CN109214834A - 基于区块链的产品溯源方法和装置 - Google Patents
基于区块链的产品溯源方法和装置 Download PDFInfo
- Publication number
- CN109214834A CN109214834A CN201811053067.6A CN201811053067A CN109214834A CN 109214834 A CN109214834 A CN 109214834A CN 201811053067 A CN201811053067 A CN 201811053067A CN 109214834 A CN109214834 A CN 109214834A
- Authority
- CN
- China
- Prior art keywords
- product
- image
- information
- block chain
- freight source
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004519 manufacturing process Methods 0.000 claims abstract description 96
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 33
- 238000012549 training Methods 0.000 claims abstract description 9
- 238000003860 storage Methods 0.000 claims description 16
- 239000000284 extract Substances 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 239000000523 sample Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000012472 biological sample Substances 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 235000013569 fruit product Nutrition 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Artificial Intelligence (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提出一种基于区块链的产品溯源方法和装置。该方法包括：接收产品的供货源信息和生产图像；利用人工智能模型识别所述生产图像中包括的产品的特征是否符合所述供货源信息对应的产品的特征，所述人工智能模型是利用各种供货源信息对应的产品的样本图像训练得到的；如果所述生产图像中包括的产品的特征符合所述供货源信息对应的产品的特征，则提取所述生产图像对应的图像编码；将所述产品的标识信息、供货源信息和生产图像对应的图像编码保存到区块链中。本发明实施例利用人工智能模型保证上链的产品真实可靠，利用区块链，有利于对产品进行溯源，使得产品的供货源信息公开透明，保证产品的真实与安全。
Description
技术领域
本发明涉及互联网技术领域，尤其涉及一种基于区块链的产品溯源方法和装置。
背景技术
许多产品由于产地不同，存在较大差异。例如，不同产地的大闸蟹，在质量、知名度和受欢迎程度等方面都不相同。目前，在大闸蟹流通中，由于无法确定产地，存在冒充知名产地、掺假、过期等问题。每当大闸蟹批量上市之际，各地蟹种混杂普通消费者难辨真伪。
消费者在购买产品时，需要凭借自身的经验，对产品的外形、大小等特征识别产品的产地；或者，从知名商家处购买产品，依靠卖家的信誉来保证产地真实，不能确定产品的真实产地。
发明内容
本发明实施例提供一种基于区块链的产品溯源方法和装置，以解决现有技术中的一个或多个技术问题。
第一方面，本发明实施例提供了一种基于区块链的产品溯源方法，包括：
接收产品的供货源信息和生产图像；
利用人工智能模型识别所述生产图像中包括的产品的特征是否符合所述供货源信息对应的产品的特征，所述人工智能模型是利用各种供货源信息对应的产品的样本图像训练得到的；
如果所述生产图像中包括的产品的特征符合所述供货源信息对应的产品的特征，则提取所述生产图像对应的图像编码；
将所述产品的标识信息、供货源信息和生产图像对应的图像编码保存到区块链中。
结合第一方面，本发明实施例在第一方面的第一种实现方式中，还包括：
接收所述产品的标识信息和收货图像；
利用所述产品的标识信息，在区块链中查找所述产品的供货源信息和生产图像对应的图像编码；
利用所述产品的供货源信息、生产图像对应的图像编码和收货图像进行验货，得到验货结果；
将所述产品的标识信息和验货结果保存到区块链中。
结合第一方面的第一种实现方式中，本发明实施例在第一方面的第二种实现方式中，利用所述产品的供货源信息、生产图像对应的图像编码和收货图像进行验货，得到验货结果，包括：
