具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

实施例一

本申请实施例提供方案的可应用于任何具有数据处理能力的数据处理系统。图1为本申请实施例提供的数据处理方法的应用场景示意图，图1所示的场景仅仅是本申请的技术方案可以应用的场景的示例之一。如图1所示，在物流行业中，物流人员需要将物流站点中的物流对象进行移动，例如从卸货地点到仓库，或者从一个仓库到另一个仓库。在这样的物流对象的移动过程中，需要对物流对象的该移动操作进行记录，以更新到物流站点或物流公司的数据库中，特别是对于物流对象的移动轨迹、移动前后的位置等等。随着物流行业的发展，物流对象的这样的移动会变得频繁，并且单次移动的物流对象的数目也较大，因此，在现有技术中，已经出现了通过在物流站点中的通道中设置多个信号采集门，并且在物流对象上贴附对应的标签，例如RFID标签，从而可以在物流人员将一批物流对象在通道中经过这些信号采集门时，可以由信号采集门中设置的信号采集装置，例如RFID读取器等等来读取物流对象上贴附的标签的信号，从而实现对于物流信息，特别是物流对象的标识信息的读取。

然而，在现有技术中，由于物流站点中物流对象的移动环境通常较为复杂，例如，移动路线，即通道的附近常常也会堆满了贴附有标签的物流对象，并且物流站点的建筑物的内部结构可能也比较复杂，这些都会导致利用天线辐射来进行信号的发送和读取的信号采集门的方案无法进行准确的读取。例如，当一批物流对象被物流人员推送经过附近也堆有贴附了例如RFID标签的物流对象的通道时，由于信号采集门的采集装置通常设置在信号采集门的顶部，并且附近的物流对象虽然并没有如被推送的物流对象那样经过信号采集门的正下方，但是其上贴附的RFID标签的天线辐射可能会由于其他物流对象表面的反射和/或建筑物内部结构的反射、折射等等而被信号采集门的采集装置接收到，从而使得信号采集门错误地采集到了没有经过该通道的物流对象的标识信息，即导致了串读的现象。

在本申请的方案中，如图1中所示，通过设置为与被运送的物流对象相对静止的信号采集装置来获取各种识别数据。这里所获取的识别数据可以包括被运送的物流对象的识别数据以及没有被运送但是由于例如如上所述的原因使得其发射的识别数据被该信号采集装置接收到的物流对象的识别数据。因此，在上述现有技术的情况下，无法对于这样获取的混合识别数据进行分辨，因此会将那些没有被运送但是其识别数据被错误接收到的物流对象识别为与被运送的物流对象一起经过通道。但是如图1中所示，在本申请实施例中，可以在获取这些物流对象的识别数据的同时获取与这些识别数据对应的信号强度。因此，基于这样获取的各个信号强度之间的差异来对识别数据是属于被运送的物流对象还是属于被串读的物流对象来进行分辨。例如，可以将信号强度最大的识别数据对应的待标识对象确定为目标对象。在本申请实施例中，可以将采集识别数据的采集装置布置在承载物流对象的运输工具，例如推车上，从而可以相对于被运送的物流对象静止。在该情况下，该采集装置所采集到的识别数据的信号强度中，位于运输工具上的物流对象，即被运输的物流对象相对于采集装置的距离最近，并且因此，采集装置所采集到的这些物流对象的识别数据的信号强度相对于未被运送的物流对象来说较强，因此在本申请实施例中，可以根据获取到的识别数据的信号强度来区分位于运载工具上的目标对象和非传输对象的其他物流对象，从而能够消除现有技术中由于邻近的其他物流对象导致的串读现象。

此外，本申请实施例的应用场景不限于上述推车的情况，也可以适用于利用悬挂方式，例如悬挂链的形式来运输物流对象，并且相应地可以在悬挂链上设置信号采集装置来读取物流对象上的标识信息，并且根据读取到的标识信息的信号强度或信号强度的变化率来确定目标对象。

此外，本申请也可以适用于皮带形式的物流对象传输场景中。例如，物流中心的分拣传送带机构的场景。在该场景下，可以在传送带上设置信号采集装置，并且根据采集到的放置在传送带上的物流对象的标识信息的采集信号强度来对是否是目标对象进行确认。此外，由于传送带是连续的带形状，因此，可以以预定间隔来设置信号采集装置，从而实现对应于多个推车的虚拟传输区域，因此，可以在每个虚拟传输区域由该区域中的信号采集装置来采集该区域中的物流对象的标识信息，并且根据采集信号的强度或强度变化率来进行对象的识别和确认。

