〖物联网终端实战 02〗RFID 批量群读防碰撞算法：整托盘入库如何做到“秒级”识别

一、条码靠"扫"，RFID靠"喊"

在传统的仓储作业中，一托盘货到了库口，操作员需要拿着PDA，把上面的条码一个个扫一遍。如果是整托盘 50 箱货，可能需要 2 分钟。

RFID（无线射频识别）的出现改变了游戏规则。它不需要"视距"和"对准"，只要标签在电磁场内，就能被读取。理论上，一托盘的货推进库口，两秒钟就能全部识别。但实际上，如果你直接把 100 个标签丢进读卡器范围，读取率可能会断崖式下跌。

为什么？因为发生了信号碰撞（Collision）。

二、时隙 ALOHA 算法：让标签排队"说话"

当读卡器发出"盘点"指令时，范围内的所有标签会同时响应。如果两个标签同时发声，信号叠加在一起，读卡器就什么也听不懂（类似于多个人同时在一个房间里大喊大叫）。

为了解决这个问题，RFID 协议（如 EPC Gen2）采用了**时隙 ALOHA（Slotted ALOHA）**算法。

它的核心逻辑是：时间分片，随机排队。

读卡器发出盘存指令，并广播一个参数 QQ（表示当前有多少个时间槽）。
标签接收后，随机在 $0,2Q-1$ $0,2Q-1$ 中选一个数字。
读卡器在每个时间槽结束后，宣布"谁选了这个槽？"，选了这个槽的标签就回答。
如果没有标签回答（空闲），或者多个标签回答（碰撞），读卡器就调整 QQ 值，继续下一轮。

这本质上是一个动态调整时间窗口大小的过程。如果 QQ 值太大，时间槽过多，效率低下；如果 QQ 值太小，碰撞频繁，识别速度慢。工程上需要根据现场环境动态调整 QQ 值。

三、动态 QQ 值调整算法实现

以下是一个简化的动态 QQ 值调整算法逻辑（基于实际观测到的碰撞率和空闲率）：

java

复制代码

public class QAlgorithm {
    private int qValue = 4; // 初始 Q 值，窗口大小为 16
    private static final double C_MIN = 0.1;
    private static final double C_MAX = 0.5;

    /**
     * 根据上一轮的碰撞槽、空闲槽和成功槽计算新的 Q 值
     */
    public int adjustQ(int emptySlots, int collisionSlots, int successSlots) {
        double totalSlots = emptySlots + collisionSlots + successSlots;
        if (totalSlots == 0) return qValue;

        double emptyRatio = emptySlots / totalSlots;
        double collisionRatio = collisionSlots / totalSlots;

        // 根据 Q 算法标准（如 EPC Gen2 规范），
        // 空闲过多说明窗口太大，减少 Q；碰撞过多说明窗口太小，增加 Q
        if (emptyRatio > 0.5 && collisionRatio < 0.1) {
            qValue = Math.max(0, qValue - 1);
        } else if (collisionRatio > 0.5 && emptyRatio < 0.1) {
            qValue = Math.min(15, qValue + 1);
        } else if (collisionRatio > 0.1 && emptyRatio > 0.1) {
             // 处于中间状态，使用微调逻辑
             // 略去复杂的防抖动处理
        }
        
        return qValue;
    }
}

在工程实践中，高性能的读写器固件（如 Impinj 芯片）内部已经实现了非常成熟的防碰撞算法。作为软件开发者，尽量不要自己重写底层防碰撞逻辑 ，而是通过配置（如 Session 级别、Target 模式）来优化阅读器的工作状态。

四、边缘计算：在源头过滤冗余数据

假设一托盘的 100 个标签被成功读取，读卡器可能在一分钟内连续刷新了 10 次，这就会产生 1000 条数据上报。如果每次都传给 WMS，会给后端造成巨大压力。

破局之道：边缘过滤 。

现代工业 RFID 读写器或边缘网关，应该具备本地去重和业务逻辑判断能力。

java

复制代码

public class RfidEdgeProcessor {
    // 维护当前托盘上正在读取的标签集合（缓存）
    private Set<String> currentInventory = ConcurrentHashMap.newKeySet();
    private long lastReportTime = 0;
    private static final long QUIET_PERIOD_MS = 2000; // 静止期，2秒没有新标签算一轮结束

    public void onTagRead(String epc) {
        currentInventory.add(epc); // 去重加入本地集合
        lastReportTime = System.currentTimeMillis();
    }

    // 后台定时任务：检查是否过了“静止期”
    public void checkAndReport() {
        if (!currentInventory.isEmpty() && 
            System.currentTimeMillis() - lastReportTime > QUIET_PERIOD_MS) {
            
            // 读取稳定，打包发送给 WMS
            List<String> tagsToSend = new ArrayList<>(currentInventory);
            sendToWms(tagsToSend);
            
            // 清空缓存，准备迎接下一个托盘
            currentInventory.clear(); 
        }
    }
}

这种**"防抖 + 批量合并"**的设计，不仅将网络通信量降低了 90%，还完美契合了仓库"一托盘一托盘操作"的物理规律。

五、硬件部署的三个"玄学"参数

功率与距离：读卡器的发射功率不能开到最大。如果功率太大，读到了隔壁通道的标签，就会导致"串读"（多件）。通常需要结合金属屏蔽和功率调整，把读取范围精准控制在一托盘之内。
标签朝向：RFID 标签有方向性。如果贴在商品底部的标签刚好在金属屏蔽层上，信号会被吸收。现场需要用特殊的抗金属标签，或者调整贴标规范。
抗干扰（Session 参数） ：在传送带这种连续流动作业中，标签快速经过。需要将读卡器配置为 Session 1 或 Session 2 模式，并启用 Dense Reader Mode，防止多个读卡器之间互相干扰。

六、避坑指南

坑1：试图用软件去弥补硬件的安装缺陷。 如果天线角度不对，标签就是读不到。无论是防碰撞算法还是边缘计算，前提都是"信号能被天线捕捉到"。

坑2：依赖单次读取就下结论。 RFID 读取率永远达不到 100%。对于关键的高价值货物，必须配合红外传感器或视觉相机做"双保险"复核，否则极易导致漏发。

坑3：没有处理"串读"问题。 读卡器功率过大，或者金属环境产生反射，会把隔壁的货读进来。边缘网关需要结合物理位置（如通道门禁）过滤信号强度（RSSI），剔除明显来自远处的微弱信号。

七、总结

RFID 批量群读的核心挑战是"多标签碰撞"。通过时隙 ALOHA 的动态 QQ 值调整，可以实现标签排队；通过边缘计算完成标签去重和静止期合并，可以大幅降低后端压力。但硬件部署环境比软件算法更重要。只有在天线覆盖、标签朝向和功率控制都完美的前提下，RFID 才能实现真正的"秒级无感入库"。

下一篇预告：RFID 解决了入库的批量识别，但如果你的系统部署在跨国环境，API 每天被大促流量冲击，该怎么办？明天聊跨国 API 网关限流与熔断。

> 本文作者：深圳＋Eyf•半字节科技▪技术产品团队

> 物流、快递、快运作业管理系统，让每一票，都清晰可控。从任务分配到签收回传，一站式管理每个作业环节。