CN111695916A - 一种基于区块链的肉制品质量安全追溯方法 - Google Patents
一种基于区块链的肉制品质量安全追溯方法 Download PDFInfo
- Publication number
- CN111695916A CN111695916A CN202010478281.7A CN202010478281A CN111695916A CN 111695916 A CN111695916 A CN 111695916A CN 202010478281 A CN202010478281 A CN 202010478281A CN 111695916 A CN111695916 A CN 111695916A
- Authority
- CN
- China
- Prior art keywords
- data
- meat product
- quality information
- meat
- block chain
- 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
- 235000013622 meat product Nutrition 0.000 title claims abstract description 126
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000001514 detection method Methods 0.000 claims abstract description 30
- 235000013305 food Nutrition 0.000 claims abstract description 28
- 238000005516 engineering process Methods 0.000 claims abstract description 26
- 230000008569 process Effects 0.000 claims abstract description 25
- 230000005540 biological transmission Effects 0.000 claims abstract description 18
- 238000012546 transfer Methods 0.000 claims abstract description 7
- 238000007781 pre-processing Methods 0.000 claims description 20
- 239000000654 additive Substances 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 13
- 239000004615 ingredient Substances 0.000 claims description 10
- 230000000996 additive effect Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 5
- 230000008520 organization Effects 0.000 claims description 4
- 231100000167 toxic agent Toxicity 0.000 claims description 2
- 239000003440 toxic substance Substances 0.000 claims description 2
- 230000001473 noxious effect Effects 0.000 claims 1
- 238000009826 distribution Methods 0.000 abstract description 3
- 238000007726 management method Methods 0.000 description 11
- 239000000126 substance Substances 0.000 description 5
- 239000003053 toxin Substances 0.000 description 5
- 231100000765 toxin Toxicity 0.000 description 5
- 108700012359 toxins Proteins 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 230000036541 health Effects 0.000 description 3
- 244000005700 microbiome Species 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 231100000614 poison Toxicity 0.000 description 2
