一种基于Flood-Fill和SVM的RFID多标签三维最优分布检测方法技术

本发明专利技术涉及RFID技术领域，具体涉及RFID多标签分布配置领域，特别是引入Flood‑Fill和SVM神经网络对RFID标签分布进行预测得到最优配置，属于检测技术领域。本发明专利技术提出一种基于Flood‑Fill和SVM的RFID多标签三维最优分布检测方法，通过Flood‑Fill对纸箱表面的RFID标签进行位置提取，通过SVM神经网络对RFID多标签位置对应的识读距离进行训练，从而对特定识读距离下的RFID多标签位置进行预测，找到识读性能最优的RFID标签分布，进而从RFID标签分布优选配置角度降低实际工作环境对识读性能的影响，该方法可以有效提高RFID标签识读性能，对于RFID技术的发展具有重要的理论和应用价值。

A FloodFill and SVM RFID multi label 3D detection method based on optimal distribution

The present invention relates to the technical field of RFID, in particular to a RFID multi label distribution areas, especially the introduction of Flood Fill and SVM neural network to predict the distribution of label RFID optimal allocation, which belongs to the technical field of detection. The invention provides a Flood Fill and SVM RFID multi label 3D detection method based on optimal distribution, the position is extracted by Flood Fill on the surface of the RFID carton label, training the reading distance by SVM neural network on the RFID label corresponding to the position, thus for specific reading distance of RFID under multi label location prediction RFID, find the optimal performance of the distribution of label reading, thereby reducing the impact of the actual work environment for reading performance from the RFID label distribution angle optimization, this method can effectively improve the performance of RFID tag identification, it has important theoretical and practical value for the development of RFID technology.

【技术实现步骤摘要】
一种基于Flood-Fill和SVM的RFID多标签三维最优分布检测方法
本专利技术涉及RFID技术应用领域，具体涉及RFID多标签分布配置领域，特别是引入Flood-Fill对RFID标签附着载体进行图像处理和提取，同时，引入SVM对RFID标签分布进行优选配置，属于检测

技术介绍
射频识别(RadioFrequencyIdentification，RFID)作为一种新颖的非接触式自动识别技术，已在现代物流、智能交通、生产自动化等众多领域获得广泛应用，特别在智慧物流中，货物的出入库信息采集与货物盘点应用尤为突出。RFID技术的一个重要的优点就是多目标同时识别，但要实现多目标的同时识别，就要面临如何提高RFID多标签识读性能的问题。在实际的测量中，RFID系统的动态性能受到RFID标签位置的影响很大。如果RFID标签的分布不合理，会产生漏读或误读等现象，甚至发生多标签碰撞，则RFID多目标同时识别的优势将不再存在。因此，优化RFID标签分布位置，从而提高RFID标签读取率，对于RFID技术的发展至关重要。漫水算法(Flood-Fill)是给定联通域内的一个点，以此为起点找到这个联通域的其余所有点并将其填充为指定颜色的一种算法。Flood-Fill算法的优点是算法简单，易于实现，也可以填充带有内孔的平面区域，适用于图像中目标区域的识别。支持向量机(SupportVectorMachine，SVM)的提出是近年来机器学习研究的一项重大成果。SVM方法是建立在统计学习理论的VC维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性(即对特定训练样本的学习精度)和学习能力(即无错误地识别任意样本的能力)之间寻求最佳折中，以求获得最好的推广能力。本专利技术提出一种基于Flood-Fill和SVM的RFID多标签三维最优分布检测方法，通过Flood-Fill算法以及圆形度计算，对纸箱表面的RFID标签进行位置提取，通过SVM神经网络对RFID标签分布下的识读距离进行训练，进一步在RFID标签识读距离下对RFID多标签分布进行预测，从而找出特定RSSI下，RFID多标签的最优分布。
技术实现思路
本专利技术提出一种基于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1-RFID读写器天线、2-RFID读写器、3-升降台、4-RFID标签、5-纸箱、6-相机、7-相机支架、8-托盘、9-控制计算机、10-导轨、11-电机构成，1-RFID读写器天线与2-RFID读写器相连，2-RFID读写器与9-控制计算机相连，6-相机安置在7-相机支架上并对准贴有4-RFID标签的5-纸箱，1-RFID读写器天线安置在3-升降台上方，调整3-升降台，使1-RFID读写器天线的辐射方向正对4-RFID标签，如图1所示；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。以上第二步骤所述的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＝(ri-r0)2+(gi-g0)2+(bi-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。以上第三步骤所述的圆形度η＝P2/A，P为以上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为以上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。以上第六步骤所述的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ai与其中，ε为拟合精度，xi为第i组分布的三维坐标向量，xj为第j组分布的三维坐标向量，yi为第i组分布下RFID标签的RSSI值，K(xi，xj)为核函数K(xi，xj)＝exp{-||xi-xj||2/(2σ2)}，i，j＝1，2，...，k，||·||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，b为最佳分类平面的阈值。附图说明图1：测试平台结构图图2：含有背景噪声的纸箱图像图3：纸箱轮廓提取图像图4：RFID标签提取图像图5：节点三维坐标图图6：不同分布下的RFID标签的RSSI值图7：Lagrange因子具体实施方式一种基于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1-RFID读写器天线、2-RFID读写器、3-升降台、4-RFID标签、5-纸箱、6-相机、7-相机支架、8-托盘、9-控制计算机、10-导轨、11-电机构成，1-RFID读写器天线与2-RFID读写器相连，2-RFID读写器与9-控制计算机相连，6-相机安置在7-相机支架上并对准贴有4-RFID标签的5-纸箱，1-RFID读写器天线安置在3-升降台上方，调整3-升降台，使1-RFID读写器天线的辐射方向正对4-RFID标签，如图1所示；第二步骤：纸箱轮廓提取步骤，托盘上放置纸箱，将四个RFID标签分别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，如图2所示，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，如图3所示；第三步骤：RFID标签位置提取步骤，对以上第二步本文档来自技高网...

【技术保护点】
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。...

【技术特征摘要】
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...

【专利技术属性】
技术研发人员：俞晓磊，于银山，汪东华，钱坤，庄笑，周昱军，孙耀东，赵志敏，
申请(专利权)人：江苏省质量和标准化研究院，
类型：发明
国别省市：江苏,32