MétaCan
Menu
Retour à la cohorte
Enregistrement W2795818147 · doi:10.1109/jrfid.2018.2823640

Printed UHF RFID Reader Antennas for Potential Retail Applications

2018· article· en· W2795818147 sur OpenAlexaff
Gaozhi Xiao, Pouya Aflaki, Stephen Lang, Zhiyi Zhang, Ye Tao, Christophe Py, Philip Lu, Cédric Martin, Shoude Change

Notice bibliographique

RevueIEEE Journal of Radio Frequency Identification · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueRFID technology advancements
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésUltra high frequencyRadio-frequency identificationAutomationAntenna (radio)Computer sciencePoint (geometry)ElectronicsElectrical engineeringService (business)TelecommunicationsElectronic engineeringEngineeringMechanical engineeringBusiness

Résumé

récupéré en direct d'OpenAlex

Automation of retail industry is calling for the low cost solution due to its sheer size and varied needs. Printed electronics offers a great potential in addressing the needs in point-of-sales, inventory management and self-service, in particular the radio frequency identification (RFID) systems consisting of the printed components. Screen printed Ultra high frequency (UHF) RFID reader antennas have been investigated in this work for their application potentials in retails for achieving easy-implementation and low cost. The results obtained clearly demonstrated that the screen printed UHF RFID reader antennas are closely matching the performance of their circularly polarized patch antenna counterparts fabricated using the conventional chemical etching method in most critical specifications. The screen printed antennas have been explored for the monitoring of items on metal shelves targeting potential inventory management and point-of-sales applications. It has been found that all tagged items can be identified using a home developed UHF RFID system consisting of the printed antennas. The findings pave the way for the use of low cost printed antennas in the potential retail automation applications.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,016
Tête enseignante GPT0,259
Écart entre enseignants0,242 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations55
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Journal of Radio Frequency IdentificationMême sujetRFID technology advancementsTravaux en français237 207