非接触式物品材质和形状识别方法、存储介质及计算设备技术

本发明专利技术公开了一种非接触式物品材质和形状识别方法、存储介质及计算设备，将待测物品放置在感知平面的指定检测区域，采集RFID阅读器和标签通信过程中各标签的ID、RSS值及相位参数，识别待测物品的形状和材质；进行相似度计算，根据所得结果判定待测物品所属的分类为见过的物品和未见过的物品；若为见过的物品，将采集到的RSS和相位信号进行特征提取得到最优特征，识别待测物品的材质和形状；若为未见过的物品，在隐空间中寻找与待测物品RF特征相似度最接近的文本特征，将文本特征相似度最高的对应文本作为待测物品的识别类别，识别待测物品的材质和形状。本发明专利技术成本低，实现跨环境，同时确定物品的形状和材质，识别未见过的即训练集中不存在的物品。

【技术实现步骤摘要】
非接触式物品材质和形状识别方法、存储介质及计算设备
本专利技术属于无线射频识别(RFID)
，具体涉及一种基于被动式RFID标签阵列的非接触式物品材质和形状识别方法、存储介质及计算设备。
技术介绍
如今，物品识别系统已广泛应用于日常。在公共场景中，例如工厂、超市、机场和地铁站，为了场所的安全保障，比如工厂的物品分类和管理，超市里的货物登记和装卸，机场和地铁站的旅客身份认证和危险物品检查设施等。这其中无线感知的非接触检测设备有很重要的地位，但是当前的检测设备仍有一些缺陷，同时获得物品的材料和形状仍然是一个挑战。现有的无线物品识别/使用机器学习的物品识别的研究可以分为如下三类：基于传统设备：基于传统设备的方法使用X射线检测、红外光谱、紫外光谱检测等手段。该类方法最基础的要求是需要昂贵的专用的精密仪器，有的甚至需要将待测物品进行包装，检测代价较为昂贵，并且不够方便。不同于这些方法，本专利技术不需要专门的设备，实施过程中也不需要对待测物品进行处理。基于无线信号：基于无线信号的系统使用声音、RFID、Wi-Fi等信号，并通过机器学习方法来检测物品的材质。但是，这些方法都无法同时确定待测物品的材质和形状，并且无法识别未见过的物品。而本专利技术可以通过标签阵列非接触地检测物品的材质和形状，无论是见过的物品还是未见过的物品。基于机器学习的无线识别：近年来，随着机器学习和人工智能的发展，越来越多的识别工作开始使用机器学习，例如人脸识别、手势识别、动作识别等工作。本专利技术结合多项工作，将他们的优点结合起来，实现了物品材质和形状同时识别的目标。综上，现有技术方法在应用场合、检测范围以及成本等方面都存在或大或小的问题。
技术实现思路
本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于被动式RFID标签阵列的非接触式物品材质和形状识别方法、存储介质及计算设备，将待测物品放置在一个被动RFID标签阵列前并确定其材质及形状，不需要接触物品，同时设备体积小，从而能够在多种场合进行物品检测以达到期望的目标。本专利技术采用以下技术方案：一种非接触式物品材质和形状识别方法，包括以下步骤：S1、采用被动式RFID标签阵列平面构建感知平面，对待测物品进行检测，通过计算机采集RFID阅读器和标签通信过程中各标签的ID、RSS值及相位参数，识别待测物品的形状和材质；S2、根据步骤S1采集的各标签的ID、RSS及相位参数，对各标签数据及参照数据进行相似度计算，将相似度结果与经验阈值进行比较，根据所得结果判定待测物品所属的分类为见过的物品和未见过的物品；S3、若为见过的物品，将采集到的RSS和相位信号进行特征提取得到最优特征，采用卷积神经网络结合全连接层对待测物品进行分类，识别待测物品的材质和形状；若为未见过的物品，引入零样本学习思想构造公共隐空间，同时将文本特征和RF信号特征映射到隐空间，在隐空间中寻找与待测物品RF特征相似度最接近的文本特征，将文本特征相似度最高的对应文本作为待测物品的识别类别，识别待测物品的材质和形状。