【技术实现步骤摘要】
本专利技术涉及物品管理领域，尤其涉及一种基于rfid的储物定位方法及系统。
技术介绍
1、随着电力系统的不断发展，智能设备的不断增加，所需要的备件和工具也不断提升，而且备件和工具物件种类繁杂量大，日常管理核对好数量即可，例如螺丝用量大不可能编写条形码，而智能设备均有标签，需要全流程全寿命进行跟踪，两者管理维度不一样。
2、而基层供电所现有库房管理模式不够智能化和体系化，基层管理人员普遍压力较大，严重影响库房管理的效率和精准度。
技术实现思路
1、为了解决上述问题，本专利技术的目的在于提供一种基于rfid的储物定位方法，提高三级库房管理的效率和精准度，确保设备和备件的有效管理和使用。
2、为实现上述目的，本专利技术采用以下技术方案：
3、一种基于rfid的储物定位方法，包括以下步骤：
4、步骤s1:对三级库房分别设置rfid设备，对于智能表库，为每个智能表设置唯一的rfid标签，并将这些标签与智能表的信息进行关联，记录在智能库存管理系统中，在每个储物柜内安装rfid读写器，用于读取和识别每个智能表的rfid标签信息；对于备件库和工具库中的每个储物柜的柜格，设置存储品类的rfid标签，确保每个柜格都有一个唯一的rfid标签，用于标识存储品类信息；在每个储物柜内安装rfid读写器，用于读取和识别每个柜格的rfid标签信息；
5、步骤s2:根据三级库房的库存信息，基于知识图谱存储物品信息及rfid标签；
6、步骤s3:
7、步骤s4:当智能表被放入或取出储物柜时，使用rfid读写器扫描智能表的rfid标签，更新智能库存管理系统中的库存信息，并记录智能表的状态变化；当备件或工具被放入或取出柜格时，使用rfid读写器扫描货物的rfid标签，更新系统中的库存信息，并记录货物的状态变化；
8、步骤s6:在智能库存管理系统查询时，若查询的是智能表，则根据输入的物品信息，基于知识图谱获取相应的rfid标签信息，并根据rfid标签信息定位相应的物品位置，并在智能库存管理系统显示单元显示图像采集单元采集的相应物品实时图像，若查询的是备件或工具，则基于知识图谱获取相应的rfid标签信息及数量信息，并根据rfid标签信息定位相应的物品位置。
9、进一步的，所述步骤s2具体为：
10、在知识图谱中，首先对物品和rfid标签进行实体建模，每个智能表都作为一个实体，每类备件或工具作为一个实体，而每个rfid标签也作为一个实体，实体之间的关系包括拥有、存储在、属于；
11、对于每个实体，定义其属性，所述智能表属性包括型号、序列号、生产日期；所述rfid标签的属性包括唯一标识号、所属物品，所述每类备件或工具的属性包括型号、序列号、数量；
12、在知识图谱中，建立rfid标签实体与其他实体之间建立关系。
13、进一步的，所述基于图像识别模型进行识别，并与rfid信息进行分析比对具体为：
14、根据采集的智能表图像，采用geodesic k-means提取特征区域，并基于智能表图像识别模型进行识别，得到图像识别结果；
15、采用余弦相似度来比对图像识别结果和rfid信息的相似度，如果计算出的相似度低于设定的阈值，系统将发出异常预警，通知相关人员进行处理。
16、进一步的，所述采用geodesic k-means提取特征区域，具体如下：
17、(1)对智能表的图像进行预处理；
18、(2)随机选择k个像素作为初始的聚类中心；
19、(3)对于每个像素xi，计算它与k个聚类中心cj的地理距离：
20、dij＝geodesicdistance(xi,cj)；
21、其中，geodesicdistance()表示计算地理距离的函数；
22、(4)将像素xi分配到距离最近的聚类中心所属的类别：
23、labe(xi)＝argminjdij；
24、其中，argminjdij表示对于给定的像素点i，找到使得地理距离dij最小的标签j；
25、(5)对每个类别，重新计算聚类中心，即取该类别内所有像素的平均值作为新的聚类中心：
26、
27、其中，sj表示第j个类别内的像素集合，nj表示第j个类别内像素的数量；
28、(6)重复进行(4)和(5)，直到聚类中心不再发生变化或者达到最大迭代次数，在得到图像分割结果后，针对每个区域提取局部特征。
