基于RFID标签阵列对棉花内异物的定位识别
电子技术应用
李彦旭，朱悦诚
江苏大学 电气信息工程学院
摘要： 采用3D空间内RFID标签阵列布局，以感知棉花中异物的数量、位置及类型。以标签的接收信号强度（RSS）和相位为特征量，提出欧几里得距离比算法与最小二乘法以提升定位成功率。基于不同异物对信号特征的差异化影响，构建决策树模型实现异物类型的感知。经实验验证，定位误差优化后控制在5%以内，且能精准识别棉花中的四种异物类型，展现出良好的感知与识别性能。
中图分类号：TP391.45 文献标志码：A DOI: 10.16157/j.issn.0258-7998.256927
中文引用格式： 李彦旭，朱悦诚. 基于RFID标签阵列对棉花内异物的定位识别[J]. 电子技术应用，2026，52(4)：139-143.
英文引用格式： Li Yanxu，Zhu Yuecheng. Positioning and identification of foreign substances in cotton based on RFID tag arrays[J]. Application of Electronic Technique，2026，52(4)：139-143.
中文引用格式： 李彦旭，朱悦诚. 基于RFID标签阵列对棉花内异物的定位识别[J]. 电子技术应用，2026，52(4)：139-143.
英文引用格式： Li Yanxu，Zhu Yuecheng. Positioning and identification of foreign substances in cotton based on RFID tag arrays[J]. Application of Electronic Technique，2026，52(4)：139-143.
Positioning and identification of foreign substances in cotton based on RFID tag arrays
Li Yanxu，Zhu Yuecheng
College of Electrical and Information Engineering，Jiangsu University
Abstract： In this paper, an RFID tag array layout in 3D space is adopted to perceive the quantity, location and type of foreign objects in cotton. Taking the received signal strength (RSS) and phase of the tag as characteristic quantities, the Euclidean distance ratio algorithm and the least square method are proposed to improve the positioning success rate. Based on the differentiated influence of different foreign objects on signal characteristics, a decision tree model is constructed to achieve the perception of foreign object types. Experimental verification shows that the positioning error is controlled within 5% after optimization, and it can accurately identify four types of foreign substances in cotton, demonstrating excellent perception and recognition performance.
Key words : RFID tag array；positioning；decision tree model；identification
引言
粮食在收获运输等环节中易混入金属、岩石等异物。这些异物不仅会影响粮食的加工和食用品质，还可能对生产设备造成损坏，引发食品安全问题。近年来，基于射频的无线传感方法引起了人们的极大关注，应用包括室内场景传感和定位[1-2]、人体姿势监测[3]和湿度传感[4]等。LANDMARC系统[5]借助RFID技术实现建筑物内物体定位，但其采用的定制有源标签成本高且部署难度大。文献[6]中提及的分层分类定位系统，通过将环境划分为多个区域来精准定位目标，此方法可减少分类器训练与预测时的类别数量，从而降低计算复杂度。然而，该系统由于对分类器设计以及训练样本数量的依赖性较强，其稳定性存在一定的风险，这在一定程度上限制了其实际应用的可靠性与广泛性。部分研究者以粗粒度接收信号强度（Received Signal Strength, RSS）作为感知目标的关键指标[7]，然而，该方法的准确性易受到多径效应的显著干扰，从而导致定位精度的下降。与上述工作不同，本文使用RSS和相位作为特征量来感应异物，能够充分利用信号的幅度和相位变化信息，从而提高异物感应的灵敏度和准确性，增强对不同材质和形状异物的识别能力。
本文详细内容请下载：
https://www.chinaaet.com/resource/share/2000007052
作者信息：
李彦旭，朱悦诚
（江苏大学 电气信息工程学院，江苏 镇江212013）
此内容为AET网站原创，未经授权禁止转载。