智能仓储技术是机器人化智能制造的未来发展的重要组成部分。在机器人化智能制造过程中,智能仓储技术能提高仓储管理工作效率、降低投入成本,是其中重要的一环。RFID（Radio Frequency Identification）传感器是物联网的核心组成部分,具有唯一ID识别、非视距传播、不受光照影响、成本较低等诸多优势。近年来,由于RFID传感器的独特优势,其在出入库盘点、物流接驳、智能仓储管理等应用场景下得到越来越广泛的应用而显示出巨大的潜力。基于RFID通道门的出入库盘点中,标签假阳性识别是一个普遍问题。针对现有在RFID通道门场景下出入库识别技术中的标签假阳性读取问题,本学位论文提出了基于RFID相位的标签识别方法,并完成其工程化,基于理论研究在实验室环境下搭建工业级别的RFID通道门系统,主要研究工作包括:研究了RFID相位信号预处理方法。根据RFID系统采集的信息,研究了RFID相位信号的预处理方法,包括相位插值算法、相位解缠方法。并分析了智能仓储工况及RFID信号特点,介绍了基于合成孔径雷达的RFID定位方法思想,为后文的标签识别方法提供理论基础。提出了基于深度神经网络的标签分类方法。构建了深度残差网络模型,通过离线采集RFID相位数据,并进行预处理和标签类别的标记;将处理完成的数据输入到神经网络模型中,进行离线训练,得到神经网络分类器;然后进行RFID标签在线识别,区分目标标签和干扰标签;并在实验室环境下搭建平台验证该算法。提出了基于相位序列互相关函数的标签分类方法。在线采集RFID相位数据,经过预处理方法后与先验的目标标签和干扰标签相位序列计算互相关系数,根据得到的互相关系数区分目标标签和干扰标签;并在实验室环境下搭建平台验证该算法。开展了实验室中工业级智能制造系统RFID通道门的实验验证,在本文所提出的标签识别方法的基础上,搭建软硬件系统,在实验室环境下进行了实验验证,表明本文所提出的方法能很好地应用与实际工业环境,具有广泛的应用前景和需求。