片烟RFID、双重扫码、自动化、智能化作业

摘要：为优化烟片进出库扫码验证工作量大、准确率不高的问题，利用移动龙门架、RFID读写器、视觉识别设备、报警设备、传感器PLC等设备，构建了基于烟片RFID二维码标签的双重扫码验证系统。在玉溪仓库现场反复测试不同的配置方案，找到最优的扫码配置方案。烟片进出库时，通过RFID读写器识别标签芯片，摄像头获取动态画面识别标签二维码，实现双重扫码验证及异常报警，提高扫码准确率至100%。利用移动龙门架进行自动扫码验证，减少人工干预，降低人力成本，提高进出库效率和准确率，最终实现烟片进出库的自动化、智能化作业。

关键词：移动龙门架、RFID、双码扫描、自动验证

一、引言

随着烟草行业卷烟生产精细化管理水平的不断提升，烟草企业对烟叶的精细化管理提出了更高的要求。在目前的烟叶物流行业中，越来越多的企业开始采用RFID标签进行烟叶物流的管理和监控。RFID技术在仓储物流应用中相对成熟；但由于RFID标签的地域扫描特性、烟叶储存条件、基础设施建设等现状，RFID识别技术在仓储领域的应用带来了风险和阻力。

目前烟草行业RFID标签在烟条上的应用情况为，从烟条复烤走下生产线开始，每一箱烟条都贴上RFID标签，在物流各个环节利用RFID读写设备读取烟箱上的RFID标签信息，记录烟箱的物流和质量信息，实现烟条全生命周期的追溯[1]。在烟条入库和出库的扫描环节，目前主要的RFID标签扫描方式有PDA扫描、仓区固定扫描、库房固定扫描[2]。PDA对网络要求低，支持离线扫描，扫描时需用PDA人工扫描，劳动强度大。仓区固定扫描，读写器安装在仓库入口处，当车辆经过安装在仓库入口处的读写器时，整车都会被扫描。整车扫码对车辆和烟箱装载要求较高，车辆必须敞篷，不得有金属遮挡。 装车时不能超过两排且所有标签都朝外，否则会严重影响扫描效果，造成漏扫；仓库内固定龙门扫码实施成本高，需要在每个仓库门口安装一套固定扫码设备。对网络要求特别高，需要在每个仓库门口部署有线网络，增加了成本。烟叶从成片到成烟需要2-3年的时间。目前整个烟草行业的烟库普遍存在面积大、分散、网络建设落后等问题，因此烟库的进出主要采用PDA人工扫码，人工扫码工作量大，再加上周围环境的影响，容易出现重扫、漏扫、错扫等问题。通过在读写器天线周围加屏蔽罩、在仓库墙壁上刷隔离材料等方式来优化RFID识别效果，准确率仍然难以接近100%。 本研究在RFID扫码基础上,加入摄像头图像识别技术获取烟盒标签二维码信息,实现双重扫描双重验证,有效提高扫描准确率。

2. 设计原理

1.硬件设计

移动龙门架自动扫码验证系统如图1所示，硬件包括电子标签、移动龙门架、RFID读写器、摄像头、传感器、PLC、三色报警灯、蜂鸣器、车载平板电脑、车载电源、移动网络设备、物联网数据卡、交换机等。其中电子标签分为有源标签和无源标签，考虑到成本和应用环境，片状烟盒采用无源电子标签，烟盒上粘贴两张RFID无源标签。标签包括天线和芯片，天线与识别设备通信，芯片存储烟盒信息，芯片EPC存储烟盒唯一码，USER区存储烟盒唯一码、材质、重量信息；移动龙门架采用钢材，根据距离仓库门口的距离定制，底部安装滑轮，通过滑轮移动；RFID读写器及天线采用超高频读写器，识别烟盒RFID标签。 读写器包括高频模块（发射机和接收机）、控制单元、读写器天线，天线选用圆形水平仪，摄像头采集烟盒标签图像，识别标签二维码，获取烟盒信息，传感器、PLC配合摄像头采集烟盒标签照片，叉车到达传感器位置时触发采集当前摄像头图像和烟盒标签图像，三色报警灯、蜂鸣器用于对扫描数据异常报警。移动网络设备、物联网数据卡、交换机等提供网络访问服务器获取数据，平板电脑安装扫码验证程序，显示扫码结果。车载电源结合叉车改装，为车载平板电脑和读写器抽取电能，移动网络设备为移动Wi-Fi，设备内插移动物联网卡，为车载平板电脑连接服务器提供无线网络。