提取所述收货图像对应的图像编码；
比较所述生产图像对应的图像编码与所述收货图像对应的图像编码的相似度，得到验货结果。
结合第一方面的第一或第二种实现方式中，本发明实施例在第一方面的第三种实现方式中，利用所述产品的供货源信息、生产图像对应的图像编码和收货图像进行验货，得到验货结果，还包括：
利用所述人工智能模型识别所述收货图像中包括的产品的特征是否符合所述供货源信息对应的产品的特征，得到验货结果。
结合第一方面的第一或第二种实现方式中，本发明实施例在第一方面的第四种实现方式中，还包括：
利用所述产品的标识信息，在区块链中查找对应的防伪信息，并对所述防伪信息进行验证，得到验货结果。
第二方面，本发明实施例提供了一种基于区块链的产品溯源装置，包括：
第一接收模块，用于接收产品的供货源信息和生产图像；
识别模块，用于利用人工智能模型识别所述生产图像中包括的产品的特征是否符合所述供货源信息对应的产品的特征，所述人工智能模型是利用各种供货源信息对应的产品的样本图像训练得到的；
提取模块，用于如果所述生产图像中包括的产品的特征符合所述供货源信息对应的产品的特征，则提取所述生产图像对应的图像编码；
第一保存模块，用于将所述产品的标识信息、供货源信息和生产图像对应的图像编码保存到区块链中。
结合第二方面，本发明实施例在第二方面的第一种实现方式中，还包括：
第二接收模块，用于接收所述产品的标识信息和收货图像；
查找模块，用于利用所述产品的标识信息，在区块链中查找所述产品的供货源信息和生产图像对应的图像编码；
验货模块，用于利用所述产品的供货源信息、生产图像对应的图像编码和收货图像进行验货，得到验货结果；
第二保存模块，用于将所述产品的标识信息和验货结果保存到区块链中。
结合第二方面的第一种实现方式中，本发明实施例在第二方面的第二种实现方式中，所述验货模块还用于提取所述收货图像对应的图像编码；比较所述生产图像对应的图像编码与所述收货图像对应的图像编码的相似度，得到验货结果。
结合第二方面的第一或第二种实现方式中，本发明实施例在第二方面的第三种实现方式中，所述验货模块还用于利用所述人工智能模型识别所述收货图像中包括的产品的特征是否符合所述供货源信息对应的产品的特征，得到验货结果。
结合第二方面的第一或第二种实现方式中，本发明实施例在第二方面的第四种实现方式中，所述验货模块还用于利用所述产品的标识信息，在区块链中查找对应的防伪信息，并对所述防伪信息进行验证，得到验货结果。
第三方面，本发明实施例提供了一种基于区块链的产品溯源装置，所述装置的功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。
在一个可能的设计中，所述装置的结构中包括处理器和存储器，所述存储器用于存储支持所述装置执行上述基于区块链的产品溯源方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。所述装置还可以包括通信接口，用于与其他设备或通信网络通信。
第四方面，本发明实施例提供了一种计算机可读存储介质，用于存储基于区块链的产品溯源装置所用的计算机软件指令，其包括用于执行上述基于区块链的产品溯源方法所涉及的程序。
上述技术方案中的一个技术方案具有如下优点或有益效果：可以利用人工智能模型辅助识别产品的生产图像是否符合供货源信息对应的产品的特征，将符合的产品的标识信息、供货源信息和生产图像对应的图像编码保存到区块链中，保证上链的产品真实可靠。并且，可以利用区块链的共识机制和可追溯性，防止产品的供货源信息和生产图像对应的图像编码被篡改，有利于对产品进行溯源，使得产品的供货源信息公开透明，保证产品的真实与安全。
上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本发明进一步的方面、实施方式和特征将会是容易明白的。
附图说明
在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本发明公开的一些实施方式，而不应将其视为是对本发明范围的限制。
图1示出根据本发明实施例的基于区块链的产品溯源方法的流程图。
图2示出根据本发明实施例的基于区块链的产品溯源方法的流程图。
图3示出根据本发明实施例的基于区块链的产品溯源方法的流程图。
图4示出根据本发明实施例的基于区块链的产品溯源方法的应用场景的示意图。
图5示出根据本发明实施例的基于区块链的产品溯源装置的结构框图。
图6示出根据本发明实施例的基于区块链的产品溯源装置的结构框图。
图7示出根据本发明实施例的基于区块链的产品溯源装置的结构框图。
具体实施方式
在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本发明的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。
图1示出根据本发明实施例的基于区块链的产品溯源方法的流程图。如图1所示，该方法可以包括：
步骤S11、接收产品的供货源信息和生产图像。
