纺织ID从Datamars是一种基于ai技术开启全部潜能的无线电频率识别(RFID)系统。RFID用于识别、跟踪和追踪纺织品在他们的整个生命周期,为工业洗衣房和他们的客户提供优势,亚麻租赁公司,医院,疗养院,酒店,餐馆和其他公司用自己的衣服。
技术挑战防止使射频识别系统。流浪的约束reads-false正确积极的阅读器和标签检测意外的困难将数据分配给移动项目是两个限制。
使用机器学习算法确保迄今最准确的鉴定,为新一代的阅读系统铺平了道路。这保证精密自动化系统:避免杂散读取;识别移动纺织品而不中断工作流;甚至正确地分配标签到物理产品,散装。
射频识别系统的目标是识别和追踪纺织品以及他们的生命周期,允许精确和自动化库存管理和减少损失,透明的生成数据和准确的发票,更高的劳动效率和增加盈利能力的优化纺织周期,并降低成本的替代失去的纺织品。RFID系统精度越高,这些好处是完全实现。
但它不是那么容易。十字架和愉悦的超高频超高频射频识别技术是其阅读能力标签没有视线,从很长一段距离。这使技术阅读成千上万的散装纺织品在几秒钟,但风险意外读的标签在周围地区,特别是当项目是移动。这降低了RFID数据采集的准确性。
直到现在,这个挑战主要是通过包含和限制阅读区域尽可能与机械屏蔽结构或对读者通过手动设置阈值参数。这种方法限制了RFID系统的灵活性和减缓行动。
机器学习应用于RFID如何?
Datamars机器学习技术应用于射频识别技术。机器学习是人工智能的一个分支,提供系统的学习能力和提高自动通过经验和没有被显式地编程。检查所提供的“训练”数据集找到共同的模式,建立一个模型来做决定。
使用机器学习算法和一个特别发达的神经网络,该系统利用信息从数据中提取所有的RFID标签数据对每个标签进行分类。通过这种方式,而不是努力避免杂散读取,系统能够识别并丢弃它们。此外,“好”的标签是正确的联系到合适的项目/纺织,即使他们是在散装和运动。
通过与大量数据训练神经网络,该系统不需要机制,如阈值,设置手动或广泛而复杂的调整过程。的数据量越大,更精确的和健壮的神经网络可以成为,容易适应多种环境,用例,和洗衣的演进。这使较低的硬件投资,因为一切都发生由于软件算法,阅读系统的精度将会改善随着时间的推移,有一个软件更新和没有处理硬件的变化。
”再次Datamars推动射频识别技术的边界建立最先进的纺织洗衣行业标识解决方案,”里卡多Mazzolini说,总经理Datamars纺织ID。”由于我们开创性的使用人工智能在洗衣应用程序中,我们提供的大多数执行超高频RFID读系统市场更加精确、灵活和适应向我们的客户提供明显更好的用户体验。”
