一种适用于食品供应链的UHF RFID读写器设计

来源 :计算机技术与发展 | 被引量 : 0次 | 上传用户:tsao8883
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
食品供应链中长期存在食品安全隐患,而无线射频识别技术正是解决这一问题的关键方法之一.射频识别技术凭借自身具备的技术和概念优势被广泛应用于各种货品的供应链管理,但由于受到系统设计理念和技术的限制,国内的RFID读写器产品很难推广到食品供应链等普通民用领域.基于这一现状,设计并实现了一种基于UHF RFID的便携式超高频读写器,让安卓手机充当传统读写器的键盘和显示屏.使用Android studio开发手机应用程序,食品在供应链流通过程中工作人员可以通过手机APP远程控制RFID模块与食品中的电子标签进行完整的数据通信.手机底层固件下发指令经由蓝牙模块传入RFID读写模块,读写模块与标签完成选择、盘存操作后读取标签中的数据,从而完成食品与终端设备间的信息交换,实时掌握食品在整个供应链网络中的流通信息.智慧化、信息化食品供应链管理,进一步保障了食品安全.
其他文献
新冠疫情导致全球在线教育异军突起,如何打破时间、空间的限制实时监督学生的在线学习状态随时调整教学策略进而提高学习效率具有重要意义.基于2D与3D图像处理技术,提出了一种在线评估学习状态的方法,将学习者的学习状态分为无人、多人、用户未授权、分心以及疲劳五种.利用AdaBoost算法与ResNet模型实现人脸检测和识别,并加入质心跟踪算法提高人脸识别检测效率;利用RGB-D图像实时获取人脸三维模型,通过EPNP算法获取学习者头部姿态进而评估学习姿态;提取学习者眼睛和嘴巴的实时图像特征,获取学习者眼睛与嘴巴纵横
高压输电线路中绝缘子自爆造成的缺损会严重危害输电线路的安全运行.针对无人机巡检过程中获取的图像光线明暗不定、背景复杂、小目标等因素导致的绝缘子检测难度大、自爆识别准确率低等问题,提出了一种基于串联Faster R-CNN网络的无人机图像中绝缘子检测和自爆识别的算法.该算法分为两个阶段,分别串联使用深度学习中具有强大目标检测能力的Faster R-CNN网络实现对无人机高压输电线路图像中绝缘子自爆的检测和识别.第一阶段使用Faster R-CNN网络检测出无人机高压输电线路图像中绝缘子,第二阶段使用Fast