步骤S12、利用人工智能(AI，Artificial Intelligence)模型识别所述生产图像中包括的产品的特征是否符合所述供货源信息对应的产品的特征。其中，人工智能模型是利用各种供货源信息对应的产品的样本图像训练得到的。
步骤S13、如果所述生产图像中包括的产品的特征符合所述供货源信息对应的产品的特征，则提取所述生产图像对应的图像编码。
步骤S14、将所述产品的标识信息、供货源信息和生产图像对应的图像编码保存到区块链中。
在本实施例中，如果某些供货源的同类产品具有不同的特征，可以在这些供货源采集若干这类产品的样本图像。利用这些样本图像训练得到人工智能模型。将生产图像输入该人工智能模型后，该人工智能模型可以提取生产图像中包括的产品的特征，识别生产图像中包括的产品的特征符合哪个供货源信息对应的产品的特征。然后，比较人工智能模型识别出供货源信息与收到的供货源信息是否一致。
其中，供货源信息可以包括产地信息、厂商信息等表示该产品实际供货源头的信息。产地信息可以包括生产该产品的实际的地理位置或行政区域等。例如：某省、某市、某湖、某经纬度等。厂商信息可以包括某企业的名称、地址、经营许可信息等。
例如，螃蟹照片中包括螃蟹的生物特征。将产地A、B、C的若干的螃蟹照片作为样本图像，采用深度神经网络等方式训练得到人工智能模型。该人工智能模型能够识别出输入图像中的螃蟹，符合产地A、B、C中哪个产地的螃蟹的生物特征。
参见图4，可以在产地对产品进行数据采集。采集到产品的生产图像后，可以通过人工智能模型识别该生产图像中包括的产品的特征符合哪个供货源信息对应的产品的特征。例如，蟹农用手机拍摄螃蟹照片后，可以在该手机中识别或上传到供销社的主机中识别，确定螃蟹照片中螃蟹的生物特征属于哪个产地。
然后，比较人工智能模型识别出的该产品的供货源信息与生产者实际的供货源信息是否一致。其中，生产者实际的供货源信息可以是生产者自己提供的，也可以是利用全球定位系统(GPS，Global Positioning System)等对生产者的手机进行定位得到的。如果一致，可以判定该产品的供货源信息是真实可靠的。如果不一致，可以判定该产品的供货源信息不可靠。
如果产品的供货源信息是真实可靠的，可以利用图像特征提取算法从该产品的生产图像中提取出图像编码，例如：提取若干的特征向量。
可以将该产品的标识信息、供货源信息、生产图像对应的图像编码、防伪信息、供货时间、AI识别结果等保存到区块链中。此外，也可以将产品的名称、品种、尺寸、重量等基本信息保存到区块链中。这样，区块链网络中的各节点，可以从区块链中读取到该产品在生产阶段的真实可靠的信息，达到对该产品溯源的目的。
在一种示例中，区块链网络中的各节点可以包括供货节点、物流节点、收货节点、消费节点等。这些节点可以从区块链中读取产品供应过程的数据，还可以将自身关于产品的供应过程的数据上传到区块链中。
此外，可以将生产图像保存到图像数据库中，在区块链中还可以保存生产图像在数据库中的存储地址。这样，区块链网络中的节点可以区块链中查找该产品的生产图像的存储地址。然后，根据生产图像的存储地址在数据库中找到对应的生产图像。在该节点可以显示该生产图像，便于了解产品在生产阶段的实际状态。
在一种可能的实现方式中，该方法还包括：将运输中的产品的标识信息和物流信息保存到所述区块链中。参见图4，物流公司的系统也可以作为一个节点接入区块链网络，将产品的标识信息和物流信息保存到区块链中。这样，区块链网络的各节点可以利用某产品的标识信息，从区块链中读取该产品的物流信息。
在一种可能的实现方式中，如图2所示，该方法还包括：
步骤S21、接收所述产品的标识信息和收货图像。
步骤S22、利用所述产品的标识信息，在区块链中查找所述产品的供货源信息和生产图像对应的图像编码。
步骤S23、利用所述产品的供货源信息、生产图像对应的图像编码和收货图像进行验货，得到验货结果。
步骤S24、将所述产品的标识信息和验货结果保存到区块链中。
参见图4，在收货验证阶段，可以采用扫描二维码等方式得到产品的标识信息，还可以拍摄收到的产品，得到收货图像。例如：分销方、消费者等可以通过手机扫描螃蟹品的二维码得到螃蟹的标识信息，并拍摄螃蟹的照片。利用产品的标识信息，在区块链中可以查找到该产品的供货源信息和生产图像对应的图像编码。然后，可以比较生产图像对应的图像编码与收货图像对应的图像编码是否相似，还可以识别收货图像是否符合供应源的产品的特征，从而得到验货结果。然后将产品的标识信息和验货标识对应的保存到区块链中。在区块链中还可以保存该产品的收货信息，例如：收货人、收货企业、收货地址、收货时间等。
在一种可能的实现方式中，如图3所示，步骤S23包括：
步骤S31、提取所述收货图像对应的图像编码。
步骤S32、比较所述生产图像对应的图像编码与所述收货图像对应的图像编码的相似度，得到验货结果。
利用产品的标识信息，在区块链中可以查找到该产品的生产图像对应的图像编码。利用图像特征提取算法可以从收货图像中提取图像编码。然后，可以计算产品的生产图像与收货图像对应的图像编码的相似度。例如计算二者的欧氏距离或余弦距离等得到相似度。最后，可以利用该相似度判断收到的产品的真伪。例如，如果相似度大于设定阈值，则收到的产品与生产的产品一致，属于真货。反之，则可能是假货。此外，也可以利用生产图像的存储地址找到生产图像，然后计算生产图像与收货图像的相似度。
