RFID是一种无线射频识别技术,通过无线电波传输信息,实现自动识别目标物体和获取相关数据。RFID系统主要由标签、阅读器和天线组成。标签附着在目标物体上,包含有关物体的电子信息。阅读器通过天线发送无线电波信号,激活标签并读取其信息。船舶在储运大量物资时,货物种类繁多且大多数为大宗货物,无法对物资进行详细追踪和监管[1]。当RFID技术被应用到船舶物资储运识别过程中,可有效对大宗货物进行识别,进而获得船舶物资当前状态,为海上货物贸易管理提供了有效的技术手段[2]。目前,已有很多学者研究RFID技术在船舶物资储运识别中的应用方法。臧俊斌等[3]提出基于RFID的智能识别方法,该方法利用MIFARE-S50卡的密钥对RFID信号进行加密,并通过RFID信号强度识别方式获得目标位置与目标详细信息,实现目标识别。郭凯敏等[4]提出RFID标签快速可靠识别方法,该方法利用冲突分解协议将未知的RFID标签进行解缠绕处理,再提取并识别冲突时隙中的未知标签,实现目标识别。以上2种方法在船舶物资储运识别中均取得一定成果,但受船舶物资类型较多,其识别物资详细信息较好,但识别物资位置会存在一定偏差。面对上述情况,本文提出一种RFID技术在船舶物资储运识别中的应用方法。
1 基于RFID技术的船舶物资储运识别 1.1 技术框架设计以RFID技术为基础,对船舶物资储运进行识别,可通过在船舶和物资上粘贴预先配置的RFID电子标签,结合读写器和无线传输网络等技术[5],对船舶和物资进行实时识别和位置跟踪,设计基于RFID技术的船舶物资储运识别技术框架,其结构如图1所示。基于RFID技术的船舶物资储运识别技术框架由用户PC端、中心服务器、无线传输网络、控制器、RFID阅读器等组成,其将RFID电子标签粘贴到船舶物资上,利用RFID阅读器读取船舶物资上的电子标签,再通过控制器将电子标签数据传输到无线传输网络内,经由无线传输网络与中心服务器组,将船舶物资电子标签数据存储到后台数据库和用户PC端内,用户通过PC端内船舶物资储运识别方法获得船舶物资储运过程中物资的位置以及详细信息,实现船舶物资的识别。
RFID技术在进行船舶物资储运识别时,依据其RFID标签信号强度与相应位置映射关系,可识别到船舶物资储运过程中的位置,其详细过程如下:
假设在船舶上设置
$ Z = ({Z_1},{Z_2}, \cdots ,{Z_n}) 。$ | (1) |
式中,
同样使用矢量形式描述读写器采集到的船舶物资RFID标签信号强度RSSI值,公式如下:
$ \theta=(\theta_1,\theta_2,\cdots,\theta_n) 。$ | (2) |
式中,
使用欧几里德距离描述任意一个待识别船舶物资RFID标签的相对应距离,表达式如下:
$ {Q_j} = \sqrt {\sum\limits_{i = 1}^n {{{({\theta _i})}^2}} } - \sqrt {\sum\limits_{i = 1}^n {{{({Z_i})}^2}} }。$ | (3) |
式中,
由式(3)可看出,
$ Q = ({Q_1},{Q_2}, \cdots ,{Q_n}) 。$ | (4) |
在对船舶物资储运进行识别时,参考标签摆放位置对采集RFID标签影响较大,若参考标签摆放过于密集,则会使船舶物资RFID标签的信号强度产生互相干扰,影响其识别效果,反之亦然。在此使用k-最近邻算法实现船舶物资储运识别,k-最近邻算法以某个目标作为中心,通过选择合适的邻居去计算待识别目标和参考目标的位置。
对于任意待识别的船舶物资RFID标签,其坐标表达式如下:
$ (x,y) = \sum\limits_{i = 1}^k {{\varpi _i}({x_i},{y_i})} 。$ | (5) |
式中:
第
$ {\varpi _i} = \frac{1}{{Q_i^2}}/\sum\limits_{i = 1}^k {\frac{1}{{Q_i^2}}}。$ | (6) |
将式(6)代入到式(5)即可识别到船舶物资储运过程中物资的位置,但由于船舶物资RFID标签信号强度在传输过程中存在损耗,导致其对船舶物资的定位存在误差,需要对其误差进行修正处理。船舶物资定位误差计算式如下:
$ e = \sqrt {{{(x - {x_0})}^2}} + \sqrt {{{(y - {y_0})}^2}}。$ | (7) |
式中:(x0, y0)表示船舶物资真实位置坐标;
为补偿船舶物资定位误差,建立RFID标签信号传播路径损耗模型,该模型描述信号强度和距离之间的关系,模型表达式如下:
$ U = {U_0} + 10\delta \lg (d/{d_0}) + \zeta 。$ | (8) |
式中:
选择任意3个参考标签,利用式(8)计算参考标签信号强度后,结合待识别船舶物资RFID标签强度数值,建立信号强度矩阵,表达式如下:
$ {\boldsymbol{Z}}' = \left( {\begin{array}{*{20}{c}} {{Z_{11}}}& \ldots &{{Z_{1i}}} \\ \vdots & \ddots & \vdots \\ {{Z_{m1}}}& \cdots &{{Z_{mi}}} \end{array}} \right) 。$ | (9) |
式中,Zmt表示第
利用式(3)计算第
$ \varpi _i{''} = \frac{{k\varpi _i'}}{2} 。$ | (10) |
式中:
将式(10)代入式(5),可获得待识别船舶物资RFID标签的二次定位结果,其表达式如下:
$ (x',y') = \sum\limits_{i = 1}^4 {\varpi _i^{''}({x_i},{y_i})} 。$ | (11) |
式中,
