डेटामर्स ने एसीसी में सुधार के लिए कृत्रिम बुद्धिमत्ता पर आधारित यूएचएफ आरएफआईडी पहचान प्रणाली लॉन्च की

आरएफआईडी प्रणाली का उपयोग करने का लक्ष्य वस्त्रों के संपूर्ण जीवन चक्र की पहचान करना और ट्रैक करना, सटीक और स्वचालित इन्वेंट्री प्रबंधन प्राप्त करना, घाटे को कम करना, श्रम दक्षता में सुधार के लिए पारदर्शी डेटा और सटीक बिल उत्पन्न करना और कपड़ा प्रवाह चक्र को अनुकूलित करके लाभप्रदता में सुधार करना और खोए हुए वस्त्रों को बदलने की लागत को कम करना है। आरएफआईडी प्रणाली की सटीकता जितनी अधिक होगी, इन लाभों को उतना ही अधिक पूरा किया जा सकता है।

लेकिन यह आसान नहीं है. यूएचएफ आरएफआईडी तकनीक की विशेषता बिना दृष्टि और लंबी दूरी के टैग को पढ़ने की क्षमता है, जो इस तकनीक को कुछ ही सेकंड में हजारों वस्त्रों के बैच को पढ़ने की अनुमति देती है, लेकिन इसे आसपास के क्षेत्र में गलती से भी पढ़ा जा सकता है। अनावश्यक लेबलों पर, विशेषकर जब वस्तुएँ बिखरी हुई हों या हिल रही हों। इससे आरएफआईडी डेटा संग्रह की सटीकता कम हो जाती है।

अब तक, इस समस्या को मुख्य रूप से यांत्रिक परिरक्षण संरचना का उपयोग करके या पढ़ने के क्षेत्र को यथासंभव नियंत्रित और सीमित करने के लिए पाठक मापदंडों की सीमा को मैन्युअल रूप से सेट करके हल किया जाता है। लेकिन साथ ही, यह विधि आरएफआईडी प्रणाली के लचीलेपन को सीमित करती है और ऑपरेटिंग गति को कम करती है।

मशीन लर्निंग को आरएफआईडी पर कैसे लागू किया जाता है?

डेटामार्स ने मशीन लर्निंग तकनीक को लागू किया है आरएफआईडी तकनीकी। मशीन लर्निंग कृत्रिम बुद्धिमत्ता की एक शाखा है, जो सिस्टम को स्पष्ट प्रोग्रामिंग की आवश्यकता के बिना अनुभव के माध्यम से स्वचालित रूप से सीखने और सुधार करने की क्षमता प्रदान करती है। यह सामान्य पैटर्न खोजने और निर्णय लेने के लिए एक मॉडल बनाने के लिए व्यवहार में उत्पन्न डेटा सेट की सक्रिय रूप से जांच करेगा।

सिस्टम सभी आरएफआईडी टैग से पढ़े गए डेटा से निकाली गई जानकारी का उपयोग करके प्रत्येक टैग को वर्गीकृत करने के लिए मशीन लर्निंग एल्गोरिदम और एक विशेष रूप से विकसित तंत्रिका नेटवर्क का उपयोग करता है। इस तरह, सिस्टम "गलत पढ़ने से बचने" के द्वारा त्रुटियों से बचने के बजाय, उन टैगों की पहचान कर सकता है और उन्हें हटा सकता है जो सीमा में नहीं हैं।

इसके अलावा, बड़ी मात्रा में डेटा के साथ प्रशिक्षित तंत्रिका नेटवर्क का उपयोग करके, सिस्टम को थ्रेसहोल्ड और अन्य तंत्रों को मैन्युअल रूप से सेट करने की आवश्यकता नहीं होती है, न ही इसे बड़ी संख्या में जटिल फाइन-ट्यूनिंग प्रक्रियाओं की आवश्यकता होती है। डेटा की मात्रा जितनी बड़ी होगी, तंत्रिका नेटवर्क उतना ही अधिक सटीक और मजबूत होगा, जो आसानी से कई वातावरणों, उपयोग के मामलों और परिवर्तनों के अनुकूल हो सकता है, जो हार्डवेयर निवेश को भी कम कर सकता है। चूंकि सभी प्रक्रियाएं सॉफ़्टवेयर एल्गोरिदम द्वारा निर्धारित की जाती हैं, समय के साथ, हार्डवेयर परिवर्तनों से निपटने के बिना सॉफ़्टवेयर अपडेट के साथ रीडिंग सिस्टम की सटीकता में भी सुधार होगा।

डेटामर्स टेक्सटाइल आईडी के महाप्रबंधक, रिकार्डो मैज़ोलिनी ने कहा: "डेटामार्स ने एक बार फिर आरएफआईडी तकनीक की सीमाओं को तोड़ दिया है और कपड़े धोने के अनुप्रयोगों में कृत्रिम बुद्धिमत्ता मशीन लर्निंग तकनीक के उपयोग का बीड़ा उठाया है, जो बाजार को अधिक सटीक, लचीला और अनुकूलनीय प्रदान करता है। यूएचएफ आरएफआईडी रीडिंग सिस्टम ग्राहकों को बेहतर उपयोगकर्ता अनुभव प्रदान करता है।"

अधिक जानकारी के लिए कृपया sales@goldbridgesz.com पर संपर्क करें