图1 硬件部署图

图 2：香烟标签样式

2.RFID技术

阅读器采用射频识别技术对RFID标签进行识别，射频识别技术是一种非接触式的自动识别技术，通过射频信号自动识别RFID标签并获取标签芯片中存储的数据，可同时在远距离识别多个标签[3]。识别标签时通过无线电波实现非接触式信息交换，并将识别的数据传回控制器连接数据库。当无源RFID标签进入阅读器的识别范围和射频信号覆盖区域时，标签天线接收阅读器天线发送的射频信号，通过感应电流获得能量，将标签芯片不同存储区域存储的信息发送出去。阅读器接收到信息后，通过解析程序获取存储的信息，达到区域内快速批量识别的效果。

图3 系统架构图

3.RFID防碰撞设计

卷烟出入库时采用移动龙门架扫描条码，一辆叉车携带4箱卷烟通过移动龙门架。当多个RFID标签处于同一个读写器的作用范围内时，信息交互会产生碰撞，导致信息读取失败。因此，为了防止信息传输碰撞，控制系统需要采用防碰撞算法，避免发生碰撞，造成信息读取失败。目前，业界对RFID标签信息的防碰撞读取主要有四种方法：频分复用(FDMA)、空分复用(SDMA)、时分复用(TDMA)、码分复用(CDMA)[4-5]。

本系统的RFID设备控制模块的防碰撞算法采用时分复用。时分复用是将整个可用信道容量按时间分配给多个用户的技术。时分复用是按照传输信号的时间进行划分，允许在不同的时间传输不同的信号，将整个传输时间划分为许多时间间隔，每个时间片由一个信号占用。TDMA是通过在时间上交叉发送各信号的一部分来实现一条电路中传输多个信号。电路上每个短暂瞬间只有一个信号。这种防碰撞方法对于移动扫描烟盒的场景更为有效。

4.RFID二维码标签设计

烟叶标签在原有“一维码+RFID”基础上进行改造，形成“一维码+二维码+RFID”模式，进出仓时由不同设备分别识别二维码和RFID芯片，实现双扫描双验证。标签明文信息包括烟叶属性、烟叶复烤加工生产信息和化学品质信息，标签样式如图2所示。

RFID标签信息存储分为一维码存储、二维码和RFID芯片。一维码存储烟盒32位唯一身份码；二维码存储32位代码、材质属性等信息；RFID芯片EPC区存储32位代码，USER区存储32位代码、材质代码、重量信息。识别烟盒信息时，可以通过扫描一维码、二维码、RFID芯片获取信息，在不同的现场环境下采用不同的识别方式。RFID芯片支持范围内批量识别，一维码和二维码支持逐箱识别。

3. 业务描述与系统设计

1. 系统总体设计

基于移动龙门架的烟条入库及出库自动核查系统总体架构如图3所示，包括基础支撑、系统交互、数据存储、入库及出库应用、综合分析等部分。

2. 入库出库自动验证流程

采用移动龙门架进行自动进出验证的流程如图4所示。

图4 出入库自动扫码验证流程

（1）仓管员在卷烟条码扫描系统中创建出入库任务单，任务单内容包括卷烟信息、出入库数量、出入库时间。

（2）现场工作人员将移动龙门架整个推至库门口。

（3）将系统中的出入库任务列表下载到车载平板电脑，通过二维码扫描客户端来启动、暂停、结束出入库任务列表。

（4）扫码开始后，当叉车携带贴有RFID标签的烟盒通过仓库门口的移动龙门架时，当烟盒进入移动龙门架上安装的传感器的光照区域内，PLC控制传感器通过有线网络将信号传输给服务器，读写器获取当前的RFID标签信息。同时程序控制摄像头拍摄当前图片并传回服务器。服务器解析RFID标签芯片信息和二维码信息并与出入库任务单上的物料信息进行比对，判断出入库物料是否正确。若出现异常，三色报警灯及蜂鸣器发出报警声；同时将收到的标签信息数量与扫码客户端设置的数量（1托盘4盒烟）进行核对，当出现重扫或漏扫时，三色报警灯及蜂鸣器发出报警声； 现场叉车工作人员发现报警后，对进出烟进行检测，确保进出100%正确，当扫码正常后，叉车将烟箱搬运至仓库（入）或运输车辆（出）。

