基于RFID和机器学习的室内固定资产定位方法

针对传统室内固定资产定位方法存在定位时间长、定位误差较大以及定位成本高等问题,提出一种基于射频识别技术和机器学习的室内固定资产定位方法.首先,构建基于长短记忆神经网络的固定资产感知识别模型,完成对固定资产设备的区域级识别粗定位,实现对某个区域内固定资产设备数量的自动清点;其次,面向粗定位结果在区域内的固定资产设备,设计基于粒子群优化反向传播神经网络的定位模型,实现对固定资产设备的精准定位;最后,在高校实验室环境下开展了实测实验.实验结果表明,该方法对室内固定资产的识别F1值可达0.98,平均定位误差约0.5 m,满足建筑智能中对室内固定资产的管理要求,具有资产管理成本低、定位精度高、抗干扰能力强等特点.