[发明专利]非接触式物品材质和形状识别方法、存储介质及计算设备

说明书

本发明公开了一种非接触式物品材质和形状识别方法、存储介质及计算设备，将待测物品放置在感知平面的指定检测区域，采集RFID阅读器和标签通信过程中各标签的ID、RSS值及相位参数，识别待测物品的形状和材质；进行相似度计算，根据所得结果判定待测物品所属的分类为见过的物品和未见过的物品；若为见过的物品，将采集到的RSS和相位信号进行特征提取得到最优特征，识别待测物品的材质和形状；若为未见过的物品，在隐空间中寻找与待测物品RF特征相似度最接近的文本特征，将文本特征相似度最高的对应文本作为待测物品的识别类别，识别待测物品的材质和形状。本发明成本低，实现跨环境，同时确定物品的形状和材质，识别未见过的即训练集中不存在的物品。

技术领域

本发明属于无线射频识别(RFID)技术领域，具体涉及一种基于被动式RFID标签阵列的非接触式物品材质和形状识别方法、存储介质及计算设备。

背景技术

如今，物品识别系统已广泛应用于日常。在公共场景中，例如工厂、超市、机场和地铁站，为了场所的安全保障，比如工厂的物品分类和管理，超市里的货物登记和装卸，机场和地铁站的旅客身份认证和危险物品检查设施等。这其中无线感知的非接触检测设备有很重要的地位，但是当前的检测设备仍有一些缺陷，同时获得物品的材料和形状仍然是一个挑战。

现有的无线物品识别/使用机器学习的物品识别的研究可以分为如下三类：

基于传统设备：基于传统设备的方法使用X射线检测、红外光谱、紫外光谱检测等手段。该类方法最基础的要求是需要昂贵的专用的精密仪器，有的甚至需要将待测物品进行包装，检测代价较为昂贵，并且不够方便。不同于这些方法，本发明不需要专门的设备，实施过程中也不需要对待测物品进行处理。

基于无线信号：基于无线信号的系统使用声音、RFID、Wi-Fi等信号，并通过机器学习方法来检测物品的材质。但是，这些方法都无法同时确定待测物品的材质和形状，并且无法识别未见过的物品。而本发明可以通过标签阵列非接触地检测物品的材质和形状，无论是见过的物品还是未见过的物品。

基于机器学习的无线识别：近年来，随着机器学习和人工智能的发展，越来越多的识别工作开始使用机器学习，例如人脸识别、手势识别、动作识别等工作。本发明结合多项工作，将他们的优点结合起来，实现了物品材质和形状同时识别的目标。

综上，现有技术方法在应用场合、检测范围以及成本等方面都存在或大或小的问题。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于被动式RFID标签阵列的非接触式物品材质和形状识别方法、存储介质及计算设备，将待测物品放置在一个被动RFID标签阵列前并确定其材质及形状，不需要接触物品，同时设备体积小，从而能够在多种场合进行物品检测以达到期望的目标。

本发明采用以下技术方案：

一种非接触式物品材质和形状识别方法，包括以下步骤：

S1、采用被动式RFID标签阵列平面构建感知平面，对待测物品进行检测，通过计算机采集RFID阅读器和标签通信过程中各标签的ID、RSS值及相位参数，识别待测物品的形状和材质；

S2、根据步骤S1采集的各标签的ID、RSS及相位参数，对各标签数据及参照数据进行相似度计算，将相似度结果与经验阈值进行比较，根据所得结果判定待测物品所属的分类为见过的物品和未见过的物品；

S3、若为见过的物品，将采集到的RSS和相位信号进行特征提取得到最优特征，采用卷积神经网络结合全连接层对待测物品进行分类，识别待测物品的材质和形状；

若为未见过的物品，引入零样本学习思想构造公共隐空间，同时将文本特征和RF信号特征映射到隐空间，在隐空间中寻找与待测物品RF特征相似度最接近的文本特征，将文本特征相似度最高的对应文本作为待测物品的识别类别，识别待测物品的材质和形状。