[发明专利]一种基于深度学习的RFID标签位置估计方法

摘要

本发明涉及一种基于深度学习的RFID标签位置估计方法，包括CNN网络模型训练方法以及基于深度学习的RFID标签位置估计算法使用方法：CNN网络模型训练方法包括：S11，输入训练数据集；S12，进行数据预处理操作；S13，构建并训练CNN网络模型；S14，输出CNN网络模型的参数；基于深度学习的RFID标签位置估计算法使用方法包括：S21，输入实际采样数据；S22，对输入的实际采样数据进行预处理操作；S23，利用网络模型进行位置估计；S24，利用CNN网络模型对RFID标签位置估计结果。本发明能识别出RFID标签在传送带上的相对位置，实现对多个标签先后次序的准确估计，为自动分拣提供可靠的信息。

主权项

1.一种基于深度学习的RFID标签位置估计方法，其特征在于，包括CNN网络模型训练方法以及基于深度学习的RFID标签位置估计算法使用方法：/n所述CNN网络模型训练方法，包括如下步骤：/nS11，输入训练数据集：/n所述训练数据集为从全部RFID信号数据样本中按照一定比例随机抽取，所述训练数据集用于使CNN网络模型能够从大量RFID信号数据样本中进行学习并获得经验，进而完成对CNN网络模型的训练；/nS12，数据预处理：/n所述数据预处理操作包括：数据归一化、数据采样间隔均匀化以及数据缺失补零；数据预处理过程中，逐条分析RFID信号数据并人工标注RFID标签通过阅读器的时刻值，剔除部分由于采样软件或人为因素造成的错误数据，并对数据进行清洗；/nS13，构建并训练CNN网络模型：/n利用深度学习方法构建相应的CNN网络模型，通过训练数据集完成对CNN网络模型的训练；/n所述RFID信号数据包含RFID标签通过阅读器的时刻值；通过采用机器学习算法，对大量RFID信号数据进行学习，掌握RFID信号数据与RFID标签通过阅读器的时刻值之间的对应关系；/nS14，输出CNN网络模型的参数：/n在CNN网络模型的具体训练过程中，不断调整相关参数，迭代优化CNN网络模型；训练好CNN网络模型之后，需要判断该模型的估计准确率是否达到目标精度，所述目标精度按照实际应用中目标需求不同进行设置；/n若达到，则输出CNN网络模型的参数；/n否则，重复模型训练的过程，直至达到目标精度为止；/n所述基于深度学习的RFID标签位置估计算法使用方法，具体包括如下步骤：/nS21，输入实际采样数据：/n在实际的使用过程中，输入从真实应用环境中采集得到的RFID信号数据；/nS22，对输入的实际采样数据进行预处理操作：/n对S21采集得到的RFID信号数据进行数据预处理操作，所述数据预处理操作包括：数据归一化、数据采样间隔均匀化以及数据缺失补零；/nS23，利用网络模型进行位置估计：/n将经S22处理后的RFID信号数据作为输入馈送到CNN网络模型；/nS24，利用CNN网络模型对RFID标签位置的估计结果：/n在实际应用过程中，当新的RFID信号数据输入时，采用CNN网络模型计算并输出一个对RFID标签通过阅读器时刻的估计值，最终完成对RFID标签位置自动识别的目的。/n