進行數據融合，確定出參考相位序列數據；利用所述參考相位序列數據對目標rfid標簽的相位序列數據進行解纏，獲取相位解纏序列數據。
5、根據本專利技術提供的基于機器學習確定rfid標簽運動行為的方法，對所有的rfid標簽的相位序列數據進行數據融合，確定出參考相位序列數據，包括：確定每個rfid標簽的相位序列數據的平均變化率；
6、對所有的所述平均變化率進行平均融合；對平均融合后的數據進行基于時間的積分，確定出參考相位序列數據。
7、確定每個rfid標簽的相位序列數據的平均變化率；對所有的所述平均變化率進行平均融合，以獲取所述參考相位序列數據。
8、根據本專利技術提供的基于機器學習確定rfid標簽運動行為的方法，利用所述參考相位序列數據對目標rfid標簽的相位序列數據進行解纏，獲取相位解纏序列數據，包括：獲取目標rfid標簽的相位序列數據與所述參考相位序列數據的相位差序列數據；利用路徑積分法對所述相位差序列數據進行解纏，獲取解纏后的初始相位解纏序列數據；將所述初始相位解纏序列數據與所述參考相位序列數據的和，作為最終的相位解纏序列數據。
9、根據本專利技術提供的基于機器學習確定rfid標簽運動行為的方法，所述標簽運動行為識別模型包括第一子模型和第二子模型；其中，所述第一子模型是基于相位解纏序列樣本數據和所述相位解纏序列樣本數據對應的運動行為類型，訓練得到的機器學習模型；所述第二子模型是基于rssi值序列樣本數據和所述rssi值序列樣本數據對應的運動行為類型，訓練得到的機器學習模型；利用所述第一子模型和所述第二子模型的輸出結果，對所述目標rfid標簽的運動行為進行綜合判斷。
10、根據本專利技術提供的基于機器學習確定rfid標簽運動行為的方法，所述第一子模型和所述第二子模型均為隨機森林機器學習模型。
11、第二方面，本專利技術還提供一種基于機器學習確定rfid標簽運動行為的裝置，包括：
12、數據采集模塊，用于獲取讀寫器讀取的目標rfid標簽的標簽數據；所述標簽數據包括相位序列數據和初始rssi值序列數據；
13、相位解纏模塊，用于對所述相位序列數據進行相位解纏，獲取相位解纏序列數據；以及，對初始rssi值序列數據進行濾波處理，獲取rssi值序列數據；
14、運動行為判別模塊，用于將所述相位解纏序列數據和/或所述rssi值序列數據作為輸入數據，輸入至預先建立的標簽運動行為識別模型，確定所述目標rfid標簽的運動行為；
15、其中，標簽運動行為識別模型是基于輸入樣本數據和所述輸入樣本數據對應的運動行為類型，訓練得到的機器學習模型。
16、第三方面，本專利技術還提供一種rfid系統，包括：控制器、讀寫器、至少一個天線、以及至少一個標簽；讀寫器通過天線向標簽發送預設頻率的電磁信號；標簽接收到電磁信號后，經將標簽數據反饋至閱讀器；閱讀器將所述標簽數據傳輸至控制器；控制器執行如上述任一項所述的基于機器學習確定rfid標簽運動行為的方法。
17、第四方面，本專利技術提供一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述程序時實現如上述任一種所述基于機器學習確定rfid標簽運動行為的方法的步驟。
18、第五方面，本專利技術還提供一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，該計算機程序被處理器執行時實現如上述任一種所述基于機器學習確定rfid標簽運動行為的方法的步驟。
19、本專利技術提供的基于機器學習確定rfid標簽運動行為的方法及裝置，利用機器學習算法，基于相位解纏序列數據和/或rssi值序列數據，訓練出標簽運動行為識別模型，可以自動判斷標簽的運動行為（靜止、出庫以及入庫等），降低了人工以及硬件成本，提高了出入庫信息的判斷精度和物流管理水平。
本文檔來自技高網...【技術保護點】
1.一種基于機器學習確定RFID標簽運動行為的方法，其特征在于，包括：
2.根據權利要求1所述的基于機器學習確定RFID標簽運動行為的方法，其特征在于，在天線發射多個載波頻段的電磁信號的情況下，獲取讀寫器讀取的目標RFID標簽的標簽數據，包括：
3.根據權利要求1所述的基于機器學習確定RFID標簽運動行為的方法，其特征在于，在目標RFID標簽的相位序列數據存在相位缺失問題的情況下，對所述相位序列數據進行相位解纏，包括：
4.根據權利要求3所述的基于機器學習確定RFID標簽運動行為的方法，其特征在于，對所有的RFID標簽的相位序列數據進行數據融合，確定出參考相位序列數據，包括：
5.根據權利要求3所述的基于機器學習確定RFID標簽運動行為的方法，其特征在于，利用所述參考相位序列數據對目標RFID標簽的相位序列數據進行解纏，獲取相位解纏序列數據，包括：
6.根據權利要求1所述的基于機器學習確定RFID標簽運動行為的方法，其特征在于，所述標簽運動行為識別模型包括第一子模型和第二子模型；其中，所述第一子模型是基于相位解纏序列樣本
7.根據權利要求6所述的基于機器學習確定RFID標簽運動行為的方法，其特征在于，所述第一子模型和所述第二子模型均為隨機森林機器學習模型。
8.一種基于機器學習確定RFID標簽運動行為的裝置，其特征在于，包括：
9.一種RFID系統，其特征在于，包括：控制器、讀寫器、至少一個天線、以及至少一個標簽；
10.一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至7任一項所述基于機器學習確定RFID標簽運動行為的方法的步驟。
...【技術特征摘要】
1.一種基于機器學習確定rfid標簽運動行為的方法，其特征在于，包括：
2.根據權利要求1所述的基于機器學習確定rfid標簽運動行為的方法，其特征在于，在天線發射多個載波頻段的電磁信號的情況下，獲取讀寫器讀取的目標rfid標簽的標簽數據，包括：
3.根據權利要求1所述的基于機器學習確定rfid標簽運動行為的方法，其特征在于，在目標rfid標簽的相位序列數據存在相位缺失問題的情況下，對所述相位序列數據進行相位解纏，包括：
4.根據權利要求3所述的基于機器學習確定rfid標簽運動行為的方法，其特征在于，對所有的rfid標簽的相位序列數據進行數據融合，確定出參考相位序列數據，包括：
5.根據權利要求3所述的基于機器學習確定rfid標簽運動行為的方法，其特征在于，利用所述參考相位序列數據對目標rfid標簽的相位序列數據進行解纏，獲取相位解纏序列數據，包括：
6.根據權利要求1所述的基于機器學習...
【專利技術屬性】
技術研發人員：李游，周三元，白京，朱曉輝，
申請(專利權)人：武漢華威科智能技術有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。