【技术实现步骤摘要】
基于深度学习的仓库危化品RFID自动定位系统及方法
[0001]本专利技术涉及危险化学品贮存仓库的安全管理领域,具体地涉及一种基于深度学习的仓库危化品RFID自动定位系统及一种基于深度学习的仓库危化品RFID自动定位方法。
技术介绍
[0002]仓库存储是危险化学品常见的储存环境,其能量集中度高,极易发生泄漏、火灾、爆炸等事故,危化品仓库存储环节历来是危险化学品安全管控的重点关注对象。
[0003]RFID技术已在危化品监管上有所应用,通过在危化品包装上粘贴写有危化品信息标识的电子标签,实现危化品全生命周期的过程跟踪和数据追溯。但传统的RFID电子标签阅读器多基于收发一体架构,阅读器同时承担着对标签下行充电激励和标签上行通信两个功能,读写器发出的激励信号对标签反射信号存在很强的自发自收干扰,因此其通信距离较短,且读写器成本高,无法实现危化品仓库区域内的连续覆盖,因此无法依靠传统RFID电子标签系统实现仓库范围内危化品的实时识别和定位。
[0004]目前,其它对于危化品仓库存储的位置管理手段还包括视频监控、UWB定位、VR建模等手段,但其定位精度、实时性和经济性等方面均有待提高。
技术实现思路
[0005]为解决上述问题,本专利技术实施方式提供一种基于深度学习的仓库危化品RFID自动定位系统及方法。
[0006]为了实现上述目的,本专利技术第一方面提供一种基于深度学习的仓库危化品RFID自动定位系统,所述仓库划分有多个区块,每一区块存储有多个危化品,且每一区块具有对应的区块编号, ...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的仓库危化品RFID自动定位系统,所述仓库划分有多个区块,每一区块存储有多个危化品,且每一区块具有对应的区块编号,其特征在于,所述系统包括:多个RFID激励器,每一区块内对应设置有一个RFID激励器,所述RFID激励器用于受控向所述多个区块发送激励信号;多个RFID电子标签,每一危化品设置有一个RFID电子标签,所述RFID电子标签用于在接收到每一激励信号的情况下发送一标签信号,所述标签信号包含对应危化品的危化品信息;射频接收器,用于接收标签信号,并根据每一标签信号获取对应危化品的危化品信息和标签信号RSSI功率数值集合,并受控将获取的信息上传至数据处理平台;所述数据处理平台,存储有每一区块的区块编号,用于根据接收到的危化品信息和标签信号RSSI功率数值集合,采用基于深度学习的智能定位算法对危化品信息对应的危化品进行定位,得到该危化品的定位结果,所述定位结果包括该危化品所在区块的区块编号。2.根据权利要求1所述的基于深度学习的仓库危化品RFID自动定位系统,其特征在于,所述数据处理平台包括:输入模块,用于选定待定位的危化品;控制模块,用于控制所述RFID激励器和所述射频接收器的信号收发,以及所述射频接收器和所述数据处理平台的数据传输;数据库模块,用于存储区块编号、危化品信息、危化品的标签信号RSSI功率数值集合和定位结果;定位计算模块,内置有基于深度学习的智能定位算法,用于根据接收到的危化品信息和标签信号RSSI功率数值集合,对危化品信息对应的危化品进行定位,得到该危化品的定位结果;输出模块,用于输出并显示所述定位结果。3.根据权利要求2所述的基于深度学习的仓库危化品RFID自动定位系统,其特征在于,所述危化品信息包括该危化品的代码标识,所述代码标识为该危化品的唯一身份标识。4.根据权利要求3所述的基于深度学习的仓库危化品RFID自动定位系统,其特征在于,所述输入模块包括:鼠标和/或键盘,通过输入待定位的危化品的代码标识的方式和/或通过列表选择危化品的代码标识的方式选定待定位的危化品。5.根据权利要求1
‑
4中任一项权利要求所述的基于深度学习的仓库危化品RFID自动定位系统,其特征在于,所述仓库划分有多个区域,每一区域包括多个区块;每一区域内设置有一个射频接收器;所述区块的划分满足一个区块内设置的RFID激励器能激励该区块内所有的RFID电子标签发送标签信号;所述区域的划分满足一个区域内设置的射频接收器能够接收到发送自该区域内所有区块的标签信号。6.一种基于深度学习的仓库危化品RFID自动定位方法,基于权利要求1
‑
5中任一项权利要求所述的基于深度学习的仓库危化品RFID自动定位系统,所述仓库划分有多个区块,每一区块存储有多个危化品,且每一区块具有对应的区块编号,其特征在于,所述方法包括:
响应于用户对待定位的危化品的选定,从获取的仓库中危化品的危化品信息和标签信号RSSI功率数值集合中,提取用户选定的危化品的危化品信息和标签信号RSSI功率数值集合,根据提取的危化品信息和标签信号R...
【专利技术属性】
技术研发人员:于一帆,常庆涛,施红勋,蒋瀚,王建斌,郭峻东,刘瑾萱,
申请(专利权)人:中国石油化工股份有限公司青岛安全工程研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。