Datamars سیستم شناسایی UHF RFID مبتنی بر هوش مصنوعی را برای بهبود acc راه اندازی کرد
برای مدت طولانی، چالشهای فنی مانع از کاربرد کامل سیستمهای RFID شدهاند، مانند خواندن نادرست برچسبها توسط خوانندگان و نحوه توزیع صحیح قرائتها در مواردی که دائماً در جریان هستند.
استفاده از الگوریتمهای یادگیری ماشین، دقیقترین تشخیص را تا کنون تضمین میکند و راه را برای نسل جدیدی از سیستمهای خواننده هموار میکند. این دقت سیستم خودکار را تضمین می کند: اجتناب از اشتباه خواندن. و شناسایی دقیق منسوجات متحرک بدون ایجاد وقفه در روند کار، و به درستی برچسب زدن به اقلام جریان فله.
![]()
هدف از استفاده از سیستم RFID شناسایی و ردیابی کل چرخه عمر منسوجات، دستیابی به مدیریت دقیق و خودکار موجودی، کاهش تلفات، تولید دادههای شفاف و صورتحسابهای دقیق برای بهبود کارایی نیروی کار و بهبود سودآوری با بهینهسازی چرخه جریان منسوجات و کاهش هزینههای جایگزینی منسوجات از دست رفته است. هر چه دقت سیستم RFID بیشتر باشد، می توان به این مزایا به طور کامل پی برد.
اما آسان نیست. ویژگی فناوری UHF RFID توانایی خواندن برچسبها بدون دید و فواصل طولانی است که به این فناوری اجازه میدهد دستهای از هزاران پارچه را در چند ثانیه بخواند، اما ممکن است به طور تصادفی در اطراف خوانده شود. به برچسب های غیر ضروری، به خصوص زمانی که اقلام پراکنده یا در حال حرکت هستند. این امر دقت جمع آوری داده های RFID را کاهش می دهد.
تاکنون، این مشکل عمدتاً با استفاده از ساختار محافظ مکانیکی یا تنظیم دستی آستانه پارامترهای خواننده برای کنترل و محدود کردن منطقه خواندن تا حد امکان حل شده است. اما در عین حال این روش انعطاف پذیری سیستم RFID را محدود کرده و سرعت عملکرد را کاهش می دهد.
یادگیری ماشین چگونه در RFID اعمال می شود؟
Datamars از فناوری یادگیری ماشین استفاده کرده است RFID تکنولوژی یادگیری ماشینی شاخهای از هوش مصنوعی است که به سیستم امکان یادگیری و بهبود خودکار را از طریق تجربه بدون نیاز به برنامهنویسی صریح میدهد. این به طور فعال مجموعه داده های تولید شده در عمل را بررسی می کند تا الگوهای مشترک را پیدا کند و مدلی برای تصمیم گیری بسازد.
این سیستم از الگوریتمهای یادگیری ماشین و یک شبکه عصبی توسعهیافته برای طبقهبندی هر تگ با استفاده از اطلاعات استخراجشده از دادههای خواندهشده از تمام برچسبهای RFID استفاده میکند. به این ترتیب، سیستم می تواند به جای جلوگیری از خطا با "جلوگیری از خواندن نادرست"، برچسب هایی را که در محدوده نیستند شناسایی و دور بریزد.
علاوه بر این، با استفاده از یک شبکه عصبی آموزش دیده با مقدار زیادی داده، سیستم نیازی به تنظیم دستی آستانه ها و مکانیسم های دیگر ندارد و همچنین به تعداد زیادی فرآیند تنظیم دقیق پیچیده نیاز ندارد. هرچه حجم داده بیشتر باشد، شبکه عصبی دقیقتر و قویتر است، که به راحتی میتواند با محیطهای متعدد، موارد استفاده و تغییرات سازگار شود، که میتواند سرمایهگذاری سختافزاری را نیز کاهش دهد. از آنجایی که همه فرآیندها توسط الگوریتم های نرم افزاری تعیین می شوند، با گذشت زمان، دقت سیستم خواندن نیز با به روز رسانی نرم افزار بدون نیاز به تغییرات سخت افزاری بهبود می یابد.
ریکاردو ماتزولینی، مدیر کل ID نساجی Datamars، گفت: "Datamars یک بار دیگر مرزهای فناوری RFID را شکسته و در استفاده از فناوری یادگیری ماشین هوش مصنوعی در برنامههای لباسشویی پیشگام شده است، سیستم خواندن UHF RFID تجربه کاربری بهتری را در اختیار بازار قرار میدهد."
برای اطلاعات بیشتر لطفا با sales@goldbridgesz.com تماس بگیرید