在一种可能的实现方式中，如图3所示，步骤S23还包括：
步骤S33、利用所述人工智能模型识别所述收货图像中包括的产品的特征是否符合所述供货源信息对应的产品的特征，得到验货结果。
从区块链中查找到产品的供货源信息后，可以利用所述人工智能模型识别所述收货图像是否符合该供货源信息对应的产品的特征。如果符合，可以判定该产品的供货源信息是真实可靠的。如果不符合，可以判定该产品的供货源信息不可靠。
此外，在生产阶段在区块链中还可以保存产品的防伪信息。在收货阶段，该方法还可以包括：利用所述产品的标识信息，在区块链中查找对应的防伪信息，并对所述防伪信息进行验证，得到验货结果。例如，该防伪信息可以包括一串秘钥。在收货阶段，可以采用设定的算法对该秘钥进行验证，进一步判断该产品的真伪。
在本实施例中，利用相似度比较结果、供货源信息比较结果、防伪信息验证结果，可以分别单独判定产品真伪，也可以综合判定产品真伪。例如，如果上述几种验货结果全部判定该产品是真货，可以得出该产品是真货的最终结果。再如，如果有一个验货结果判定该产品是假货，则得出该产品是假货的最终结果。
在本实施例中，可以将相似度比较结果、供货源信息比较结果、防伪信息验证结果分别保存到区块链中，也可以将综合后的最终结果保存到区块链中。后续，区块链网络中的各节点可以从区块链中读取产品的全程溯源信息。例如，参见图4，通过查询节点在区块链中查找产品从生产到消费全程的信息，并展示溯源信息。消费者可以看到查询节点展示的某产品的全程溯源信息。
采用本发明实施例的产品溯源方法，可以利用人工智能模型辅助识别产品的生产图像是否符合供货源信息对应的产品的特征，将符合的产品的标识信息、供货源信息和生产图像对应的图像编码保存到区块链中，保证上链的产品真实可靠。并且，可以利用区块链的共识机制和可追溯性，防止产品的供货源信息和生产图像对应的图像编码被篡改，有利于对产品进行溯源，使得产品的供货源信息公开透明，保证产品的真实与安全。
在一种应用示例中，该方法可以应用于对大闸蟹进行溯源。
在产地将著名的大闸蟹品牌的大闸蟹上链。采集每一只大闸蟹的生物样本(例如：大闸蟹的实物照片)，并将该大闸蟹的生产、运输、收货的数据上链。利用区块链的征信机制确保螃蟹身份不被篡改。在销售过程中，每只大闸蟹将被贴上防伪二维码，消费者通过扫码可对大闸蟹进行溯源验真。
利用人工智能技术，可以对大闸蟹生物特征唯一性进行辨别。通过实时拍照，上传大闸蟹图像，利用AI技术训练好的大闸蟹识别模型，识别大闸蟹的来源。在此过程中，可以从区块链中读取该大闸蟹的图像特征，找到该大闸蟹的生产图像，比较收货图像与生产图像是否一致，以确定大闸蟹是否被调换过。
此外，可以利用区块链中保存的验货结果，确定产地的各供货商、收货的各分销商的大闸蟹真伪，筛选出优质商家。这样，消费者在百度搜索大闸蟹、区块链等相关关键词时，可以向消费者推荐优质商家的大闸蟹商品。
因此，通过成熟的区块链底层技术，结合大闸蟹生产、销售场景，可以极大程度地保证大闸蟹的品质与安全性。
图5示出根据本发明实施例的基于区块链的产品溯源装置的结构框图。如图5所示，该装置可以包括：
第一接收模块51，用于接收产品的供货源信息和生产图像；
识别模块52，用于利用人工智能模型识别所述生产图像中包括的产品的特征是否符合所述供货源信息对应的产品的特征，所述人工智能模型是利用各种供货源信息对应的产品的样本图像训练得到的；
提取模块53，用于如果所述生产图像中包括的产品的特征符合所述供货源信息对应的产品的特征，则提取所述生产图像对应的图像编码；
第一保存模块54，用于将所述产品的标识信息、供货源信息和生产图像对应的图像编码保存到区块链中。
在一种可能实现方式中，如图6所示，该装置还包括：
第二接收模块61，用于接收所述产品的标识信息和收货图像；
查找模块62，用于利用所述产品的标识信息，在区块链中查找所述产品的供货源信息和生产图像对应的图像编码；
验货模块63，用于利用所述产品的供货源信息、生产图像对应的图像编码和收货图像进行验货，得到验货结果；
第二保存模块64，用于将所述产品的标识信息和验货结果保存到区块链中。
在一种可能实现方式中，所述验货模块63还用于提取所述收货图像对应的图像编码；比较所述生产图像对应的图像编码与所述收货图像对应的图像编码的相似度，得到验货结果。
在一种可能实现方式中，所述验货模块63还用于利用所述人工智能模型识别所述收货图像中包括的产品的特征是否符合所述供货源信息对应的产品的特征，得到验货结果。
在一种可能实现方式中，所述验货模块63还用于利用所述产品的标识信息，在区块链中查找对应的防伪信息，并对所述防伪信息进行验证，得到验货结果。
本发明实施例各装置中的各模块的功能可以参见上述方法中的对应描述，在此不再赘述。
图7示出根据本发明实施例的基于区块链的产品溯源装置的结构框图。如图7所示，该装置包括：存储器910和处理器920，存储器910内存储有可在处理器920上运行的计算机程序。所述处理器920执行所述计算机程序时实现上述实施例中的基于区块链的产品溯源方法。所述存储器910和处理器920的数量可以为一个或多个。
