电容补偿型硬标签质检技术设计与实现

合格的硬标签是电子商品防盗系统(Electronic Article Surveillance,EAS)可靠工作的基础。此类标签电路由线圈和电容串联而成,其组成的LC谐振频率F是硬标签关键参数。在研制全自动硬标签生产设备中,对其在线质检技术尤为关键。针对现有单、双线圈检测标签F存在的不足,设计了电容补偿型非接触单线圈式硬标签F检测技术。基于Proteus软件频率分析功能,对此检测方法的等效电路模型进行仿真,验证了方法的可行性。同时,设计MSP430F149处理器为核心的硬标签F测量的软硬件,对其信号处理单元电路的功能也进行Proteus仿真验证,达到预期效果。此检测技术的实测效果表明,测量硬标签F误差在±15 Hz内,为下一步将此技术用于全自动标签生产设备中提供了技术支持。

硬标签插磁调频装置控制系统设计与试验

针对目前无源电子硬标签生产过程,传统硬标签谐振频率检测技术用于插磁调频控制存在的不足,设计用于插磁调频装置的控制系统;提出了基于电容补偿原理的单线圈敏感硬标签谐振频率传感技术,建模仿真分析基于此技术的信号幅值比和相位差变化特性,发现相位差值和极性都存在反转特性;以此为基础设计以MSP430F149单片机为控制中心,控制产生固定频率信号源,相位检测和相位极性判别电路;以相位变化为控制系统提供反馈信号,采用相位差值反转特性实现下压高低速切换,相位极性反转特性完成下压的控制决策,有效给出了一种不需扫频、不受互感系数时变特性影响的压磁调频控制系统;以生产58 kHz“中榔头”硬标签进行测试,数据分析表明,此套控制系统高速运行在20 mm/s,低速为5 mm/s时,硬标签谐振频率控制误差在±75 Hz内,方差为0.0006~0.0008 kHz,运行稳定。

一种硬标签装配与检测平台的设计

描述了一套集硬标签装配与检测于一体的自动化平台的机构原理、硬件布局及软件设计方法。以PLC(可编程控制器)为核心的控制系统具有结构简洁、运行可靠及调试方便等特点,配以合理的流程设计,实现了硬标签的4工位自动装配过程与3工位检测分拣过程,并能对生产过程进行记录,做出统计。该平台系统在工厂的推广应用能大大节约劳动力,节省生产成本,提高工厂的自动化管理水平。

无源电子硬标签插磁控制系统设计与实现

针对目前无源电子硬标签生产过程中,通过手动插磁控制硬标签谐振频率工序存在的一些不足,设计一种自动插磁控制系统。该系统由硬标签插磁机械结构和以MSP430F149处理器为核心的控制电路及其配套控制策略组成;其控制系统基于三线圈检测硬标签谐振频率F_X的原理,采用模糊控制策略,构成一个闭环控制系统。以生产58 kHz声磁无源电子硬标签进行测试,数据分析表明:此套控制系统控制F_X精度绝对误差分别小于60 Hz,方差为0.000569,运行稳定,这为无源电子硬标签生产实现全自动化提供了技术支持。

基于电容补偿技术的硬标签调频系统设计与试验

针对目前硬标签谐振频率检测技术用于硬标签插磁调频生产存在的不足,提出一种基于电容补偿原理的单线圈敏感硬标签谐振频率传感技术。采用Multisim软件,对此技术的电路模型仿真表明,在互感系数不变的条件下,信号幅值比极值点与硬标签工作频率点一致。在双路硬标签插磁调频装置上,采用此技术的信号幅值比为反馈信号,结合设有阈值的模糊控制策略,以MSP430F149处理器为核心研制一套硬标签插磁控制系统。以生产58 kHz声磁硬标签进行试验,测试数据表明,该套控制系统对硬标签谐振频率的控制精度在±80 Hz内,生产效率为1300个/h,系统运行稳定。该系统为硬标签产品的质量提供了技术支持。

Proteus在硬标签质量参数测量设计中的应用

电子商品防盗系统(EAS)中的硬标签电路是由磁棒线圈和电容串联而成,其组成的LC电路谐振频率Fx和品质因素Q是硬标签的关键质量参数。针对此类硬标签参数检测的市场需求,在研制便携式标签质量Fx、Q值检测仪过程中,设计了一种四线圈结构传感探头感知被测参数的方法,并采用Proteus软件对此传感探头的等效电路模型进行仿真,验证此测量方法的可行性;同时以AT89C51为处理器设计了便携式检测仪的软硬件,采用Keil和Proteus联调联试,仿真达到预期效果,为下一步仪器开发提供了技术支持。

TextSwindler:面向硬标签黑盒文本的对抗攻击算法

在自然语言处理领域,黑盒硬标签对抗攻击算法受到文本离散性、不可微性以及仅能获取模型决策结果的限制,难以同时兼顾攻击效果与攻击效率。该文提出一种基于单词替换的黑盒硬标签文本对抗攻击算法TextSwindler。首先全局随机初始化对抗样本。接着在迭代优化阶段,分别采用基于词嵌入空间搜索邻近样本,以及基于回溯控制的扰动优化,以减少生成的对抗样本的扰动。最后基于简单交换规则搜索最优单词,提高生成的对抗样本的语义相似度。在8个数据集和3种深度学习模型上的实验结果表明,TextSwindler方法在保证生成样本质量的同时,可以降低43.6%的查询次数。

一种基于知识蒸馏的边缘联邦学习算法

针对边缘计算环境中参与联邦学习的客户端数据资源的有限性,同时局限于使用硬标签知识训练模型的边缘联邦学习算法难以进一步提高模型精度的问题,提出了基于知识蒸馏的边缘联邦学习算法。利用知识蒸馏对软标签信息的提取能够有效提升模型性能的特点,将知识蒸馏技术引入联邦学习的模型训练中。在每一轮的联邦学习模型训练过程中,客户端将模型参数和样本逻辑值一起上传到边缘服务器,服务器端聚合生成全局模型和全局软标签,并一起发送给客户端进行下一轮的学习,使得客户端在进行本地训练时也能够得到全局软标签知识的指导。同时在模型训练中对利用软标签知识和硬标签知识的占比设计了动态调整机制,使得在联邦学习中能够较为合理地利用两者的知识指导模型训练,实验结果验证了提出的基于知识蒸馏的边缘联邦学习算法能够有效地提升模型的精度。

“高科技”超市防窃贼

如今，到超市买东西的越来越多，如何拒盗于门外，一直令经营者十分头痛。不过，随着科技的进步，新型超市防盗手段可以让管理者放心了。