【技术实现步骤摘要】
本专利技术涉及一种电子标签接入工业测量装置的方法、系统、电子标签及介质，属于物联网。
技术介绍
1、电子标签，其作为一种高效的信息显示与识别工具，能够在各种场合中便捷地展示与特定物品相对应的详细信息。这种标签通常内嵌有微型电子芯片，能够存储诸如物品的名称、规格、生产日期、价格以及其它重要属性。当需要获取这些物品的信息时，只需通过电子设备如读取器对标签进行扫描，便能迅速地读取并显示其储存的数据。这种技术的应用极大地提高了信息处理的效率，特别是在物流、零售、仓储管理以及生产线跟踪等领域。
2、目前，已有部分工业测量装置开始应用电子标签进行管理，例如变送器、密度计、流量计、氧量计等等，电子标签应用在工业测量装置上，不仅能显示产品信息，还能辅助显示测量信息，应用效果显著。但是工业测量装置因安全性、适配性等问题，不同类别、型号、厂家的工业测量装置所采用的通信协议均有可能不同，这导致了大部分电子标签都无法很好的接入工业测量装置进行使用。
技术实现思路
1、为了解决上述现有技术中存在的问题，本专利技术提出了一种电子标签接入工业测量装置的方法、系统、电子标签及介质。
2、本专利技术的技术方案如下：
3、一方面，本专利技术提供一种电子标签接入工业测量装置的方法，包括以下步骤：
4、连接电子标签与工业测量装置，接收工业测量装置发出的通信信号数据；
5、对通信信号数据进行预处理得到特征向量；
6、将特征向量输入至预训练的神经网络模型
7、电子标签根据通信协议辨识结果对工业测量装置传输的通信数据进行解析，并响应于解析结果显示相应内容；
8、其中，预处理的方法具体为：
9、对通信信号数据进行分段处理，获取分段后的时域信号序列，并基于时域信号序列获取频域信号序列；
10、分别对时域信号序列和频域信号序列进行卷积处理，将卷积结果输入至空间注意力模块，输出考虑空间注意力的特征向量。
11、作为优选实施方式，所述分别对时域信号序列和频域信号序列进行卷积处理，将卷积结果输入至空间注意力模块，输出考虑空间注意力的特征向量的步骤具体为：
12、对时域信号序列中的每一段子信号，进行一维卷积处理，获取各时域子信号的卷积特征值，将各时域子信号的卷积特征值组合为时域特征一维矩阵；
13、对频域信号序列中的每一段子信号，进行一维卷积处理，获取各频域子信号的卷积特征值，将各频域子信号的卷积特征值组合为频域特征一维矩阵；
14、将时域特征一维矩阵和频域特征一维矩阵输入至空间注意力模块中，空间注意力模块利用softmax函数计算空间注意力特征，具体如下：
15、
16、其中，qij为时域特征一维矩阵中第i个卷积特征值对频域特征一维矩阵中第j个卷积特征值的空间注意力；xi为时域特征一维矩阵中第i个卷积特征值；为频域特征一维矩阵的转置中的第j个卷积特征值；n为分段的数量；
17、基于空间注意力特征输出特征向量：
18、
19、其中，σ为设定的权值。
20、作为优选实施方式，所述神经网络模型采用卷积神经网络，神经网络模型的预训练方法为：
21、获取以不同类型通信协议发出的通信信号样本数据；
22、对通信信号样本数据进行样本增殖处理，使各类型通信协议的通信信号样本数据数量比例维持在预设值之内；
23、对进行样本增殖后的通信信号样本数据进行预处理，得到样本特征向量，并对各样本特征向量添加对应通信协议类型的标签，形成训练样本集；
24、将训练样本集输入至神经网络模型中，根据神经网络模型输出的预测值与对应标签值的误差对神经网络模型的参数进行调节，完成预训练。
25、作为优选实施方式，所述基于时域信号序列获取频域信号序列的方法具体采用短时傅里叶变换，具体为：
26、对时域信号序列进行频域转换，并计算频谱幅度：
27、
28、其中，s(f，t)为频谱幅度，f为频率轴，t为时间轴，t为时域信号序列的总长度；τ为时间窗，对应时域信号序列中子信号的序号；xt(τ)为t时刻时间窗τ的时域信号；δ(τ)为窗函数，e为自然常数，fs为采样频率。
29、另一方面，本专利技术提供一种电子标签接入工业测量装置的系统，其特征在于，包括：
30、数据接收模块，用于连接电子标签与工业测量装置，接收工业测量装置发出的通信信号数据；
31、预处理模块，用于对通信信号数据进行预处理得到特征向量；
32、协议类型辨识模块，用于将特征向量输入至预训练的神经网络模型中，输出通信信号数据索对应的通信协议辨识结果；
33、解析模块，设置于电子标签内，用于根据通信协议辨识结果对工业测量装置传输的通信数据进行解析，并响应于解析结果显示相应内容；
34、其中，预处理模块对通信信号数据进行预处理的方法具体为：
35、对通信信号数据进行分段处理，获取分段后的时域信号序列，并基于时域信号序列获取频域信号序列；