该装置还包括：
通信接口930，用于与外界设备进行通信，进行数据交互传输。
存储器910可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
如果存储器910、处理器920和通信接口930独立实现，则存储器910、处理器920和通信接口930可以通过总线相互连接并完成相互间的通信。所述总线可以是工业标准体系结构(ISA，Industry Standard Architecture)总线、外部设备互连(PCI，PeripheralComponent)总线或扩展工业标准体系结构(EISA，Extended Industry StandardComponent)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图7中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
可选的，在具体实现上，如果存储器910、处理器920及通信接口930集成在一块芯片上，则存储器910、处理器920及通信接口930可以通过内部接口完成相互间的通信。
本发明实施例提供了一种计算机可读存储介质，其存储有计算机程序，该程序被处理器执行时实现上述实施例中任一所述的方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中。所述存储介质可以是只读存储器，磁盘或光盘等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (12)
1.一种基于区块链的产品溯源方法，其特征在于，包括：
接收产品的供货源信息和生产图像；
利用人工智能模型识别所述生产图像中包括的产品的特征是否符合所述供货源信息对应的产品的特征，所述人工智能模型是利用各种供货源信息对应的产品的样本图像训练得到的；
如果所述生产图像中包括的产品的特征符合所述供货源信息对应的产品的特征，则提取所述生产图像对应的图像编码；
将所述产品的标识信息、供货源信息和生产图像对应的图像编码保存到区块链中。
2.根据权利要求1所述的方法，其特征在于，还包括：
接收所述产品的标识信息和收货图像；
利用所述产品的标识信息，在区块链中查找所述产品的供货源信息和生产图像对应的图像编码；
利用所述产品的供货源信息、生产图像对应的图像编码和收货图像进行验货，得到验货结果；
将所述产品的标识信息和验货结果保存到区块链中。
3.根据权利要求2所述的方法，其特征在于，利用所述产品的供货源信息、生产图像对应的图像编码和收货图像进行验货，得到验货结果，包括：
提取所述收货图像对应的图像编码；
比较所述生产图像对应的图像编码与所述收货图像对应的图像编码的相似度，得到验货结果。
4.根据权利要求2或3所述的方法，其特征在于，利用所述产品的供货源信息、生产图像对应的图像编码和收货图像进行验货，得到验货结果，还包括：
利用所述人工智能模型识别所述收货图像中包括的产品的特征是否符合所述供货源信息对应的产品的特征，得到验货结果。
5.根据权利要求2或3所述的方法，其特征在于，还包括：
利用所述产品的标识信息，在区块链中查找对应的防伪信息，并对所述防伪信息进行验证，得到验货结果。
6.一种基于区块链的产品溯源装置，其特征在于，包括：
第一接收模块，用于接收产品的供货源信息和生产图像；
识别模块，用于利用人工智能模型识别所述生产图像中包括的产品的特征是否符合所述供货源信息对应的产品的特征，所述人工智能模型是利用各种供货源信息对应的产品的样本图像训练得到的；
提取模块，用于如果所述生产图像中包括的产品的特征符合所述供货源信息对应的产品的特征，则提取所述生产图像对应的图像编码；
第一保存模块，用于将所述产品的标识信息、供货源信息和生产图像对应的图像编码保存到区块链中。
7.根据权利要求6所述的装置，其特征在于，还包括：
第二接收模块，用于接收所述产品的标识信息和收货图像；
查找模块，用于利用所述产品的标识信息，在区块链中查找所述产品的供货源信息和生产图像对应的图像编码；
验货模块，用于利用所述产品的供货源信息、生产图像对应的图像编码和收货图像进行验货，得到验货结果；
第二保存模块，用于将所述产品的标识信息和验货结果保存到区块链中。
8.根据权利要求7所述的装置，其特征在于，所述验货模块还用于提取所述收货图像对应的图像编码；比较所述生产图像对应的图像编码与所述收货图像对应的图像编码的相似度，得到验货结果。
9.根据权利要求7或8所述的装置，其特征在于，所述验货模块还用于利用所述人工智能模型识别所述收货图像中包括的产品的特征是否符合所述供货源信息对应的产品的特征，得到验货结果。
10.根据权利要求7或8所述的装置，其特征在于，所述验货模块还用于利用所述产品的标识信息，在区块链中查找对应的防伪信息，并对所述防伪信息进行验证，得到验货结果。
11.一种基于区块链的产品溯源装置，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至5中任一项所述的方法。