- 239000002574 poison Substances 0.000 description 2
- 238000003556 assay Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013410 fast food Nutrition 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 235000011888 snacks Nutrition 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2471—Distributed queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于区块链的肉制品质量安全追溯方法,包括:通过食品安全技术检测设备检测获取肉制品出厂时和中间流转节点的品质信息数据;数据传输;将数据信息录入至所述区块链的分布式数据库中;将肉制品品质信息数据与标准数据对比,若肉制品的品质信息数据低于标准数据则通过公钥上传至溯源过程进行溯源。本发明的方法,将区块链技术与食品安全快速检测技术相结合,利用区块链数据不可篡改、分布式、去中心化的特点,将肉制品从出厂到消费者中的各个环节检测记录加入到区块链中,再以食品安全标准建立数据库,消费者和监管部门可以通过检测对比标准数据中肉制品安全规格数据,以实现对肉制品质量安全的追溯。
Description
技术领域
本发明涉及食品安全快速检测领域,具体地,涉及一种基于区块链的肉制品质量安全追溯方法。
背景技术
在经济快速发展的时代,人们对生活的品质健康要求越来越高,纯天然,无污染的肉制品是人们餐桌或日常零食的基本要求。然而,有些厂商,中间商为了赚取高额的利润,往往忽略消费者的健康,让肉制品看起来更新鲜好看,会在肉制品中加入各种超标有害的添加剂,或者出售存有危害毒素,不健康的肉制品。因为产业链上的信息不透明,一些检测只是检测产品自然纹理特征,其内部成分与有害物质量检测不到,容易造成出现肉制品被高度“加料”美化威胁客户安全等问题。
现有的食品追溯方案为将检测到的数据、生产日期等信息录入二维码或者RFID标签,通过扫描二维码或者RFID的方式获得食品溯源信息;这样就会存在过程不透明、数据能够篡改的弊端,而且检测到的原始数据也存在不能准确反映食品实际情况的问题。
发明内容
本发明的目的是提供一种基于区块链的肉制品质量安全检测方法,利用区块链数据不可篡改、分布式、去中心化、智能合约、PKI等技术与食品安全快速检测技术相结合,使检测的肉制品成份、添加剂种类、微生物和毒素量等数据信息作为唯一的身份标识,并将数据以5G传输通道快速传输,且对数据进行录入前的预处理使得录入数据呈现直观准确;将肉制品从出厂到消费者中的各个环节检测记录加入到区块链中,再以国家食品安全标准建立数据库,消费者和监管部门可以通过检测对比标准数据中肉制品安全规格数据,以达到肉制品安全追溯。
为实现上述目的,本发明的技术方案具体如下:
一种基于区块链的肉制品质量安全追溯方法,包括以下步骤:
S1:肉制品的品质信息数据的采集
通过食品安全技术检测设备检测获取肉制品出厂时和中间流转节点的品质信息数据;
S2:数据传输
在设备终端之间设置相应的通信连接链路,以数据预处理录入终端作为目标终端,将品质信息数据发送到数据预处理录入终端;
S3:数据预处理录入
对肉制品的品质信息数据在传输过程中出现的数据进行优化处理,再将数据信息由拥有权限管理的创世区块文件的各流转节点的组织或个人录入至所述区块链的分布式数据库中;
S4:品质对比判断
将肉制品的品质信息数据与安全标准数据库中的同一层安全规格的肉制品品质标准数据对比,若肉制品的品质信息数据低于肉制品品质标准数据则通过公钥上传至溯源过程进行溯源;
S5:溯源
查询分布式数据库中的以肉制品数据信息为身份特征并与录入者联系的产品记录,完成溯源。
作为优选的技术方案,所述品质信息数据包括肉制品成分数据、肉制品添加剂数据、有害毒物数据及肉制品鲜度数据。
作为优选的技术方案,所述步骤S2具体包括:通过5G通信模块传输食品安全技术检测设备检测到的肉制品的品质信息数据,并通过D2D通信模块在设备终端之间设置相应的连接链路,以数据预处理录入终端为目标终端,请求发送对应检测到的肉制品品质信息数据。
作为优选的技术方案,所述步骤S3具体包括:通过二分K-均值算法对肉制品品质信息数据进行分类,然后再结合层次聚类算法对肉制品的种类进行分类处理;同时通过DBSCAN算法处理因传输带来的肉制品品质信息数据的干扰数据,忽略不属于肉制品品质信息的数据,实现对噪声数据的处理;
所述权限管理的创世区块文件通过制定创世区块文件搭建一条能够获取录入者身份和节点信息的区块链系统,并对肉制品出厂时和中间流转节点的录入者进行备案登记和核实,以录入者文件产生的账户私钥与节点录入信息进行绑定,对数据进行签名的流转记录,产生公钥追溯时使用。