36、分别对时域信号序列和频域信号序列进行卷积处理，将卷积结果输入至空间注意力模块，输出考虑空间注意力的特征向量。
37、作为优选实施方式，所述预处理模块分别对时域信号序列和频域信号序列进行卷积处理，将卷积结果输入至空间注意力模块，输出考虑空间注意力的特征向量的步骤具体为：
38、对时域信号序列中的每一段子信号，进行一维卷积处理，获取各时域子信号的卷积特征值，将各时域子信号的卷积特征值组合为时域特征一维矩阵；
39、对频域信号序列中的每一段子信号，进行一维卷积处理，获取各频域子信号的卷积特征值，将各频域子信号的卷积特征值组合为频域特征一维矩阵；
40、将时域特征一维矩阵和频域特征一维矩阵输入至空间注意力模块中，空间注意力模块利用softmax函数计算空间注意力特征，具体如下：
41、
42、其中，qij为时域特征一维矩阵中第i个卷积特征值对频域特征一维矩阵中第j个卷积特征值的空间注意力；xi为时域特征一维矩阵中第i个卷积特征值；为频域特征一维矩阵的转置中的第j个卷积特征值；n为分段的数量；
43、基于空间注意力特征输出特征向量：
44、
45、其中，σ为设定的权值。
46、作为优选实施方式，所述神经网络模型采用卷积神经网络，神经网络模型的预训练方法为：
47、获取以不同类型通信协议发出的通信信号样本数据；
48、对通信信号样本数据进行样本增殖处理，使各类型通信协议的通信信号样本数据数量比例维持在预设值之内；
49、对进行样本增殖后的通信信号样本数据进行预处理，得到样本特征向量，并对各样本特征向量添加对应通信协议类型的标签，形本文档来自技高网...
【技术保护点】
1.一种电子标签接入工业测量装置的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种电子标签接入工业测量装置的方法，其特征在于，所述分别对时域信号序列和频域信号序列进行卷积处理，将卷积结果输入至空间注意力模块，输出考虑空间注意力的特征向量的步骤具体为：
3.根据权利要求1所述的一种电子标签接入工业测量装置的方法，其特征在于，所述神经网络模型采用卷积神经网络，神经网络模型的预训练方法为：
4.根据权利要求1所述的一种电子标签接入工业测量装置的方法，其特征在于，所述基于时域信号序列获取频域信号序列的方法具体采用短时傅里叶变换，具体为：
5.一种电子标签接入工业测量装置的系统，其特征在于，包括：
6.根据权利要求5所述的一种电子标签接入工业测量装置的系统，其特征在于，所述预处理模块分别对时域信号序列和频域信号序列进行卷积处理，将卷积结果输入至空间注意力模块，输出考虑空间注意力的特征向量的步骤具体为：
7.根据权利要求5所述的一种电子标签接入工业测量装置的系统，其特征在于，所述神经网络模型采用卷积神经网络
8.根据权利要求5所述的一种电子标签接入工业测量装置的系统，其特征在于，所述预处理模块基于时域信号序列获取频域信号序列的方法具体采用短时傅里叶变换，具体为：
9.一种电子标签，包括本体及转接器，所述转接器内设置存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至4任一项所述的电子标签接入工业测量装置的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至4任一项所述的电子标签接入工业测量装置的方法。
...【技术特征摘要】
1.一种电子标签接入工业测量装置的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种电子标签接入工业测量装置的方法，其特征在于，所述分别对时域信号序列和频域信号序列进行卷积处理，将卷积结果输入至空间注意力模块，输出考虑空间注意力的特征向量的步骤具体为：
3.根据权利要求1所述的一种电子标签接入工业测量装置的方法，其特征在于，所述神经网络模型采用卷积神经网络，神经网络模型的预训练方法为：
4.根据权利要求1所述的一种电子标签接入工业测量装置的方法，其特征在于，所述基于时域信号序列获取频域信号序列的方法具体采用短时傅里叶变换，具体为：
5.一种电子标签接入工业测量装置的系统，其特征在于，包括：
6.根据权利要求5所述的一种电子标签接入工业测量装置的系统，其特征在于，所述预处理模块分别对时域信号序列和频域信号序列进行...
【专利技术属性】
技术研发人员：陈军伟，周瑞志，练领先，朱磊，王朝立，樊金成，张雷，李恒，王宇航，张倍尧，郭富丽，孙巧静，汪廷舶，闫晓涵，
申请(专利权)人：华能渑池热电有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。