12.一种计算机可读存储介质，其存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811053067.6A CN109214834A (zh) | 2018-09-10 | 2018-09-10 | 基于区块链的产品溯源方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811053067.6A CN109214834A (zh) | 2018-09-10 | 2018-09-10 | 基于区块链的产品溯源方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109214834A true CN109214834A (zh) | 2019-01-15 |
Family
ID=64987405
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811053067.6A Pending CN109214834A (zh) | 2018-09-10 | 2018-09-10 | 基于区块链的产品溯源方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109214834A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111340515A (zh) * | 2020-03-02 | 2020-06-26 | 北京京东振世信息技术有限公司 | 一种特征信息生成和物品溯源方法和装置 |
| CN112766404A (zh) * | 2021-01-29 | 2021-05-07 | 安徽工大信息技术有限公司 | 一种基于深度学习的中华绒螯蟹的真伪识别方法及系统 |
| CN113812661A (zh) * | 2021-09-10 | 2021-12-21 | 湖北中烟工业有限责任公司 | 一种叶片非烟物质分拣自动追溯方法及系统 |
| CN116994735A (zh) * | 2023-09-27 | 2023-11-03 | 九州通医疗器械集团有限公司 | 医用耗材管理系统和方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070065003A1 (en) * | 2005-09-21 | 2007-03-22 | Lockheed Martin Corporation | Real-time recognition of mixed source text |
| CN105021562A (zh) * | 2015-07-06 | 2015-11-04 | 黑龙江八一农垦大学 | 一种大米产地溯源方法及其应用 |
| CN106157061A (zh) * | 2016-07-27 | 2016-11-23 | 柳州市柳南区安顺养殖协会 | 一种牛的原产地溯源方法 |
| CN106305567A (zh) * | 2016-08-21 | 2017-01-11 | 盘锦光合蟹业有限公司 | 一种用于河蟹判别的图像识别方法 |
| CN108416590A (zh) * | 2018-04-08 | 2018-08-17 | 程昔恩 | 一种基于局部图像的区块链技术认证方法 |
| CN108489927A (zh) * | 2018-01-24 | 2018-09-04 | 仲恺农业工程学院 | 鱼类产地溯源方法、电子设备、存储介质及装置 |
-
2018
- 2018-09-10 CN CN201811053067.6A patent/CN109214834A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070065003A1 (en) * | 2005-09-21 | 2007-03-22 | Lockheed Martin Corporation | Real-time recognition of mixed source text |
| CN105021562A (zh) * | 2015-07-06 | 2015-11-04 | 黑龙江八一农垦大学 | 一种大米产地溯源方法及其应用 |
| CN106157061A (zh) * | 2016-07-27 | 2016-11-23 | 柳州市柳南区安顺养殖协会 | 一种牛的原产地溯源方法 |
| CN106305567A (zh) * | 2016-08-21 | 2017-01-11 | 盘锦光合蟹业有限公司 | 一种用于河蟹判别的图像识别方法 |
| CN108489927A (zh) * | 2018-01-24 | 2018-09-04 | 仲恺农业工程学院 | 鱼类产地溯源方法、电子设备、存储介质及装置 |
| CN108416590A (zh) * | 2018-04-08 | 2018-08-17 | 程昔恩 | 一种基于局部图像的区块链技术认证方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111340515A (zh) * | 2020-03-02 | 2020-06-26 | 北京京东振世信息技术有限公司 | 一种特征信息生成和物品溯源方法和装置 |
