CN112417911A - 基于rfid智能优化群检方法 - Google Patents

基于rfid智能优化群检方法 Download PDF

Info

Publication number
CN112417911A
CN112417911A CN202011304557.6A CN202011304557A CN112417911A CN 112417911 A CN112417911 A CN 112417911A CN 202011304557 A CN202011304557 A CN 202011304557A CN 112417911 A CN112417911 A CN 112417911A
Authority
CN
China
Prior art keywords
data
rfid
formula
carrying
training
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011304557.6A
Other languages
English (en)
Inventor
曾志华
张树德
庹荀
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Zhongshifa Intelligent Technology Co ltd
Original Assignee
Guangdong Zhongshifa Intelligent Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong Zhongshifa Intelligent Technology Co ltd filed Critical Guangdong Zhongshifa Intelligent Technology Co ltd
Priority to CN202011304557.6A priority Critical patent/CN112417911A/zh
Publication of CN112417911A publication Critical patent/CN112417911A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/10009—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves
    • G06K7/10297—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves arrangements for handling protocols designed for non-contact record carriers such as RFIDs NFCs, e.g. ISO/IEC 14443 and 18092
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/146—Methods for optical code recognition the method including quality enhancement steps

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Toxicology (AREA)
  • Health & Medical Sciences (AREA)
  • Electromagnetism (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Quality & Reliability (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及RFID技术领域，尤其涉及基于RFID智能优化群检方法，本发明首先通过RFID阅读器进行RFID芯片的数据采集，存储到服务器；对导入的数据进行特征模型训练；通过训练得出的特征模型对导入的数据进行智能优化群检。本发明通过对数据服务器中的通过RFID阅读器进行数据读取存储的数据进行高效的特征训练得到数据模型，通过训练得到的数据模型进行实时的数据筛选，以此挑选出需要利用和有价值的针对性的数据，便于对大型通过RFID技术进行数据获取的数据库的数据实时的训练和获取，以获得需要的特征的数据，起到对数据高效利用的目的。