上述实施例是对本申请实施例的技术原理和示例性的应用框架的说明，下面通过多个实施例来进一步对本申请实施例具体技术方案进行详细描述。

实施例二

图2为本申请提供的数据处理方法一个实施例的流程图，该方法的执行主体可以为具有数据处理能力的各种终端或服务器设备，也可以为集成在这些设备上的装置或芯片。如图2所示，该数据处理方法包括如下步骤：

S201，接收针对至少一个待识别对象的识别数据。

在本申请实施例中，可以在诸如物流站点的仓库的物流场所中对运送的物流对象采集其识别数据，与现有技术中不同的是，在本申请实施例中，识别数据可以至少包含用于标识例如物流对象的待标识对象的标识信息以及标识信息的信号强度值。例如，在本申请实施例中，采集识别数据的采集装置可以布置在承载物流对象的运输工具，例如推车上，从而在运送物流对象时，可以由这样布置的采集装置来采集贴附在物流对象上的标签通过其例如天线发送出来的识别数据。当然，如上所述，采集装置所采集到的识别数据不仅是该采集装置所安装在的运输工具上的物流对象，而且还会包括在该运输工具周围的物流对象上贴附的标签发射出的识别数据。

S202，根据至少一个待标识对象的标识信息的信号强度值，将信号强度值满足预定条件的标识信息所对应的待标识对象确定为目标对象。

在采集到识别数据之后，可以根据各个识别数据中包括的信号强度值来判断待标识对象中哪些对象是正在被运送的物流对象，即目标对象。例如，可以判断信号强度值是否符合预设的条件。例如，可以将信号强度最大的识别数据对应的待标识对象确定为目标对象。在本申请实施例中，在采集装置布置在承载物流对象的运输工具，例如推车上的情况下，该采集装置所采集到的识别数据的信号强度中，位于运输工具上的物流对象，即被运输的物流对象相对于采集装置的距离最近，并且因此，可以以信号强度值最大为预设条件来将信号强度值符号这样的条件的标识信息所对应于的物流对象确定为目标对象，即确定为在运输工具上承载的物流对象。

因此，在本申请实施例中，可以根据获取到的识别数据的信号强度值来区分位于运载工具上的目标对象和非传输对象的其他物流对象，从而能够消除现有技术中由于邻近的其他物流对象导致的串读现象。

实施例三

图3为本申请提供的数据处理方法另一个实施例的流程图。如图3所示，本实施例提供的数据处理方法可以包括以下步骤：

S301，接收针对至少一个待识别对象的识别数据。

在本申请实施例中，可以在物流场所中对运送的物流对象采集其识别数据，在本申请实施例中，识别数据可以至少包含用于标识例如物流对象的待标识对象的标识信息以及标识信息的信号强度值。例如，在本申请实施例中，采集识别数据的采集装置可以布置在承载物流对象的运输工具，例如推车上，从而在运送物流对象时，可以由这样布置的采集装置来采集贴附在物流对象上的标签通过其例如天线发送出来的识别数据。当然，如上所述，采集装置所采集到的识别数据不仅是该采集装置所安装在的运输工具上的物流对象，而且还会包括在该运输工具周围的物流对象上贴附的标签发射出的识别数据。

S302，计算在预定时间段内获取的至少一个待标识对象中的每一个的标识信息对应的多个信号强度值中相邻两次获取的信号强度值的信号强度变化率。

在采集到识别数据之后，可以根据各个识别数据中包括的信号强度值来判断待标识对象中哪些对象是正在被运送的物流对象，即目标对象。例如，采集装置可以每隔若干秒，例如5秒采集一次识别数据，或者物流对象上贴附的标签可以每隔若干秒主动向外发送识别数据。因此，可以针对预定时间段内，例如10分钟之内采集到的识别数据进行计算。例如，可以针对这些识别数据中标识信息相同的识别数据进行计算。在本申请实施例中，从物流对象的标签发出的识别数据可以包含标识该物流对象的标识信息以及采集装置接收到该标识信息的信号强度值。因此，对于同一个物流对象来说，在一个识别数据中，标识信息和信号强度值是一一对应的。因此，在每隔若干秒采集或获取识别数据的情况下，在预定时间段内可以对于每个物流对象获取多个识别数据。对于每个物流对象的多个识别数据可以通过判断标识信息是否相同来确定信号强度值是否属于同一物流对象。在确定了属于同一物流对象的多个识别数据之后，可以对信号强度值进行两两计算，即，计算每次获取的信号强度值与下一次获取的信号强度值之间的差来作为当前获取的信号强度值的变化量，或者可以进一步将该差值除以当前获取的信号强度值并且将相除的结果的绝对值作为当前获取的信号强度值的变化率。

