本發(fā)明涉及RFID技術(shù)應(yīng)用領(lǐng)域，具體涉及RFID多標(biāo)簽分布配置領(lǐng)域，特別是引入Flood-Fill對RFID標(biāo)簽附著載體進(jìn)行圖像處理和提取，同時，引入SVM對RFID標(biāo)簽分布進(jìn)行優(yōu)選配置，屬于檢測技術(shù)領(lǐng)域。

背景技術(shù)：

射頻識別(Radio Frequency Identification，RFID)作為一種新穎的非接觸式自動識別技術(shù)，已在現(xiàn)代物流、智能交通、生產(chǎn)自動化等眾多領(lǐng)域獲得廣泛應(yīng)用，特別在智慧物流中，貨物的出入庫信息采集與貨物盤點(diǎn)應(yīng)用尤為突出。RFID技術(shù)的一個重要的優(yōu)點(diǎn)就是多目標(biāo)同時識別，但要實(shí)現(xiàn)多目標(biāo)的同時識別，就要面臨如何提高RFID多標(biāo)簽識讀性能的問題。在實(shí)際的測量中，RFID系統(tǒng)的動態(tài)性能受到RFID標(biāo)簽位置的影響很大。如果RFID標(biāo)簽的分布不合理，會產(chǎn)生漏讀或誤讀等現(xiàn)象，甚至發(fā)生多標(biāo)簽碰撞，則RFID多目標(biāo)同時識別的優(yōu)勢將不再存在。因此，優(yōu)化RFID標(biāo)簽分布位置，從而提高RFID標(biāo)簽讀取率，對于RFID技術(shù)的發(fā)展至關(guān)重要。

漫水算法(Flood-Fill)是給定聯(lián)通域內(nèi)的一個點(diǎn)，以此為起點(diǎn)找到這個聯(lián)通域的其余所有點(diǎn)并將其填充為指定顏色的一種算法。Flood-Fill算法的優(yōu)點(diǎn)是算法簡單，易于實(shí)現(xiàn)，也可以填充帶有內(nèi)孔的平面區(qū)域，適用于圖像中目標(biāo)區(qū)域的識別。

支持向量機(jī)(Support Vector Machine，SVM)的提出是近年來機(jī)器學(xué)習(xí)研究的一項(xiàng)重大成果。SVM方法是建立在統(tǒng)計(jì)學(xué)習(xí)理論的VC維理論和結(jié)構(gòu)風(fēng)險最小原理基礎(chǔ)上的，根據(jù)有限的樣本信息在模型的復(fù)雜性(即對特定訓(xùn)練樣本的學(xué)習(xí)精度)和學(xué)習(xí)能力(即無錯誤地識別任意樣本的能力)之間尋求最佳折中，以求獲得最好的推廣能力。

本發(fā)明提出一種基于Flood-Fill和SVM的RFID多標(biāo)簽三維最優(yōu)分布檢測方法，通過Flood-Fill算法以及圓形度計(jì)算，對紙箱表面的RFID標(biāo)簽進(jìn)行位置提取，通過SVM神經(jīng)網(wǎng)絡(luò)對RFID標(biāo)簽分布下的識讀距離進(jìn)行訓(xùn)練，進(jìn)一步在RFID標(biāo)簽識讀距離下對RFID多標(biāo)簽分布進(jìn)行預(yù)測，從而找出特定RSSI下，RFID多標(biāo)簽的最優(yōu)分布。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提出一種基于Flood-Fill和SVM的RFID多標(biāo)簽三維最優(yōu)分布檢測方法，包括以下步驟：

第一步驟：測試平臺搭建步驟，測試平臺由1-RFID讀寫器天線、2-RFID讀寫器、3-升降臺、4-RFID標(biāo)簽、5-紙箱、6-相機(jī)、7-相機(jī)支架、8-托盤、9-控制計(jì)算機(jī)、10-導(dǎo)軌、11-電機(jī)構(gòu)成，1-RFID讀寫器天線與2-RFID讀寫器相連，2-RFID讀寫器與9-控制計(jì)算機(jī)相連，6-相機(jī)安置在7-相機(jī)支架上并對準(zhǔn)貼有4-RFID標(biāo)簽的5-紙箱，1-RFID讀寫器天線安置在3-升降臺上方，調(diào)整3-升降臺，使1-RFID讀寫器天線的輻射方向正對4-RFID標(biāo)簽，如圖1所示；

