[发明专利]一种基于Flood-Fill和SVM的RFID多标签三维最优分布检测方法

权利要求书

1.一种基于Flood-Fill和SVM的RFID多标签三维最优分布检测方法，包括以下步骤：

第一步骤：测试平台搭建步骤，测试平台由RFID读写器天线、RFID读写器、升降台、RFID标签、纸箱、相机、相机支架、托盘、控制计算机、导轨、电机构成，RFID读写器天线与RFID读写器相连，RFID读写器与控制计算机相连，相机安置在相机支架上并对准贴有RFID标签的纸箱，RFID读写器天线安置在升降台上方，调整升降台，使RFID读写器天线的辐射方向正对RFID标签；

第二步骤：纸箱轮廓提取步骤，托盘上放置纸箱，将RFID标签随机粘贴在纸箱四个侧面，托盘在旋转过程中，相机对托盘上的纸箱快速扫描，获得四个侧面含有背景噪声的纸箱图像，并利用Flood-Fill算法对含有背景噪声的纸箱图像进行填充，确定出纸箱四个侧面轮廓；

第三步骤：RFID标签位置提取步骤，对以上第二步骤中获得的纸箱轮廓进行二值化处理得到二值化纸箱图像，再在二值化纸箱图像上计算圆形度找到RFID标签，每一个RFID标签对应一个节点，得到一组节点的三维坐标；

第四步骤：RFID标签的RSSI值测量步骤，贴有RFID标签的纸箱在导轨上由电机带动向RFID读写器天线方向运动，随着纸箱靠近RFID读写器天线，当托盘与RFID读写器天线的距离到达设定距离时，RFID读写器天线对RFID标签进行读取，得到RFID标签的RSSI值，存储于控制计算机中；

第五步骤：不同分布下RFID标签的RSSI值测量步骤，重新随机布置RFID标签的位置，重复以上第二、三、四步骤，获得不同分布下节点的三维坐标及其对应的RFID标签的RSSI值，存储于控制计算机中；

第六步骤：预测RFID标签分布步骤，利用SVM神经网络对以上第五步骤获得的节点三维坐标和RFID标签的RSSI值进行训练，然后输入任意RFID标签的RSSI值，根据训练的SVM神经网络对节点的三维坐标进行预测，获得RFID标签的RSSI值对应的节点三维坐标。

2.根据权利要求1所述的一种基于Flood-Fill和SVM的RFID多标签三维最优分布检测方法，其中第二步骤所述的Flood-Fill算法，包含以下步骤：

步骤一：纸箱像素点确定步骤，用相机拍摄没有背景噪声的纸箱图像，在获得图像中随机选择一个像素点的RGB颜色值作为标准RGB颜色值(r₀，g₀，b₀)；

步骤二：填充步骤，利用ω＝(r_i-r₀)²+(g_i-g₀)²+(b_i-b₀)²，i＝1，2，...，n依次计算含有背景噪声的纸箱图像中每个像素点与步骤一确定的(r₀，g₀，b₀)之间的方差，若方差小于等于m，则该像素点为纸箱中的像素点，m为颜色阈值，n为含有背景噪声的纸箱图像的像素点个数；

步骤三：纸箱轮廓确定步骤，利用步骤二中确定的纸箱中的所有像素点组成纸箱轮廓。

3.根据权利要求1所述的一种基于Flood-Fill和SVM的RFID多标签三维最优分布检测方法，其中第三步骤所述的圆形度η＝P²/A，P为权利要求1第三步骤中获得的二值化纸箱图像上像素为0的区域的周长，A为权利要求1第三步骤中获得的二值化纸箱图像上像素为0的区域的面积。

4.根据权利要求1所述的一种基于Flood-Fill和SVM的RFID多标签三维最优分布检测方法，其中第六步骤所述的SVM神经网络训练，包含以下步骤：

步骤一：Lagrange因子计算步骤，利用SVM神经网络的优化问题

确定Lagrange因子a_i与其中，ε为拟合精度，x_i为第i组分布的三维坐标向量，y_i为第i组分布下RFID标签的RSSI值，K(x_i，x_j)为核函数||·||为范数，k为标签分布组数，σ为宽度参数，C为惩罚参数；

步骤二：RFID标签的RSSI值计算步骤，利用判别函数计算RFID标签的RSSI值，x为节点的三维坐标向量，b为最佳分类平面的阈值。