S303，将信号强度变化率低于第一预设阈值的标识信息对应的待标识对象确定为目标对象。

在本申请实施例中，在本申请实施例中，采用信号强度的变化率来作为选择识别数据的参考，因此，在步骤S302中计算的信号强度变化率可以表示接收到的信号的强度变化的稳定性。例如，对于标识信息表示物流对象A的信号强度的第10次的测量结果是-41dB，并且第9次的读取结果是-45dB，因此，根据本申请实施例在步骤S302中可以计算出第9次的信号强度变化率(RSR9)为0.089。在该情况下，可以将低于预定阈值来作为选择信号强度的标准。例如，预定阈值可以设置为0.1，即可以将信号强度变化率低于0.1的标识信息对应的待标识对象确定为是在运输工具上承载的物流对象，即目标对象。

此外，可以进一步引入稳定读取次数作为确定目标对象的标准。例如，本申请实施例的数据处理方法可以进一步包括：

S304，针对至少一个标识信息中的每一个，分别计算在预定时间段内获取的多个信号强度值中的至少部分信号强度值相对于后一次获取的信号强度值的信号强度变化率作为当次获取的信号强度值的信号强度变化率，以获得与多个信号强度值对应的多个信号强度变化率。

在本申请实施例中，考虑到物流场所环境的复杂性，由采集装置接收到的标识信息的信号强度值可能会不稳定，即，即使对于相对于采集装置静止的位于运输工具上的物流对象来说，其发射的并且由采集装置接收到的信号强度值也可能发生较大的变化。因此，在本申请实施例中，可以对于在一定时间段内接收到的多个信号强度值中的至少一部分信号强度值中的每一个计算其变化率，从而来基于这样计算出来多个信号强度变化率来进行后续的判断。

S305，根据计算出的多个信号强度变化率，计算标识信息的稳定读取次数。

例如，在本申请实施例中，可以统计信号强度值的变化率低于预设阈值的次数。例如如上所述，可以统计信号强度变化率低于0.1的次数、，并且将这样统计的次数可以作为稳定读取次数，即，可以表示采集装置接收到的信号强度比较稳定的次数。

S306，将稳定读取次数大于第二预设阈值的标识信息对应的待标识对象，确定为目标对象。

在步骤S305中获得了稳定读取次数之后，可以以另外的预设条件来基于稳定读取次数选择标识信息。例如，可以选择稳定读取次数大于第二预设阈值的标识信息，例如，可以选择稳定读取次数在5次以上的物流对象作为目标对象。在该情况下，可以通过基于多次的统计结果来消除周围环境给采集装置获取到的目标对象的信号强度值带来的诸如噪声的影响。

此外，第二预设阈值可以通过下述方式来进行设置，例如，可以根据所有标识信息的信号强度变化率的稳定读取次数的统计结果，将其中次数的最大值作为基准，并且进而乘以一个系数来作为最终的衡量阈值。

此外，在本申请实施例中，也可以使用机器学习模型来确定目标对象。例如，可以在每天日常工作结束后将每天的计算结果，例如识别出的标识信息的信号强度或信号强度的变化率、稳定读取次数等等以及根据上述信息做出的确定结果输入到机器学习模型中进行训练，并且在日常的工作中利用这样训练好的机器学习模型来根据信号强度或信号强度变化率以及稳定读取的次数等等来对新获取的标识信息进行判断。这样随着确定数据的积累，能够不断地对本申请的识别算法进行优化，从而可以使得对目标对象的判断更加准确。

此外，也可以在日常工作的间隙中，安排专人反复采集标签信息来作为训练数据，以便于增加机器学习模型的训练素材，提高模型训练的效果。

因此，在本申请实施例中，可以根据获取到的识别数据的信号强度值来区分位于运载工具上的目标对象和非传输对象的其他物流对象，从而能够消除现有技术中由于邻近的其他物流对象导致的串读现象。