第二步驟：紙箱輪廓提取步驟，托盤上放置紙箱，將RFID標(biāo)簽隨機(jī)粘貼在紙箱四個側(cè)面，托盤在旋轉(zhuǎn)過程中，相機(jī)對托盤上的紙箱快速掃描，獲得四個側(cè)面含有背景噪聲的紙箱圖像，并利用Flood-Fill算法對含有背景噪聲的紙箱圖像進(jìn)行填充，確定出紙箱四個側(cè)面輪廓；

第三步驟：RFID標(biāo)簽位置提取步驟，對以上第二步驟中獲得的紙箱輪廓進(jìn)行二值化處理得到二值化紙箱圖像，再在二值化紙箱圖像上計(jì)算圓形度找到RFID標(biāo)簽，每一個RFID標(biāo)簽對應(yīng)一個節(jié)點(diǎn)，得到一組節(jié)點(diǎn)的三維坐標(biāo)；

第四步驟：RFID標(biāo)簽的RSSI值測量步驟，貼有RFID標(biāo)簽的紙箱在導(dǎo)軌上由電機(jī)帶動向RFID讀寫器天線方向運(yùn)動，隨著紙箱靠近RFID讀寫器天線，當(dāng)托盤與RFID讀寫器天線的距離到達(dá)設(shè)定距離時，RFID讀寫器天線對RFID標(biāo)簽進(jìn)行讀取，得到RFID標(biāo)簽的RSSI值，存儲于控制計(jì)算機(jī)中；

第五步驟：不同分布下RFID標(biāo)簽的RSSI值測量步驟，重新隨機(jī)布置RFID標(biāo)簽的位置，重復(fù)以上第二、三、四步驟，獲得不同分布下節(jié)點(diǎn)的三維坐標(biāo)及其對應(yīng)的RFID標(biāo)簽的RSSI值，存儲于控制計(jì)算機(jī)中；

第六步驟：預(yù)測RFID標(biāo)簽分布步驟，利用SVM神經(jīng)網(wǎng)絡(luò)對以上第五步驟獲得的節(jié)點(diǎn)三維坐標(biāo)和RFID標(biāo)簽的RSSI值進(jìn)行訓(xùn)練，然后輸入任意RFID標(biāo)簽的RSSI值，根據(jù)訓(xùn)練的SVM神經(jīng)網(wǎng)絡(luò)對節(jié)點(diǎn)的三維坐標(biāo)進(jìn)行預(yù)測，獲得RFID標(biāo)簽的RSSI值對應(yīng)的節(jié)點(diǎn)三維坐標(biāo)。

以上第二步驟所述的Flood-Fill算法，包含以下步驟：

步驟一：紙箱像素點(diǎn)確定步驟，用相機(jī)拍攝沒有背景噪聲的紙箱圖像，在獲得圖像中隨機(jī)選擇一個像素點(diǎn)的RGB顏色值作為標(biāo)準(zhǔn)RGB顏色值(r₀，g₀，b₀)；

步驟二：填充步驟，利用ω＝(r_i-r₀)²+(g_i-g₀)²+(b_i-b₀)²，i＝1，2，...，n依次計(jì)算含有背景噪聲的紙箱圖像中每個像素點(diǎn)與步驟一確定的(r₀，g₀，b₀)之間的方差，若方差小于等于m，則該像素點(diǎn)為紙箱中的像素點(diǎn)，m為顏色閾值，n為含有背景噪聲的紙箱圖像的像素點(diǎn)個數(shù)；

