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！

申请/专利权人：广州市弘宇科技有限公司

摘要：本发明涉及一种民航物流领域RFID识别设备的运维方法及系统。通过采集设备运行期间的天线状态、工作频率、灵敏度、相位差等参数，以及设备核心位置的温度、湿度、电压、电流等实时工作状态数据，结合设备的历史维护信息、维护人员基本信息、备附件库存情况和设备维修知识图谱等辅助信息，进行数据分析和挖掘，采集设备运行数据和图像信息，采用无监督和有监督学习方法进行特征提取和选择，利用集成学习和深度学习技术如CNN和随机森林进行故障分类和预测。

主权项：1.一种民航物流领域RFID识别设备的运维方法，其特征在于，包括如下步骤：步骤S100、获取射频识别RFID行李识别设备的状态数据，对所述状态数据进行预处理，生成RFID行李识别设备训练数据；步骤S200、构建卷积神经网络模型，根据所述RFID行李识别设备训练数据训练所述卷积神经网络模型，学习故障特征，直至模型收敛；所述构建卷积神经网络模型，根据所述RFID行李识别设备训练数据训练所述卷积神经网络模型，包含：所述卷积神经网络模型预设多个卷积层以适应不同的故障检测场景，每个卷积层执行卷积操作，分别提取RFID行李识别设备的局部故障特征，生成反映局部故障特征的特征图；池化层对特征图进行下采样，降低特征的维度，减少特征图的空间尺寸，同时保留重要的信息；全连接层将前面多个卷积层提取的特征和池化层池化的特征进行整合；步骤S300、将训练好的卷积神经网络模型作为特征提取器，提取多个层次的神经网络特征，分别输入到多个随机森林分类器中进行训练；所述将训练好的卷积神经网络模型作为特征提取器，提取多个层次的神经网络特征，分别输入到多个随机森林分类器中进行训练，包含以下步骤：根据RFID行李识别设备的类型与预设规则，确定拥有局部细节特征的多个卷积层，与拥有全局特征的全连接层；将从多个卷积层以及全连接层中提取的特征，分别输入随机森林分类器进行训练，每个随机森林分类器专注于处理一个层次的特征；在训练过程中，每个随机森林分类器独立地学习和优化其对应的特征子集，从而形成多个基础分类器；步骤S400、通过胜者全取策略，将所述多个随机森林分类器的分类结果整合起来，实现集成学习；步骤S500、获取RFID行李识别设备的实时状态数据，输入到所述卷积神经网络模型，实现对RFID行李识别设备的故障检测和寿命预测。

全文数据：

权利要求：

百度查询： 广州市弘宇科技有限公司 一种民航物流领域RFID识别设备的运维方法及系统