Inilunsad ng Datamars ang UHF RFID identification system batay sa artificial intelligence upang mapabuti ang acc

Ang layunin ng paggamit ng RFID system ay kilalanin at subaybayan ang buong cycle ng buhay ng mga tela, makamit ang tumpak at automated na pamamahala ng imbentaryo, bawasan ang mga pagkalugi, makabuo ng transparent na data at tumpak na mga singil upang mapabuti ang kahusayan sa paggawa, at mapabuti ang kakayahang kumita sa pamamagitan ng pag-optimize sa ikot ng daloy ng tela, at Bawasan ang halaga ng pagpapalit ng mga nawawalang tela. Kung mas mataas ang katumpakan ng sistema ng RFID, mas lubos na maisasakatuparan ang mga benepisyong ito.

Ngunit hindi ito madali. Ang teknolohiya ng UHF RFID ay nailalarawan sa pamamagitan ng kakayahang magbasa ng mga tag nang walang nakikita at malalayong distansya, na nagpapahintulot sa teknolohiyang ito na basahin ang mga batch ng libu-libong mga tela sa loob ng ilang segundo, ngunit maaari rin itong aksidenteng mabasa sa paligid. Sa mga hindi kinakailangang label, lalo na kapag ang mga bagay ay nakakalat o gumagalaw. Binabawasan nito ang katumpakan ng pagkolekta ng data ng RFID.

Sa ngayon, ang problemang ito ay pangunahing nalutas sa pamamagitan ng paggamit ng mechanical shielding structure o manu-manong pagtatakda ng threshold ng mga parameter ng reader upang makontrol at limitahan ang lugar ng pagbabasa hangga't maaari. Ngunit sa parehong oras, nililimitahan ng pamamaraang ito ang kakayahang umangkop ng sistema ng RFID at binabawasan ang bilis ng pagpapatakbo.

Paano inilalapat ang machine learning sa RFID?

Inilapat ng Datamars ang teknolohiya ng machine learning sa RFID teknolohiya. Ang machine learning ay isang sangay ng artificial intelligence, na nagbibigay sa system ng kakayahang matuto at awtomatikong pagbutihin sa pamamagitan ng karanasan nang hindi nangangailangan ng tahasang programming. Aktibo nitong susuriin ang mga set ng data na nabuo sa pagsasanay upang makahanap ng mga karaniwang pattern at bumuo ng isang modelo upang makagawa ng mga pagpapasya.

Gumagamit ang system ng mga machine learning algorithm at isang espesyal na binuo na neural network upang uriin ang bawat tag gamit ang impormasyong nakuha mula sa data na nabasa mula sa lahat ng RFID tag. Sa ganitong paraan, makikilala at maitatapon ng system ang mga tag na wala sa hanay, sa halip na iwasan ang mga error sa pamamagitan ng "pag-iwas sa maling pagbasa."

Bilang karagdagan, sa pamamagitan ng paggamit ng isang neural network na sinanay na may malaking halaga ng data, ang system ay hindi kailangang manu-manong magtakda ng mga threshold at iba pang mga mekanismo, at hindi rin ito nangangailangan ng isang malaking bilang ng mga kumplikadong proseso ng fine-tuning. Kung mas malaki ang dami ng data, mas tumpak at matatag ang neural network, na madaling umangkop sa maraming kapaligiran, mga kaso ng paggamit, at mga pagbabago, na maaari ring mabawasan ang pamumuhunan sa hardware. Dahil ang lahat ng mga proseso ay tinutukoy ng mga algorithm ng software, sa paglipas ng panahon, ang katumpakan ng sistema ng pagbabasa ay mapapabuti din sa mga pag-update ng software nang hindi na kailangang harapin ang mga pagbabago sa hardware.

Sinabi ni Riccardo Mazzolini, General Manager ng Datamars textile ID: "Muling nasira ng datamars ang mga hangganan ng RFID technology at pinasimunuan ang paggamit ng artificial intelligence machine learning technology sa mga laundry application, na nagbibigay sa merkado ng mas tumpak, flexible at madaling ibagay Ang UHF RFID reading system ay nagbibigay sa mga customer ng mas magandang karanasan ng user."

Para sa higit pang impormasyon, mangyaring makipag-ugnay sa sales@goldbridgesz.com