【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 ...
【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
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。