29、进一步的，所述计算地理距离的函数，基于图像的梯度信息计算地理距离，具体如下：
30、使用sobel算子来计算图像中每个像素点的梯度信息，梯度信息表示为两个分量：水平方向的梯度gx和垂直方向的梯度gy；
31、对于每个像素点，计算其梯度幅值：
32、
33、通过计算梯度幅值，得到图像中每个像素点的边缘信息；
34、使用得到的边缘强度信息构建一个边缘图像，将边缘强度大于阈值的像素点设为1，其余像素点设为0，从而得到一个二值化的边缘图像；
35、对于二值化的边缘图像，使用以下公式计算每个像素点到最近边缘的距离：
36、d(xb,yb)＝min(|xb-xb'|+|yb-yb'|)；
37、其中，(xb',yb')是图像中的边缘像素点的坐标，d(xb,yb)是像素点(xb,yb)到最近边缘的距离。
38、进一步的，所述在得到图像分割结果后，针对每个区域提取局部特征，具体如下：
39、对于每个分割区域，计算其颜色直方图，包括rgb通道的直方图或hsv通道的直方图，对于每个分割区域，遍历其中的像素点；
40、统计每个像素点的颜色值，并根据颜色值将像素点分到不同的颜色区间。
41、统计每个颜色区间内的像素点数量，得到颜色直方图；
42、
43、其中，hc表示颜色c的直方图值，nh表示该区域内的像素点数量，ci表示第i个像素点的颜色值，delta()是指示函数；
44、通过计算每个颜色通道的直方图，得到该区域的颜色特征；
45、对于每个分割区域，计算其灰度共生矩阵,通过统计灰度共生矩阵的特征值，得到该区域的纹理特征：
46、t＝f(glcm)；
47、其中，t表示纹理特征，f表示从灰度共生矩阵glcm提取特征的函数；
48、设图像的灰度级别范围为0到g-1，灰度共生矩阵glcm(d,θ)的元素glcm(ig,jg)表示了在距离为d、角度为θ的方向上，灰度级别为ig的像素和灰度级别为jg的像素同时出现的概率。
本文档来自技高网...【技术保护点】
1.一种基于RFID的储物定位方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于RFID的储物定位方法，其特征在于，所述步骤S2具体为：
3.根据权利要求1所述的一种基于RFID的储物定位方法，其特征在于，所述基于图像识别模型进行识别，并与RFID信息进行分析比对具体为：
4.根据权利要求3所述的一种基于RFID的储物定位方法，其特征在于，所述采用Geodesic k-means提取特征区域，具体如下：
5.根据权利要求4所述的一种基于RFID的储物定位方法，其特征在于，所述计算地理距离的函数，基于图像的梯度信息计算地理距离，具体如下：
6.根据权利要求4所述的一种基于RFID的储物定位方法，其特征在于，所述在得到图像分割结果后，针对每个区域提取局部特征，具体如下：
7.根据权利要求6所述的一种基于RFID的储物定位方法，其特征在于，所述
8.根据权利要求3所述的一种基于RFID的储物定位方法，其特征在于，所述智能表图像识别模型基于支持向量机构建，具体如下：
9.一种基
...【技术特征摘要】
1.一种基于rfid的储物定位方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于rfid的储物定位方法，其特征在于，所述步骤s2具体为：
3.根据权利要求1所述的一种基于rfid的储物定位方法，其特征在于，所述基于图像识别模型进行识别，并与rfid信息进行分析比对具体为：
4.根据权利要求3所述的一种基于rfid的储物定位方法，其特征在于，所述采用geodesic k-means提取特征区域，具体如下：
5.根据权利要求4所述的一种基于rfid的储物定位方法，其特征在于，所述计算地理距离的函数，基于图像的梯度信息计算地理距离，具...
【专利技术属性】
技术研发人员：黄春竹，周厚源，张荔鹃，洪巧文，柳玉銮，林靖翔，林建林，蒋海峰，魏利龙，林灵韵，
申请(专利权)人：国网福建省电力有限公司，
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。