步驟三：紙箱輪廓確定步驟，利用步驟二中確定的紙箱中的所有像素點(diǎn)組成紙箱輪廓。

以上第三步驟所述的圓形度η＝P²/A，P為以上第三步驟中獲得的二值化紙箱圖像上像素為0的區(qū)域的周長，A為以上第三步驟中獲得的二值化紙箱圖像上像素為0的區(qū)域的面積。

以上第六步驟所述的SVM神經(jīng)網(wǎng)絡(luò)訓(xùn)練，包含以下步驟：

步驟一：Lagrange因子計(jì)算步驟，利用SVM神經(jīng)網(wǎng)絡(luò)的優(yōu)化問題

確定Lagrange因子a_i與其中，ε為擬合精度，x_i為第i組分布的三維坐標(biāo)向量，x_j為第j組分布的三維坐標(biāo)向量，y_i為第i組分布下RFID標(biāo)簽的RSSI值，K(x_i，x_j)為核函數(shù)K(x_i，x_j)＝exp{-||x_i-x_j||²/(2σ²)}，i，j＝1，2，...，k，||·||為范數(shù)，k為標(biāo)簽分布組數(shù)，σ為寬度參數(shù)，C為懲罰參數(shù)；

步驟二：RFID標(biāo)簽的RSSI值計(jì)算步驟，利用判別函數(shù)計(jì)算RFID標(biāo)簽的RSSI值，b為最佳分類平面的閾值。

附圖說明

圖1：測試平臺結(jié)構(gòu)圖

圖2：含有背景噪聲的紙箱圖像

圖3：紙箱輪廓提取圖像

圖4：RFID標(biāo)簽提取圖像

圖5：節(jié)點(diǎn)三維坐標(biāo)圖

圖6：不同分布下的RFID標(biāo)簽的RSSI值

圖7：Lagrange因子

具體實(shí)施方式

一種基于Flood-Fill和SVM的RFID多標(biāo)簽三維最優(yōu)分布檢測方法，包括以下步驟：

第一步驟：測試平臺搭建步驟，測試平臺由1-RFID讀寫器天線、2-RFID讀寫器、3-升降臺、4-RFID標(biāo)簽、5-紙箱、6-相機(jī)、7-相機(jī)支架、8-托盤、9-控制計(jì)算機(jī)、10-導(dǎo)軌、11-電機(jī)構(gòu)成，1-RFID讀寫器天線與2-RFID讀寫器相連，2-RFID讀寫器與9-控制計(jì)算機(jī)相連，6-相機(jī)安置在7-相機(jī)支架上并對準(zhǔn)貼有4-RFID標(biāo)簽的5-紙箱，1-RFID讀寫器天線安置在3-升降臺上方，調(diào)整3-升降臺，使1-RFID讀寫器天線的輻射方向正對4-RFID標(biāo)簽，如圖1所示；

第二步驟：紙箱輪廓提取步驟，托盤上放置紙箱，將四個RFID標(biāo)簽分別粘貼在紙箱四個側(cè)面，托盤在旋轉(zhuǎn)過程中，相機(jī)對托盤上的紙箱快速掃描，獲得四個側(cè)面含有背景噪聲的紙箱圖像，如圖2所示，并利用Flood-Fill算法對含有背景噪聲的紙箱圖像進(jìn)行填充，確定出紙箱四個側(cè)面輪廓，如圖3所示；

第三步驟：RFID標(biāo)簽位置提取步驟，對以上第二步驟中獲得的紙箱輪廓進(jìn)行二值化處理得到二值化紙箱圖像，再在二值化紙箱圖像上計(jì)算圓形度找到RFID標(biāo)簽，如圖4所示，圖中數(shù)值15.98、15.76、16.01、15.90代表RFID標(biāo)簽的圓形度，每一個RFID標(biāo)簽對應(yīng)一個節(jié)點(diǎn)，得到一組節(jié)點(diǎn)的三維坐標(biāo)(0.00，21.26，49.38)、(31.75，0.00，42.42)、(55.00，11.71，45.15)、(15.58，55.00，11.84)，如圖5所示；

