买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉德挞信息科技(广州)有限公司申请的专利基于深度学习的RFID标签特征提取与识别方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119577418B 。

龙图腾网通过国家知识产权局官网在2025-09-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411781100.2，技术领域涉及：G06F18/213；该发明授权基于深度学习的RFID标签特征提取与识别方法及系统是由陈振东;潘英豪设计研发完成，并于2024-12-05向国家知识产权局提交的专利申请。

本基于深度学习的RFID标签特征提取与识别方法及系统在说明书摘要公布了：本申请涉及RFID标签技术领域，具体公开了一种基于深度学习的RFID标签特征提取与识别方法及系统，方法主要包括：获取RFID读写器转化射频信号为电信号数据，选定特定特征构建第一输入数据，用第一深度学习模型处理得第一识别结果及特征贡献度，据贡献度定重要特征，再获电信号数据，提重要特征构第二输入数据，用第二模型处理得第二识别结果。本申请通过获取RFID电信号数据，选择特定特征构建输入，用深度学习模型识别并优化特征，再处理得最终识别结果，能够显著提高RFID标签的识别准确率，从而大大提高物流信息的追踪效率与可靠性，有助于优化库存管理，有效降低货物丢失的风险，提升整体物流运营的安全性和效率。

本发明授权基于深度学习的RFID标签特征提取与识别方法及系统在权利要求书中公布了：1.基于深度学习的RFID标签特征提取与识别方法，其特征在于，包括： 获取电信号数据；其中，所述电信号数据是RFID读写器对RFID标签返回由射频信号转化而来的，电信号数据包含多种类别的特征； 从所有类别的特征中确定特定特征，构建包含所述特定特征的第一输入数据；特定特征包括以下至少一项：环境参数、标签的特定属性，以及时间戳和位置信息； 采用第一深度学习模型处理所述第一输入数据，得到第一识别结果，以及每种类别的特征对第一识别结果的贡献程度； 根据每种类别的特征对第一识别结果的贡献程度在所有特定特征中确定重要特征包括： 根据每种类别的特征对第一识别结果的贡献程度在所有特定特征中确定相关特征； 构建全部种类相关特征的所有可能子集；其中，每个子集包括至少一个相关特征； 构建数据样本；其中，每个数据样本包含一个种类的子集，所有数据样本包含了所有种类的子集； 逐一采用每个数据样本训练第二深度学习模型； 将训练好的第二深度学习模型应用于验证集或测试集，并计算性能指标； 根据性能指标确定重要特征包括： 筛选出性能指标大于预设第二阈值且特征种类最少的子集； 将筛选出的子集中所包含的相关特征作为重要特征； 获取RFID读写器对RFID标签返回的射频信号的识别结果，根据所述识别结果获取由所述射频信号转换而来的电信号数据； 提取所述电信号数据中的重要特征，构建包含所述重要特征的第二输入数据； 采用第二深度学习模型处理所述第二输入数据，得到第二识别结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人德挞信息科技(广州)有限公司，其通讯地址为：510000 广东省广州市经济技术开发区东区百合三路9号一栋602房；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。