Description

基于RFID智能优化群检方法
技术领域
本发明涉及RFID技术领域，特别涉及基于RFID智能优化群检方法。
背景技术
“认识世界，建设世界”是人类的一切活动的根本。认识世界靠的是建立模型，建设世界靠的是优化模型。特别是在大数据时代，模型越来越复杂，数据越来越多，优化模型就变得更加重要了。优化模型的算法以及对应的优化思想，它们都存在这一些本质上的局限性，单点的计算使得效率很难提高，向改进的方向迭代很容易就会陷入局部最优，而且对目标函数的各种约束大大限制了优化算法的使用范围。所以，在大规模，分布式的情况下，为了取得更好的训练效果，我们必须对多个模型进行优化，这就用到群智能算法了。
群智能的算法有很多种，但大多数都有一个共性，那就是模仿。比如遗传算法的思想来源于生物进化，粒子群算法来源于鸟群，鱼群或者蜂群的运动规律，模拟退火算法来源于物理学，等等。
RFID(adio Frequency Identification)技术，又称无线射频识别，是一种通信技术，可通过无线电讯号识别特定目标并读写相关数据，而无需识别***与特定目标之间建立机械或光学接触。常用的有低频(125k～134.2K)、高频(13.56Mhz)、超高频，无源等技术。NFC 是一种短距高频的RFID技术，通过频谱中无线频率部分的电磁感应耦合方式传递信号。是由非接触式射频识别(RFID)及互连互通技术整合演变而来的，通过在单一芯片上集成感应式读卡器、感应式卡片和点对点通信的功能，利用移动终端实现移动支付、电子票务、门禁、移动身份识别、防伪等应用。E-paper显示技术，通称为电子显示屏技术，替代传统纸质显示的电子显示屏屏幕，采用电泳显示技术(electrophoresis Display,EPD)作为显示面板，其显示效果接近自然纸张效果。显示内容可以通过计算机发出的指含任意改写，而改写完成后，显示面板并不需要持续供电，且显示内容会一直保持在显示面板上。但是目前对于大批量进行通过RFID进行识别扫描得到的数据通常没有进一步的处理，成为原始数据，在数据导入的过程中，我们需要进行实时的数据筛选、判别和应用，以达到数据的高效利用。
发明内容
本发明针对提出了基于RFID智能优化群检方法，包括如下步骤：
基于RFID智能优化群检方法通过如下步骤实现：
S1：首先通过RFID阅读器进行RFID芯片的数据采集，存储到服务器；
S2：对导入的数据进行特征模型训练；
S3：通过训练得出的特征模型对导入的数据进行智能优化群检。
进一步，S2包括以下步骤：
S2.1：首先手动踢出数据中具有无用特征的数据；
S2.2：确定目标函数为L(x)：如式(1)所示：
L^(x)＝L(x)+α||w||1 式(1)
其中α称为惩罚因子，||w||1表示L1范数
S2.3：对步骤S2.2所得出的数据进行迭代，具体迭代公式如式(2)所示；
θk+1＝θk-α1m∑i＝1m(yi-hθ(xi))xik 式(2)
其中α为学习率
S2.4：对步骤S2.3进行在目标函数后面再加上一个L2范数；具体如式(3)所示；
L(θ)＝12m∑i＝1m(yi-hθ(xi))2+λ2||θ||2 式(3)
S2.5：对步骤S2.4得出的训练模型进行代入服务器中的数据进行群检计算，以得出目标函数训练得到的特征筛选出的数据。
进一步，在在步骤S2.1中首先踢出的是具有不同类标志的字符或者数据不完善的数据串，只留下具有完整数据串和具有被需要的字符特征的数据。
进一步，在步骤S2.2-步骤S2.4中：其中在数据进行迭代计算和数据的导入采集过程中，采用Python代码进行编码实现。
本发明的优点与积极效果在于：通过对数据服务器中的通过RFID阅读器进行数据读取存储的数据进行高效的特征训练得到数据模型，通过训练得到的数据模型进行实时的数据筛选，以此挑选出需要利用和有价值的针对性的数据，便于对大型通过RFID技术进行数据获取的数据库的数据实时的训练和获取，以获得需要的特征的数据，起到对数据高效利用的目的。
附图说明
图1是本发明的方法流程图；
具体实施方式
以下将结合附图和具体实施例对本发明进行详细说明：
本实施例中，S1：首先通过RFID阅读器进行RFID芯片的数据采集，存储到服务器；
S2：对导入的数据进行特征模型训练；
S3：通过训练得出的特征模型对导入的数据进行智能优化群检。
本实施例中，S2包括以下步骤：
S2.1：首先手动踢出数据中具有无用特征的数据；
S2.2：确定目标函数为L(x)：如式(1)所示：
L^(x)＝L(x)+α||w||1 式(1)
其中α称为惩罚因子，||w||1表示L1范数
S2.3：对步骤S2.2所得出的数据进行迭代，具体迭代公式如式(2)所示；
θk+1＝θk-α1m∑i＝1m(yi-hθ(xi))xik 式(2)
其中α为学习率
S2.4：对步骤S2.3进行在目标函数后面再加上一个L2范数；具体如式(3)所示；
L(θ)＝12m∑i＝1m(yi-hθ(xi))2+λ2||θ||2 式(3)
S2.5：对步骤S2.4得出的训练模型进行代入服务器中的数据进行群检计算，以得出目标函数训练得到的特征筛选出的数据。
本实施例中，在在步骤S2.1中首先踢出的是具有不同类标志的字符或者数据不完善的数据串，只留下具有完整数据串和具有被需要的字符特征的数据。
本实施例中，在步骤S2.2-步骤S2.4中：其中在数据进行迭代计算和数据的导入采集过程中，采用Python代码进行编码实现。
以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。本发明未详细描述的技术、形状、构造部分均为公知技术。

Claims (4)

1.基于RFID智能优化群检方法，其特征在于，通过如下步骤实现：
S1：首先通过RFID阅读器进行RFID芯片的数据采集，存储到服务器；
S2：对导入的数据进行特征模型训练；
S3：通过训练得出的特征模型对导入的数据进行智能优化群检。
2.根据权利要求1所述的基于RFID智能优化群检方法，其特征在于，S2包括以下步骤：
S2.1：首先手动踢出数据中具有无用特征的数据；
S2.2：确定目标函数为L(x)：如式(1)所示：
L^(x)＝L(x)+α||w||1 式(1)
其中α称为惩罚因子，||w||1表示L1范数
S2.3：对步骤S2.2所得出的数据进行迭代，具体迭代公式如式(2)所示；
θk+1＝θk-α1m∑i＝1m(yi-hθ(xi))xik 式(2)
其中α为学习率
S2.4：对步骤S2.3进行在目标函数后面再加上一个L2范数；具体如式(3)所示；
L(θ)＝12m∑i＝1m(yi-hθ(xi))2+λ2||θ||2 式(3)
S2.5：对步骤S2.4得出的训练模型进行代入服务器中的数据进行群检计算，以得出目标函数训练得到的特征筛选出的数据。
3.根据权利要求2所述的基于RFID智能优化群检方法，其特征在于，在在步骤S2.1中首先踢出的是具有不同类标志的字符或者数据不完善的数据串，只留下具有完整数据串和具有被需要的字符特征的数据。
4.根据权利要求2所述的基于RFID智能优化群检方法，其特征在于，在步骤S2.2-步骤S2.4中：其中在数据进行迭代计算和数据的导入采集过程中，采用Python代码进行编码实现。
CN202011304557.6A 2020-11-19 2020-11-19 基于rfid智能优化群检方法 Pending CN112417911A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011304557.6A CN112417911A (zh) 2020-11-19 2020-11-19 基于rfid智能优化群检方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011304557.6A CN112417911A (zh) 2020-11-19 2020-11-19 基于rfid智能优化群检方法