具体的，步骤S1中，被动式RFID标签阵列中两个相邻标签相互垂直排列，标签阵列规格为7×7，两个相邻标签的方向为面对RFID阅读器天线且相互垂直，RFID阅读器天线与标签阵列平行放置且同时垂直于地面。具体的，各标签的RSS和相位信号phase表示为：RSS＝20·log|STag|phase＝θT+θpath+θtag其中，STag为阅读器天线最终接收到的反射信号，θT为天线所发射的信号的相位值，θpath为信号从天线到标签再从标签返回阅读器天线所产生的相位偏移，即路径所产生的相位偏移，θtag为标签自身硬件产生的相位偏移。具体的，步骤S2中，采集6种功率下的物品信号；采用多通道方式对不同物品在不同频率下的数据进行分析；并通过注意力机制挑选最优的通道数据实现跨环境识别，计算采集数据特征和已见过物品数据特征的余弦相似度，确定物品属于见过的物品或是未见过的物品。进一步的，判断待测物品分类的计算公式如下：其中，ΔR为标签阵列感知见过的物品时两两相邻标签的RSS信号差值，ΔP为标签阵列感知见过的物品时两两相邻标签的相位信号差值，S是为见过的物品种类集合，D为余弦相似度，为标签阵列感知见过的物品时两两相邻标签的RSS信号的差值，为标签阵列感知见过的物品时两两相邻标签的相位信号的差值，tR，tP分别为两个经验阈值。具体的，步骤S3中，若为见过的物品，使用U-Net网络进行物品成像，在训练阶段，输入前一层全连接层输出的64×64的特征，网络自动学习对应特征与物品掩膜间像素间的特征，当U-Net网络获得提取像素特征的能力后，输入RF信号并产生待测物品的形状，掩膜和预测到的图像间的损失函数如下：其中，σ为sigmoid函数，Ls为掩膜和预测到的图像间的损失函数，为掩膜，为预测到的图像；采用三维卷积神经网络和全连接层进行物品材质识别，材质识别网络损失函数如下：其中，为物品真实的label，为预测的种类。具体的，步骤S3中，若为未见过的物品，建立公共的隐空间寻找最近邻的文本作为预测结果，对于待测物品的RF特征xL和文本特征zL，隐空间中采用余弦相似度拉近RF特征xL和文本特征zL的距离Lalg；引入三元组损失函数，使得RF特征xL和文本特征zL间的距离比RF特征xL和其他种类之间的距离更小，通过零样本训练使得整体损失最小，采用IOU算法计算形状准确率，若两个图像完全重合，则IOU为1。进一步的，未见过的材质-形状对的损失函数Lob如下：Lob＝αLs+βLm其中，α和β为不同损失函数的权重，Ls为掩膜和预测到的图像间的损失函数，Lm为材质识别网络材质的损失函数；RF特征xL和文本特征zL的距离Lalg为：零样本训练的损失函数为：Lzsl＝γLalg+κLtri+mLmc+ωLω其中，γ,κ,m,ω均为超参数，为RF特征和文本特征的距离，Ltri为三元组损失函数，Lmc和Lω为两个交叉熵损失函数。本专利技术的另一个技术方案是，一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行所述的方法中的任一方法。本专利技术的另一个技术方案是，一种计算设备，包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行所述的方法中的任一方法的指令。与现有技术相比，本专利技术至少具有以下有益效果：本专利技术一种非接触式物品材质和形状识别方法，将一个标签阵列作为感知检测平面，物品在标签阵列前放置进行非接触式检测，对于不同的物品射频信号将会产生相应的变化，将采集到的数据进行处理并使用深度神经网络进行分类来达到识别的目的，不需要提前对某些待测物品进本文档来自技高网...