实施例四

图4为本申请提供的数据处理装置一个实施例的结构示意图，可用于执行如图2和图3所示的方法步骤。如图4所示，该数据处理装置可以包括：接收模块41和确定模块42。

在本申请实施例中，接收模块41可以用于接收针对至少一个待识别对象的识别数据，在本申请实施例中，识别数据可以至少包含用于标识例如物流对象的待标识对象的标识信息以及标识信息的信号强度值。例如，在本申请实施例中，采集识别数据的采集装置可以布置在承载物流对象的运输工具，例如推车上，从而在运送物流对象时，可以由这样布置的采集装置来采集贴附在物流对象上的标签通过其例如天线发送出来的识别数据。当然，如上所述，采集装置所采集到的识别数据不仅是该采集装置所安装在的运输工具上的物流对象，而且还会包括在该运输工具周围的物流对象上贴附的标签发射出的识别数据。

确定模块42可以用于根据所述至少一个待标识对象的标识信息的信号强度值，将所述至少一个待标识对象的标识信息的信号强度值满足预定条件的标识信息所对应的待标识对象确定为目标对象。例如，在接收模块41获取到识别数据之后，确定模块42可以根据各个识别数据中包括的信号强度值来判断待标识对象中哪些对象是正在被运送的物流对象，即目标对象。例如，可以判断信号强度值是否符合预设的条件。例如，可以将信号强度最大的识别数据对应的待标识对象确定为目标对象。在本申请实施例中，在采集装置布置在承载物流对象的运输工具，例如推车上的情况下，接收模块41采集到的识别数据的信号强度中，位于运输工具上的物流对象，即被运输的物流对象相对于采集装置的距离最近，并且因此，可以以信号强度值最大为预设条件来将信号强度值符号这样的条件的标识信息所对应于的物流对象确定为目标对象，即确定为在运输工具上承载的物流对象。

确定模块42可以进一步包括：第一计算单元421和第一确定单元422。

第一计算单元421可以用于计算在预定时间段内获取的至少一个待标识对象中的每一个的标识信息对应的多个信号强度值中相邻两次获取的信号强度值的信号强度变化率。

在接收模块41采集到识别数据之后，确定模块42可以根据各个识别数据中包括的信号强度值来判断待标识对象中哪些对象是正在被运送的物流对象，即目标对象。例如，接收模块41可以每隔若干秒，例如5秒采集一次识别数据，或者物流对象上贴附的标签可以每隔若干秒主动向外发送识别数据，从而由接收模块41接收。因此，可以针对预定时间段内，例如10分钟之内由接收模块41采集到的识别数据进行计算。

例如，第一计算单元421可以针对这些识别数据中标识信息相同的识别数据进行计算。在本申请实施例中，从物流对象的标签发出的识别数据可以包含标识该物流对象的标识信息以及接收模块41接收到该标识信息的信号强度值。因此，对于同一个物流对象来说，在一个识别数据中，标识信息和信号强度值是一一对应的。因此，在每隔若干秒采集或获取识别数据的情况下，在预定时间段内接收模块41可以对于每个物流对象获取多个识别数据。确定模块41可以对于每个物流对象的多个识别数据通过判断标识信息是否相同来确定信号强度值是否属于同一物流对象。在确定模块41确定了属于同一物流对象的多个识别数据之后，可以利用确定模块41中的第一计算单元421对信号强度值进行两两计算，即，计算每次获取的信号强度值与下一次获取的信号强度值之间的差来作为当前获取的信号强度值的变化量，或者可以进一步将该差值除以当前获取的信号强度值并且将相除的结果的绝对值作为当前获取的信号强度值的变化率。

第一确定单元422可以用于将第一计算单元421计算出的信号强度变化率低于第一预设阈值的标识信息对应的待标识对象确定为目标对象。

在本申请实施例中，在本申请实施例中，采用信号强度的变化率来作为选择识别数据的参考，因此，第一计算单元421计算的信号强度变化率可以表示接收到的信号的强度变化的稳定性。例如，对于标识信息表示物流对象A的信号强度的第10次的测量结果是-41dB，并且第9次的读取结果是-45dB，因此，根据本申请实施例第一计算单元421可以计算出第9次的信号强度变化率(RSR9)为0.089。在该情况下，第一确定单元422可以将低于预定阈值来作为选择信号强度的标准。例如，预定阈值可以设置为0.1，即第一确定单元422可以将信号强度变化率低于0.1的标识信息对应的待标识对象确定为是在运输工具上承载的物流对象，即目标对象。