| CN111340515B (zh) * | 2020-03-02 | 2023-09-26 | 北京京东振世信息技术有限公司 | 一种特征信息生成和物品溯源方法和装置 |
| CN112766404A (zh) * | 2021-01-29 | 2021-05-07 | 安徽工大信息技术有限公司 | 一种基于深度学习的中华绒螯蟹的真伪识别方法及系统 |
| CN113812661A (zh) * | 2021-09-10 | 2021-12-21 | 湖北中烟工业有限责任公司 | 一种叶片非烟物质分拣自动追溯方法及系统 |
| CN116994735A (zh) * | 2023-09-27 | 2023-11-03 | 九州通医疗器械集团有限公司 | 医用耗材管理系统和方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109214834A (zh) | 基于区块链的产品溯源方法和装置 | |
| EP3736717A1 (en) | Loop chain digital fingerprint method and system | |
| Park et al. | Study on fashion image retrieval methods for efficient fashion visual search | |
| CN113610540B (zh) | 一种河蟹防伪溯源方法及系统 | |
| US10201939B1 (en) | Product authenticity verification system | |
| CN104794519A (zh) | 一种云鉴别系统及云鉴别方法 | |
| US20200151738A1 (en) | Data Driven Product Authenticity Verification | |
| CN105205673B (zh) | 一种利用条烟打码特征上的防伪追溯技术 | |
| CN105184594A (zh) | 基于随机人工标记和特征照片的产品溯源系统及方法 | |
| Cakic et al. | Digital transformation and transparency in wine supply chain using ocr and dlt | |
| CN110377727A (zh) | 一种基于多任务学习的多标签文本分类方法和装置 | |
| CN106157056A (zh) | 一种产品溯源防伪方法 | |
| CN104142978B (zh) | 一种基于多特征和稀疏表示的图像检索系统及方法 | |
| Zhan et al. | Cross-domain shoe retrieval with a semantic hierarchy of attribute classification network | |
| Aggarwal et al. | Learning style compatibility for furniture | |
| Chen et al. | Unitail: detecting, reading, and matching in retail scene | |
| CN110263793A (zh) | 物品标签识别方法及装置 | |
| Leotta et al. | Not with My Name! Inferring Artists’ Names of Input Strings Employed by Diffusion Models | |
| CN110020134B (zh) | 一种知识服务信息的推送方法、系统、存储介质和处理器 | |
| CN116911883A (zh) | 基于ai鉴真技术和溯源量化的农产防伪溯源方法及云平台 | |
| Ahamed et al. | Tracking and tracing the halal food supply chain management using blockchain, RFID, and QR code | |
| Wang | A Deep Learning‐Based Programming and Creation Algorithm of NFT Artwork | |
| CN105956868A (zh) | 实现商品的本体信息与外包装信息关联的方法及商品 | |
| Che | Copyright Protection of Literary Works Based on Data Mining Algorithms | |
| CN115471734B (zh) | 木质包装ippc标识的辩伪方法、装置及服务器 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190115 |