【技术保护点】
1.非接触式物品材质和形状识别方法，其特征在于，包括以下步骤：/nS1、采用被动式RFID标签阵列平面构建感知平面，对待测物品进行检测，通过计算机采集RFID阅读器和标签通信过程中各标签的ID、RSS值及相位参数，识别待测物品的形状和材质；/nS2、根据步骤S1采集的各标签的ID、RSS及相位参数，对各标签数据及参照数据进行相似度计算，将相似度结果与经验阈值进行比较，根据所得结果判定待测物品所属的分类为见过的物品和未见过的物品；/nS3、若为见过的物品，将采集到的RSS和相位信号进行特征提取得到最优特征，采用卷积神经网络结合全连接层对待测物品进行分类，识别待测物品的材质和形状；/n若为未见过的物品，引入零样本学习思想构造公共隐空间，同时将文本特征和RF信号特征映射到隐空间，在隐空间中寻找与待测物品RF特征相似度最接近的文本特征，将文本特征相似度最高的对应文本作为待测物品的识别类别，识别待测物品的材质和形状。/n

【技术特征摘要】
1.非接触式物品材质和形状识别方法，其特征在于，包括以下步骤：
S1、采用被动式RFID标签阵列平面构建感知平面，对待测物品进行检测，通过计算机采集RFID阅读器和标签通信过程中各标签的ID、RSS值及相位参数，识别待测物品的形状和材质；
S2、根据步骤S1采集的各标签的ID、RSS及相位参数，对各标签数据及参照数据进行相似度计算，将相似度结果与经验阈值进行比较，根据所得结果判定待测物品所属的分类为见过的物品和未见过的物品；
S3、若为见过的物品，将采集到的RSS和相位信号进行特征提取得到最优特征，采用卷积神经网络结合全连接层对待测物品进行分类，识别待测物品的材质和形状；
若为未见过的物品，引入零样本学习思想构造公共隐空间，同时将文本特征和RF信号特征映射到隐空间，在隐空间中寻找与待测物品RF特征相似度最接近的文本特征，将文本特征相似度最高的对应文本作为待测物品的识别类别，识别待测物品的材质和形状。


2.根据权利要求1所述的非接触式物品材质和形状识别方法，其特征在于，步骤S1中，被动式RFID标签阵列中两个相邻标签相互垂直排列，标签阵列规格为7×7，两个相邻标签的方向为面对RFID阅读器天线且相互垂直，RFID阅读器天线与标签阵列平行放置且同时垂直于地面。


3.根据权利要求1所述的非接触式物品材质和形状识别方法，其特征在于，各标签的RSS和相位信号phase表示为：
RSS＝20·log|STag|
phase＝θT+θpath+θtag
其中，STag为阅读器天线最终接收到的反射信号，θT为天线所发射的信号的相位值，θpath为信号从天线到标签再从标签返回阅读器天线所产生的相位偏移，即路径所产生的相位偏移，θtag为标签自身硬件产生的相位偏移。


4.根据权利要求1所述的非接触式物品材质和形状识别方法，其特征在于，步骤S2中，采集6种功率下的物品信号；采用多通道方式对不同物品在不同频率下的数据进行分析；并通过注意力机制挑选最优的通道数据实现跨环境识别，计算采集数据特征和已见过物品数据特征的余弦相似度，确定物品属于见过的物品或是未见过的物品。


5.根据权利要求4所述的非接触式物品材质和形状识别方法，其特征在于，判断待测物品分类的计算公式如下：



其中，ΔR为标签阵列感知见过的物品时两两相邻标签的RSS信号差值，ΔP为标签阵列感知见过的物品时两两相邻标签的相位信号差值，S是为见过的物品种类集合，D为余弦相似度，为标签阵列感知见过的物品时两两相邻标签的RSS信...

【专利技术属性】
技术研发人员：丁菡，侯松江，翟临威，赵衰，王鸽，惠维，赵鲲，赵季中，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61