System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于生物样本试管定位,特别是一种对样本盒内rfid标签精准定位的方法与装置。
技术介绍
1、无线射频识别即射频识别技术(radio frequency identification,rfid),是自动识别技术的一种,主要是利用无线射频方式进行非接触双向数据通信,利用无线射频方式对记录媒体(电子标签或射频卡)进行读写,从而达到识别目标和数据交换的目的。对样本盒内生物样本的识别和定位是实现生物医疗行业自动化的重要环节,传统的生物样本试管管理采用批量扫码器或人工扫码的方式,但在样本保存的低温环境下,试管外壁会结霜,严重影响条形码或二维码的扫描识读,导致定位失败,而人工录入效率较低,且无法避免因操作失败造成样本信息错误的问题。
2、相比之下,rfid技术具有以下显著优势:1、非接触式识别,不受试管外壁条件的影响,可实现高效、准确的识别;2、可同时识别多个目标,实现对大批量试管的快速扫描定位;3、可设置唯一的rfid标签id,确保每个样本可被独立识别。但是,现有技术中,rfid系统可实现对rfid标签的大致定位,但无法达到精确定位的要求。
技术实现思路
1、本专利技术的目的是为了克服上述
技术介绍
的不足,提出一种对样本rfid标签进行识别和定位的方法与装置,克服了条码受环境影响识读失败等的问题,实现了rfid在高密度试管阵列下达到毫米级定位精度。
2、为达到上述目的,本专利技术提供一种对样本盒内rfid标签精准定位的方法,包括以下步骤:
3、(1)
4、(2)数据采集:采集包含rssi、相位和频率三个特征参数的多个数据集,数据集有多个,随机将70%的数据集作为学习样本,并定义每个学习样本对应的实际位置标签,将剩余30%的数据集作为测试集;
5、(3)数据预处理:对采集到的所有数据集进行预处理,包括标准化处理、缺失值填充,以确保数据集的准确性和完整性;
6、(4)样本学习:采用xgboost算法模型训练多分类softprob模型,将学习样本作为输入特征输入至xgboost算法模型,通过xgboost算法模型训练出最优的rfid定位模型;
7、(5)获取预测位置标签:以位置标签作为输出特征,将剩下30%的数据集输入至所述rfid定位模型以输出预测位置标签;
8、(6)模型评估:将预测位置标签和实际位置标签进行对比,得到所述rfid定位模型的准确率;
9、(7)试管定位:将实际采集得到的数据集输入至所述rfid定位模型以输出实际位置标签,该实际位置标签即为试管在样本盒内的实际位置,进而实现试管的精确定位。
10、进一步的,所述rfid标签为uhf标签,使用rfid读写器进行数据采集。
11、进一步的,所述rfid读写器至少具有2个天线,每个天线采集一组特征参数。
12、进一步的,所述数据集还包括特征参数:doppler频移、天线切换序、统计特征、标签姿态角度中的至少一个。
13、进一步的,标准化处理计算公式:标准化后的数据=(标准化前的数据-该数据所在特征平均值)/该数据所在特征标准差;
14、缺失值填充:将rfid未采集到的数据位置填充为该数据所在特征平均值。
15、进一步的,每一个有效学习样本需满足:
16、a)多个个天线对于单个标签的读取值需要同时发生;
17、b)同一时间内,单个标签至少需要满足有三个天线的读取值。
18、进一步的,样本学习得到的所述rfid定位模型是一个二进制的模型。
19、为达到上述目的,本专利技术还提供一种对样本盒内rfid标签精准定位的装置,其用于实现上述对样本盒内rfid标签精准定位的方法,包括样本标签、数据采集模块、计算模块。
20、进一步的,数据采集模块为rfid读写器,所述rfid读写器至少具有2个天线。
21、进一步的,计算模块用于数据预处理、样本学习、获取rfid定位模型。
22、进一步的,计算模块具有包括学习模块和预测模块。
23、本专利技术的有益效果在于:
24、本专利技术采用rfid非接触式识读,可适用于低温条件下试管结霜的环境,克服了条码识读失败的问题,采用xgboost算法模型进行样本学习,得到最优的rfid定位模型,实现了高精度试管定位,明显提升了生物样本管理效率。
本文档来自技高网...【技术保护点】
1.一种对样本盒内RFID标签精准定位的方法,包括以下步骤:
2.根据权利要求1所述的一种对样本盒内RFID标签精准定位的方法,其特征在于,所述RFID标签为UHF标签,使用RFID读写器进行数据采集。
3.根据权利要求1所述的一种对样本盒内RFID标签精准定位的方法,所述RFID读写器至少具有2个天线,每个天线采集一组特征参数。
4.根据权利要求1所述的一种对样本盒内RFID标签精准定位的方法,所述数据集还包括特征参数:Doppler频移、天线切换序、统计特征、标签姿态角度中的至少一个。
5.根据权利要求1所述的一种对样本盒内RFID标签精准定位的方法,标准化处理计算公式:标准化后的数据=(标准化前的数据-该数据所在特征平均值)/该数据所在特征标准差;
6.根据权利要求1所述的一种对样本盒内RFID标签精准定位的方法,每一个有效学习样本需满足:
7.根据权利要求1所述的一种对样本盒内RFID标签精准定位的方法,样本学习得到的所述RFID定位模型是一个二进制的模型。
8.一种对样本盒内RFID标签
9.根据权利要求8所述的一种对样本盒内RFID标签精准定位的装置,计算模块用于数据预处理、样本学习、获取RFID定位模型。
10.根据权利要求8所述的一种对样本盒内RFID标签精准定位的装置,计算模块具有包括学习模块和预测模块。
...【技术特征摘要】
1.一种对样本盒内rfid标签精准定位的方法,包括以下步骤:
2.根据权利要求1所述的一种对样本盒内rfid标签精准定位的方法,其特征在于,所述rfid标签为uhf标签,使用rfid读写器进行数据采集。
3.根据权利要求1所述的一种对样本盒内rfid标签精准定位的方法,所述rfid读写器至少具有2个天线,每个天线采集一组特征参数。
4.根据权利要求1所述的一种对样本盒内rfid标签精准定位的方法,所述数据集还包括特征参数:doppler频移、天线切换序、统计特征、标签姿态角度中的至少一个。
5.根据权利要求1所述的一种对样本盒内rfid标签精准定位的方法,标准化处理计算公式:标准化后的数据=(标准化前的数据-该数据所在特征平均值)/该...
【专利技术属性】
技术研发人员:周叶林,张骞哲,
申请(专利权)人:上海原能细胞生物低温设备有限公司,
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。