（5）完成扫码。当所有出入库扫码完成后，叉车装卸工在扫码客户端上完成出入库任务单，并将扫描数据保存到数据库中。

（6）将移动龙门架推至固定的存放位置，下次使用时再推至仓库入口。

3.系统功能模块

系统功能如图5所示，主要分为基础数据平台、出入库管理、车载平板扫描客户端。基础数据平台实现物料、人员、资源等基础数据的管理；出入库管理集成订单采集生成出入库计划、调度、执行监控等；车载客户端实现现场移动龙门架相关设备的集成，获取出入库烟箱的RFID标签进行验证，保证出入库的准确性。

图5 系统功能模块

4. 移动龙门架部署及数据传输

移动龙门架硬件部署如图1所示。在出入库作业现场，移动龙门架上安装电控柜放置读写器、PLC及开关，电控柜上安装三色报警灯，支架两侧安装读写器天线、摄像头及传感器。安装高度与叉车经过龙门架支架时烟箱上下层高度一致。在龙门架顶杆上安装蜂鸣器，便于声音扩散；叉车上安装车载平板电脑控制扫码设备及数据显示，安装小型读写器及天线识别货位RFID标签信息。出入库扫码验证时，数据传输如图6所示。叉车叉起托盘烟箱经过移动龙门架时，支架上的读写器、天线及摄像头将识别的信息通过有线或无线网络传输到服务器。 服务器再通过无线网络将信息传输到车载平板电脑上，供叉车驾驶员实时查看，一旦发现异常，则通过三色报警灯和蜂鸣器发出报警。

图6 数据传输流程图

4.制度实施效果分析

1. RFID读写器扫描测试

本次测试在仓库入口处进行，部署移动龙门架进行进出扫描测试，测试不同天线功率和速度对扫描精度的影响。测试时，按照标准在烟盒正面和侧面贴上RFID标签。一个托盘上放有4箱香烟，进出仓库时，叉车将托盘叉进叉出移动龙门架。移动龙门架统一放置在距仓库入口5m处，装卸车辆停在距仓库约40m处，车辆上放有烟盒，叉车经过移动龙门架时，距离读写器约1.2m。

测试时读写器功率设定数组为G={5dBm,8dBm,10dBm,15 dBm,20dBm,23dBm,25dBm,28dBm,31dBm}，叉车速度设定数组为S={3km/h,5km/h,7km/h,9 km/h,11km/h,13km/h,15km/h,17km/h,19km/h,20km/h}。每种功率下，同一车速测试25次，记录每次扫描次数。计算每种读写器功率、每种车速下的扫描精度，结果如图7所示。

图7 移动龙门扫码精度

从测试结果我们可以分析出，在同样的环境下，在固定速度下，扫码准确率接近正态分布，读写器功率20dBm最佳，准确率接近100%，随着功率的减小或增大，准确率会降低。叉车速度在9km/h及以下时扫码效果最好，11km/h以上扫码准确率下降明显。因此，在仓库进出使用移动龙门架进行自动扫码验证时，读写器应设置为20dBm，叉车经过移动龙门架的速度不要超过11km/h。

2. 摄像头扫码测试

测试摄像头扫码时，关闭读写器扫码，调整摄像头高度与托盘匹配，将镜头垂直对准托盘上的烟盒标签，测试不同车速下的扫码效果。每个车速下重复测试25次，记录效果进行数据分析，结果如图8所示。

