公开(公告)号：CN110503354A

公开(公告)日：2019-11-26

申请号：CN201910591425.7

申请日：2019-07-02

Applicant: 北京交通大学

Inventor： 刘铭 ,  刘念 ,  薛文元 ,  魏兰兰 ,  李清勇 ,  王浩业 ,  冀京秋 ,  王晗炜 ,  杨涵晨 ,  孙汉武

IPC: G06Q10/08 ,  G06K17/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于深度学习的RFID标签位置估计方法，包括CNN网络模型训练方法以及基于深度学习的RFID标签位置估计算法使用方法：CNN网络模型训练方法包括：S11，输入训练数据集；S12，进行数据预处理操作；S13，构建并训练CNN网络模型；S14，输出CNN网络模型的参数；基于深度学习的RFID标签位置估计算法使用方法包括：S21，输入实际采样数据；S22，对输入的实际采样数据进行预处理操作；S23，利用网络模型进行位置估计；S24，利用CNN网络模型对RFID标签位置估计结果。本发明能识别出RFID标签在传送带上的相对位置，实现对多个标签先后次序的准确估计，为自动分拣提供可靠的信息。

公开(公告)号：CN110503354B

公开(公告)日：2021-11-23

申请号：CN201910591425.7

申请日：2019-07-02

Applicant: 北京交通大学

Inventor： 刘铭 ,  刘念 ,  薛文元 ,  魏兰兰 ,  李清勇 ,  王浩业 ,  冀京秋 ,  王晗炜 ,  杨涵晨 ,  孙汉武

IPC: G06Q10/08 ,  G06K17/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于深度学习的RFID标签位置估计方法，包括CNN网络模型训练方法以及基于深度学习的RFID标签位置估计算法使用方法：CNN网络模型训练方法包括：S11，输入训练数据集；S12，进行数据预处理操作；S13，构建并训练CNN网络模型；S14，输出CNN网络模型的参数；基于深度学习的RFID标签位置估计算法使用方法包括：S21，输入实际采样数据；S22，对输入的实际采样数据进行预处理操作；S23，利用网络模型进行位置估计；S24，利用CNN网络模型对RFID标签位置估计结果。本发明能识别出RFID标签在传送带上的相对位置，实现对多个标签先后次序的准确估计，为自动分拣提供可靠的信息。