Publications (1)

Publication Number Publication Date
CN112417911A true CN112417911A (zh) 2021-02-26

Family

ID=74773688

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011304557.6A Pending CN112417911A (zh) 2020-11-19 2020-11-19 基于rfid智能优化群检方法

Country Status (1)

Country Link
CN (1) CN112417911A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190332854A1 (en) * 2018-04-25 2019-10-31 Shutterfly, Inc. Hybrid deep learning method for recognizing facial expressions
CN110503354A (zh) * 2019-07-02 2019-11-26 北京交通大学 一种基于深度学习的rfid标签位置估计方法
CN110866468A (zh) * 2019-10-30 2020-03-06 上海交通大学 一种基于无源rfid的手势识别***及方法
CN111275025A (zh) * 2020-03-23 2020-06-12 复旦大学 一种基于深度学习的车位检测方法
CN111414982A (zh) * 2020-03-20 2020-07-14 上海哲山科技股份有限公司 一种rfid标签定位方法及装置
CN111564160A (zh) * 2020-04-21 2020-08-21 重庆邮电大学 一种基于aewgan的语音降噪的方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190332854A1 (en) * 2018-04-25 2019-10-31 Shutterfly, Inc. Hybrid deep learning method for recognizing facial expressions
CN110503354A (zh) * 2019-07-02 2019-11-26 北京交通大学 一种基于深度学习的rfid标签位置估计方法
CN110866468A (zh) * 2019-10-30 2020-03-06 上海交通大学 一种基于无源rfid的手势识别***及方法
CN111414982A (zh) * 2020-03-20 2020-07-14 上海哲山科技股份有限公司 一种rfid标签定位方法及装置
CN111275025A (zh) * 2020-03-23 2020-06-12 复旦大学 一种基于深度学习的车位检测方法
CN111564160A (zh) * 2020-04-21 2020-08-21 重庆邮电大学 一种基于aewgan的语音降噪的方法

Similar Documents

Publication Publication Date Title
Tammina Transfer learning using vgg-16 with deep convolutional neural network for classifying images
CN110084281B (zh) 图像生成方法、神经网络的压缩方法及相关装置、设备
Izidio et al. An embedded automatic license plate recognition system using deep learning
CN111079847B (zh) 一种基于深度学习的遥感影像自动标注方法
CN111275107A (zh) 一种基于迁移学习的多标签场景图像分类方法及装置
CN110751037A (zh) 车身颜色识别的方法及终端设备
CN111914612B (zh) 一种基于改进的卷积神经网络的施工图图元自适应识别方法
CN113222139B (zh) 神经网络训练方法和装置、设备，及计算机存储介质
CN112329659A (zh) 基于车辆图像的弱监督语义分割方法及其相关设备
CN105335760A (zh) 一种图像数字字符识别方法
CN111738403B (zh) 一种神经网络的优化方法及相关设备
CN113283404B (zh) 行人属性识别方法、装置、电子设备及存储介质
Choe et al. The Real‐Time Mobile Application for Classifying of Endangered Parrot Species Using the CNN Models Based on Transfer Learning
CN115731422A (zh) 多标签分类模型的训练方法、分类方法及装置
CN113869398B (zh) 一种不平衡文本分类方法、装置、设备及存储介质
KR20190084169A (ko) 단말기 사용자들의 집단 작업을 통한 대량 데이터 생산, 처리, 광고, 설문 시스템과 방법, 그리고 이들을 이용한 인공지능 학습 시스템과 방법
CN112417911A (zh) 基于rfid智能优化群检方法
CN115273110A (zh) 基于TensorRT的文本识别模型部署方法、装置、设备及存储介质
CN115482575A (zh) 一种基于标记分布学习的面部表情识别方法
CN115035313A (zh) 黑颈鹤识别方法、装置、设备及存储介质
Boudraa et al. Combination of local features and deep learning to historical manuscripts dating
CN112926368B (zh) 一种识别障碍物的方法和装置
CN113988223A (zh) 证件图像识别方法、装置、计算机设备及存储介质
CN112418321A (zh) 标志图像的识别方法和装置
Mishra et al. Image classification using machine learning

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20210226

RJ01 Rejection of invention patent application after publication