此外，确定模块42也可以包括：第二计算单元423、第三计算单元424和第二确定单元425。

第二计算单元423可以用于针对至少一个标识信息中的每一个，分别计算在预定时间段内获取的多个信号强度值中的至少部分信号强度值相对于后一次获取的信号强度值的信号强度变化率作为当次获取的信号强度值的信号强度变化率，以获得与多个信号强度值对应的多个信号强度变化率。

第三计算单元424可以用于根据计算出的多个信号强度变化率，计算标识信息的稳定读取次数。

在本申请实施例中，可以通过第二计算单元423对于在一定时间段内接收到的多个信号强度值中的至少一部分信号强度值中的每一个计算其变化率，从而由第三计算单元424统计信号强度值的变化率低于预设阈值的次数。例如如上所述，可以统计信号强度变化率低于0.1的次数、，并且将这样统计的次数可以作为稳定读取次数，即，可以表示接收模块41接收到的信号强度比较稳定的次数。

第二确定单元425可以用于将稳定读取次数大于第二预设阈值的标识信息对应的待标识对象确定为所述目标对象。

在第三计算单元424计算出稳定读取次数之后，第二确定单元425可以基于稳定读取次数选择标识信息。例如，第二确定单元425可以选择稳定读取次数大于第二预设阈值的标识信息，例如，可以选择稳定读取次数在5次以上的物流对象作为目标对象。在该情况下，可以通过基于多次的统计结果来消除周围环境给采集装置获取到的目标对象的信号强度值带来的诸如噪声的影响。

在该情况下，除了上述第一计算单元421、第二计算单元423和第三计算单元424之外，确定模块42可以进一步包括第四计算单元426。

第四计算单元426可以用于根据计算出的所述稳定读取次数的历史数据，计算第二预设阈值。并且第四计算单元426可以进一步用于计算所述历史数据中所述稳定读取次数的最大值与预设的静止标签系数相乘的结果，并且将所述结果作为所述第二预设阈值。

因此，在本申请实施例中，可以根据获取到的识别数据的信号强度值来区分位于运载工具上的目标对象和非传输对象的其他物流对象，从而能够消除现有技术中由于邻近的其他物流对象导致的串读现象。

实施例五

以上描述了数据处理装置的内部功能和结构，该装置可实现为一种电子设备。图5为本申请提供的电子设备实施例的结构示意图。如图5所示，该电子设备包括存储器51和处理器52。

存储器51，用于存储程序。除上述程序之外，存储器51还可被配置为存储其它各种数据以支持在电子设备上的操作。这些数据的示例包括用于在电子设备上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。

存储器51可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

处理器52，不仅仅局限于中央处理器(CPU)，还可能为图形处理器(GPU)、现场可编辑门阵列(FPGA)、嵌入式神经网络处理器(NPU)或人工智能(AI)芯片等处理芯片。处理器52，与存储器51耦合，执行存储器51所存储的程序，以用于：

接收针对至少一个待识别对象的识别数据，其中，识别数据至少包含用于标识待标识对象的标识信息以及标识信息的信号强度值；

根据至少一个待标识对象的标识信息的信号强度值，将至少一个待标识对象的标识信息的信号强度值满足预定条件的标识信息所对应的待标识对象确定为目标对象。

进一步，如图5所示，电子设备还可以包括：通信组件53、电源组件54、音频组件55、显示器56等其它组件。图5中仅示意性给出部分组件，并不意味着电子设备只包括图5所示组件。

通信组件53被配置为便于电子设备和其他设备之间有线或无线方式的通信。电子设备可以接入基于通信标准的无线网络，如WiFi，2G，3G，4G或5G，或它们的组合。在一个示例性实施例中，通信组件53经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件53还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

电源组件54，为电子设备的各种组件提供电力。电源组件54可以包括电源管理系统，一个或多个电源，及其他与为电子设备生成、管理和分配电力相关联的组件。

音频组件55被配置为输出和/或输入音频信号。例如，音频组件55包括一个麦克风(MIC)，当电子设备处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器51或经由通信组件53发送。在一些实施例中，音频组件55还包括一个扬声器，用于输出音频信号。

显示器56包括屏幕，其屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。