图8 相机扫描精度

从图中可以看出，当车速在10km/h以下时，扫描准确率接近100%，超过此速度后开始明显下降。因此，摄像头动态获取图像识别信息时，最佳车速为10km/h。

3. RFID阅读器和摄像头双扫描测试

RFID读写器与摄像机双扫测试，同时打开读写器和摄像机，设置读写器天线功率为20dBm，选取车辆速度5km/h、6km/h、8km/h、9km/h、10km/h、11km/h、12km/h、15km/h、20km/h进行测试，每个速度测试100轮，记录每轮结果，计算各个速度标签扫描准确率如图9所示。读写器与摄像机双扫时，车辆速度保持在10km/h以下，扫描准确率可达100%，满足现场应用要求。

图 9：阅读器和相机双重扫描的准确性

4.影响自动扫码验证的因素分析

RFID标签实现区域批量扫描，在实际扫描应用中，容易出现漏扫、重扫等问题。读写器功率偏低、叉车速度过快、天线安装角度不匹配等，容易发生漏扫；功率过大容易发生重扫，对堆放在仓库或车辆上的烟盒RFID标签产生误扫，导致扫描数据不准确。影响RFID标签扫描效果的因素除了车辆速度、读写器功率、周围环境等因素外，还有读写器天线的角度、RFID标签的性能等。读写器天线与RFID标签在平行平面时扫描效果最好，在垂直平面时效果最差；RFID标签的性能还影响扫描距离。目前烟草行业片烟箱库使用的RFID标签均为无源标签，一般扫描距离为3~5米，3米最佳。 因此叉车经过移动龙门架时，与龙门架两侧的距离保持在3米以内。在写入信息时，RFID标签容易受到外界干扰，使芯片写入的二进制数据一位或多位发生变化，导致读取的信息与原始信息不一致。基于以上原因，RFID读写器在仓库出入库环境中识别RFID标签的准确率很难达到100%。

摄像机定时采集动态图像，识别图像标签二维码信息，解析二维码获取标签信息。由于车辆速度、标签二维码破损程度等都会影响信息识别，单独使用RFID标签读写器和摄像机识别RFID标签时，在最优条件下，扫码准确率接近100%，但达不到100%，不符合现场应用要求。因此，在移动龙门架上同时安装RFID标签读写器、天线和摄像机，对标签信息进行双重识别，相互验证，确保进出仓扫码准确率100%，满足现场使用需求。

五、结论

仓库移动龙门架出入库扫描核对系统通过双重扫描、自动核对，减少人工干预，降低人力成本，通过对作业环节的实时运行监控与核对，提高出入库的效率与准确率，最终实现烟草物流作业的可视化、精准化、自动化。该系统集成车载平板电脑、移动龙门架、读写器、摄像头、PLC、三色灯、蜂鸣器等设备，从以下三个方面完善仓库出入库扫描作业方式：利用移动4G物联网卡网络，可在没有网络的仓库使用；在叉车上安装车载平板电脑，通过网络将扫描结果数据实时反馈到平板电脑上，让叉车操作人员可以实时看到数据，判断叉车物料的准确性；通过RFID标签与二维码双重扫描，对出入库实现100%扫描准确率，提高作业的准确性； 移动龙门架可随作业仓库移动，每个库区根据并行作业情况可部署2~4组移动龙门架，当仓库有作业任务时，将移动龙门架移动至库门口，比起每个仓库部署一台固定龙门架大大降低了成本。

资助项目：红塔烟草（集团）有限责任公司科技项目“基于新一代信息技术的烟草智能配送系统研究”（HTJT-2022-5641）

参考：

[1]徐月明,袁祥云,曾蓉.基于RFID的卷烟物流追踪系统设计与实现[J].计算机技术与发展,2018(12):78-81.

[2]王家寿,徐月明,曾荣. REIDD与仓储烟草物流信息融合应用研究[J].计算机与数据工程,2020.

[3] 郭文涛, 何毅刚. RFID系统性能及识别率优化方法研究[J]. 电子设备, 2018, 41(3): 719-720.

[4] 余洪涛,王祖亮,王少飞,曹创乐,马可欣. 一种新的RFID防碰撞算法[J]. 物联网技术, 2021, 11(05).

[5] 杨超, 赵一帆, 李博, 陈春, 丁宏伟. 基于深度学习的RFID标签防碰撞算法研究[J]. 现代电子技术. 2021, 44(22).

本文摘自《物流技术与应用》2023年刊