以某海运企业6艘大灵便型散货船舶作为实验对象,该类型船舶的总长为234.90 m,型宽为34.50 m,型深为18.60 m,载重吨为76 000 DWT。其航速为14.20 kn,设计吃水为12.50 m,结构吃水为12.50 m。船舶编码为H1~H6,负责运载玉米与其他货物,本文以玉米货物作为储运物资识别目标,装载玉米共31个集装箱,分别在该31个集装箱和6艘船舶上粘贴RFID电子标签,利用本文方法对玉米货物进行识别,分析验证本文方法实际应用效果。
以任意一艘船舶作为实验对象,使用本文方法获取该船舶上物资RFID电子标签信号强度,获取结果如图2所示。分析可知,利用本文方法可有效获得船舶上物资RFID电子标签信号强度,通过每个物资RFID电子标签信号强度可分析出该物资距离读写器距离,信号强度越大则距离读写器越近。该结果说明:本文方法获得船舶物资RFID电子标签信号强度能力较好,也从侧面说明本文方法对船舶物资储运过程中的物资识别能力较好。
利用本文方法对31个玉米集装箱物资进行识别,识别结果如表1所示。可以清楚地看到,本文所提出的方法可以有效识别不同船舶上的物资,成功追踪到31个玉米集装箱物资所在的运载船舶。结果表明,本文方法具有出色的识别能力和物资追踪能力,能够实现对物资装载船舶的精准监控。这一优势在实际物流和供应链管理中具有重要意义,可更好地掌握货物运输情况,提高物流效率,并为决策提供有力支持。
进一步验证本文方法对船舶物资储运过程中的物资识别能力,以H-4号船舶作为实验对象,使用本文方法对该船舶上的玉米集装箱物资进行识别,识别结果如图3所示。分析可知,利用本文方法可有效识别船舶上玉米集装箱物资位置,识别位置与物资实际位置完全吻合,该结果说明本文方法不仅可识别物资被装载的船舶,还可以识别到物资位于船舶上的位置,为物资追踪管理提供了有效手段,本文方法应用效果较为显著。
RFID技术在船舶物资储运识别中具有广泛的应用前景。通过使用RFID技术,可以快速、准确地识别目标物体,提高管理效率,降低管理成本。此外,RFID技术还可以实现物资的实时追踪和管理,为物流管理和安全运输提供有力支持。为此本文研究RFID技术在船舶物资储运识别中的应用方法,并对本文方法进行实际验证,从验证结果中得知本文方法具备较强的可行性,未来可在船舶运输领域广泛应用。
[1] |
李虎. 交通行业碳达峰愿景下电动船舶的发展[J]. 船舶工程, 2022, 44(11): 76-78,161. LI Hu. Development of electric ship under the vision of carbon peak in transportation industry[J]. Ship Engineering, 2022, 44(11): 76-78,161. |
[2] |
王列辉, 陈萍, 张楠翌. 全球航运服务业的空间分布差异研究[J]. 地理学报, 2023, 78(4): 913-929. WANG Liehui, CHEN Ping, ZHANG Nanyi . Spatial pattern and influencing factors of shipping service industry[J]. Acta Geographica Sinica, 2023, 78(4): 913-929. |
[3] |
臧俊斌, 白洋. 基于RFID二次认证加密的智能识别系统设计[J]. 电子技术应用, 2021, 47(6): 77-81. ZANG Junbin, BAI Yang. Design of twice authentication and encryption intelligent recognition system based on RFID[J]. Application of Electronic Technique, 2021, 47(6): 77-81. |
[4] |
郭凯敏, 谢鑫, 马一杰, 等. 大规模RFID系统中未知标签的快速可靠识别[J]. 计算机工程, 2023, 49(3): 192-202. GUO Kaimin, XIE Xin, MA Yijie, et al. Fast and reliable unknown tag identification for large-scale RFID system[J]. Computer Engineering, 2023, 49(3): 192-202. DOI:10.19678/j.issn.1000-3428.0063654 |
[5] |
谢跃雷, 邓涵方. 基于改进ResNet的射频指纹识别方法[J]. 电讯技术, 2022, 62(4): 416-423. XIE Yuelei, DENG Hanfang. A radio frequency fingerprinting identification method based on improved ResNet[J]. Telecommunication Engineering, 2022, 62(4): 416-423. DOI:10.3969/j.issn.1001-893x.2022.04.002 |
[6] |
王智鹏, 乔记平, 刘儒平, 等. 基于LabVIEW的UHF RFID射频识别系统的设计[J]. 电测与仪表, 2021, 58(1): 196-200. WANG Zhipeng, QIAO Jiping, LIU Ruping, et al. Design of UHF RFID radio frequency identification system based on LabVIEW [J]. Electrical Measurement & Instrumentation, 2021, 58(1): 196-200. |