第四步驟：RFID標(biāo)簽的RSSI值測量步驟，貼有RFID標(biāo)簽的紙箱在導(dǎo)軌上由電機(jī)帶動向RFID讀寫器天線方向運(yùn)動，隨著紙箱靠近RFID讀寫器天線，當(dāng)托盤與RFID讀寫器天線的距離到達(dá)設(shè)定距離2.5m時，RFID讀寫器天線對RFID標(biāo)簽進(jìn)行讀取，得到RFID標(biāo)簽的RSSI值，存儲于控制計(jì)算機(jī)中；

第五步驟：不同分布下RFID標(biāo)簽的RSSI值測量步驟，重新隨機(jī)布置RFID標(biāo)簽的位置，重復(fù)以上第二、三、四步驟，獲得不同分布下節(jié)點(diǎn)的三維坐標(biāo)及其對應(yīng)的RFID標(biāo)簽的RSSI值，存儲于控制計(jì)算機(jī)中，如圖6所示；

第六步驟：預(yù)測RFID標(biāo)簽分布步驟，利用SVM神經(jīng)網(wǎng)絡(luò)對以上第五步驟獲得的節(jié)點(diǎn)三維坐標(biāo)和RFID標(biāo)簽的RSSI值進(jìn)行訓(xùn)練，訓(xùn)練完成后，輸入RFID標(biāo)簽的RSSI值-52.93，根據(jù)訓(xùn)練的SVM神經(jīng)網(wǎng)絡(luò)對節(jié)點(diǎn)的三維坐標(biāo)進(jìn)行預(yù)測，獲得RFID標(biāo)簽的RSSI值對應(yīng)的節(jié)點(diǎn)三維坐標(biāo)(0.00，32.67，27.32)、(12.13，0.00，34.15)、(55.00，11.31，22.72)、(28.44，55.00，29.25)。

以上第二步驟所述的Flood-Fill算法，包含以下步驟：

步驟一：紙箱像素點(diǎn)確定步驟，用相機(jī)拍攝沒有背景噪聲的紙箱圖像，在獲得圖像中隨機(jī)選擇一個像素點(diǎn)的RGB顏色值作為標(biāo)準(zhǔn)RGB顏色值，本實(shí)施例中取(r₀，g₀，b₀)＝(136，118，98)；

步驟二：填充步驟，利用ω＝(r_i-r₀)²+(g_i-g₀)²+(b_i-b₀)²，i＝1，2，...，n依次計(jì)算含有背景噪聲的紙箱圖像中每個像素點(diǎn)與步驟一確定的(r₀，g₀，b₀)之間的方差，本實(shí)施例中取顏色閾值m＝30，含有背景噪聲的紙箱圖像的像素點(diǎn)個數(shù)n＝10⁶，若方差小于等于m，則該像素點(diǎn)為紙箱中的像素點(diǎn)；

步驟三：紙箱輪廓確定步驟，利用步驟二中確定的紙箱中的所有像素點(diǎn)組成紙箱輪廓。

以上第三步驟所述的圓形度η＝P²/A，四個二值化紙箱圖像上像素為0的區(qū)域的周長P分別為1060、1105、1095、1150，四個二值化紙箱圖像上像素為0的區(qū)域的面積A分別為7.0313×10⁴、7.75×10⁴、7.49×10⁴、8.32×10⁴，四個側(cè)面的圓形度為15.98、15.76、16.01、15.90。

以上第六步驟所述的SVM神經(jīng)網(wǎng)絡(luò)訓(xùn)練，包含以下步驟：

步驟一：Lagrange因子計(jì)算步驟，利用SVM神經(jīng)網(wǎng)絡(luò)的優(yōu)化問題

確定Lagrange因子a_i與如圖7所示，其中，擬合精度ε＝0.01，標(biāo)簽分布組數(shù)k＝100，寬度參數(shù)σ＝1，懲罰參數(shù)C＝0.5；

步驟二：RFID標(biāo)簽的RSSI值計(jì)算步驟，本實(shí)施例中，最佳分類平面的閾值b＝0.5，利用判別函數(shù)計(jì)算RFID標(biāo)簽的RSSI值。