论文部分内容阅读
近年来，物联网（Internet of Thing，IOT）技术特别是射频识别（Radio FrequencyIdentification, RFID）技术因其具有非接触式的自动完成目标识别等显著优点，而得到了广泛的应用与推广。特别是在第三方物流仓储领域，通过引入物联网技术，可以显著提高企业信息化水平，降低物流成本，提高企业竞争力。但是标签读取率较低等因素，始终制约着RFID技术在第三方物流企业中的大规模应用，同时，物联网技术中的另一大分支——传感技术在物流领域中还缺少较为有效的集成方法。因此，本文针对物联网技术在第三方物流仓储中的应用存在的问题做了以下研究工作：（1）针对当前RFID系统普遍存在读取率较低，可靠性差的问题。本文在分析了国内外研究现状的基础之上，提出了引入智能机器学习技术——支持向量机方法，对读取率影响因素试验进行模拟与预测，进而指导RFID系统部署优化，从而节约人力物力，提高RFID系统可靠性。（2）针对当前RFID技术应用成本以及门槛较高的问题，本文在对第三方物流特点分析的基础之上，构建RFID技术在第三方物流领域应用架构，优化应用流程。通过将RFID以及中间件技术融入物流全程供应链，提高智能化水平，降低企业使用难度。同时，通过对流程进行改造，加入称重校验环节，进一步提高了RFID系统在物流应用中的可靠性。（3）针对传感技术在第三方物流中缺少较为有效集成方法的问题，本文提出了一种温湿度传感器在物流仓储领域中的应用方法，通过将传感技术与传统RFID中间件技术融合扩展为物联网中间件，使得企业可以方便的与传感技术进行集成。本文为物联网技术在第三方物流仓储中的应用提供了新的思路与方法参考，以智能机器学习算法应用解决RFID部署优化问题，是一项大胆而有意义的尝试。测试结果验证了本文所提出的支持向量机学习算法在标签读取率优化问题上的可行性以及物联网技术在第三方物流仓储中的应用方法的可行性。