作为优选的技术方案,所述步骤S5中的产品记录是所述步骤S3中的肉制品出厂时和中间流转节点的品质信息数据对应的私钥签名记录。
本发明的有益效果:本发明利用现有食品安全快速检测技术分析速度快,精准度高,操作系统简单,成本低等技术特点,结合区块链去中心化,公开透明,数据不可篡改,数据共享等技术特点,通过食品安全快速检测肉制品成分、添加剂、有害物质等,并通过预处理技术准确反映肉制品的类别、级别以及数据有效性,将肉制品在做加密标识与产品数据做唯一的身份绑定,并将数据以5G传输通道快速传输,且对数据进行录入前的预处理使得录入数据呈现直观准确;在不同运输节点的数据记录写到区块链中,并通过搭建一条能够获取创始区块文件的用户的区块链,对数据录入组织或个人分发有权限管理,且对用户没有权限管理的创始区块文件,这样可以在每个关键点上信息形成共享链条,通过与国家熟肉制品安全标准数据作对比,保证若有影响健康质量问题的肉制品能够追溯到个人或组织。本发明所提到的食品安全快速检测技术与区块链技术的其他特点和优点,将在随后的具体实施方式中进行详细陈述。
附图说明
图1是本发明的数据预处理过程用到的算法分类;
图2是本发明实施例中的流程图;
图2中:1.食品质量安全快速检测过程;2.数据传输过程;3.数据预处理及录入过程;4.分布式数据库;5.溯源过程;6.客户界面过程;7.国家熟肉制品安全标准数据库。
具体实施方式
如图1所示,一种基于区块链的肉制品质量安全追溯方法,包括:
(1)食品安全质量快速检测过程
所述过程用于获取肉制品出厂时的成分,添加剂种类,有害毒素的标量,所述肉制品的出厂节点以及每个中间商流转节点均用所述检测方法获取数据;检测到的数据作为所述肉制品的身份特征记录至区块链的分布式数据库中;
(2)数据传输过程
所述过程是利用5G通信技术用于食品安全技术检测设备检测到的所述肉制品的成分数据,能够无延迟快速的传输到所述录入记录过程所用到的设备上,使得数据信息安全快速传输,提高效率;
(3)数据预处理录入过程
数据预处理过程是通过数据预处理技术对所述肉制品的成分数据在传输过程中出现的数据问题进行优化处理,包括数据不完整,噪声的侵扰等数据问题,使得数据信息在追溯的时候能够清晰准确的呈现;当通过对数据预处理以后,在将数据信息由拥有权限管理的创世区块文件的各流转节点的组织或个人录入至所述区块链的分布式数据库中;
(4)溯源过程
此过程是用于追溯查询分布式数据库中的以肉制品数据信息为身份特征并与录入者联系的产品记录,以此对查询到的产品记录进行追溯;
(5)客户界面过程
此过程是用于将食品安全快速检测装置检测到的数据信息通过数据处理,获取所测肉制品的关键数据信息,并与国家熟肉制品安全标准数据库中的同一层安全规格的肉制品数据对比,若出现违背安全标准的数据信息则通过公钥上传至溯源过程进行溯源。
具体地,在肉制品的出厂,中间商流转,销售等各环节都设置一个食品快速安全检测装置用于及检测肉制品的成分信息,且分发有权限管理的创世区块文件的录入者身份提前加入到区块链中,食品安全快速检测装置内包含生物检测技术与人工智能相结合的算法技术,用于获取肉制品的成分数据信息且作为肉制品的特征,在每个流转节点产生的产品记录和获取的肉制品成分数据信息与录入者登记的身份信息关联存储到分布式数据库中,形成一个以时间为顺序的共享链,客户及安检部门通过客户使用过程的方法使有问题的数据能够在溯源过程中进行溯源,并反馈给客户界面。
在一个示例中,食品安全快速检测技术使用包括对肉制品成分,肉制品添加剂,有害毒物及肉制品鲜度结合的测定分析的生物传感技术,快速地检测各流转节点的肉制品的数据信息。
在一个示例中,数据传输过程中的5G通信技术使用的是利用D2D通信技术的临近特性及数据直通性在设备终端之间设置相应的连接链路,使得对数据预处理录入终端作为目标终端,且请求发送对应检测到的肉制品数据信息,使之快速有效地传输。
在一个示例中,预处理技术使用的是通过二分K-均值算法对肉制品检测的数据信息进行分类,然后再结合层次聚类算法对肉制品的种类进行分类处理;同时通过DBSCAN算法对因传输带来的肉制品数据信息干扰数据,忽略不属于用食品安全检测方法检测的数据,以达到对噪声数据处理,便于客户追溯时能够快速提取对应的肉制品的数据信息记录,且提取的数据能够直观的反应给客户。
具体地,使用的是生物传感技术中对肉制品成分分析,添加剂分析,微生物和毒素检验综合的传感器技术,检测到的数据信息作为肉制品身份的数据通过D2D通信技术为基础,快速的把数据信息从生物传感检测装置终端传输到对数据进行预处理的设备终端;将终端接收的数据进行分词处理,构建词袋模型对数据进行向量处理,通过TF-IDF统计方法来判别数据中不同肉制品的成分,添加剂种类,有害物质等此出现的次数,将词向量转化为权值向量。通过性能度量指标DI和DBI以及人工校验确定K个数,用二分K-均值算法实现给定的K个簇下,对检测的肉制品的数据分为成分,添加剂种类,有害物质等类别,而对于依照肉制品种类分类,因名称信息量少,以及K个数不确定,所以结合使用层次聚类算法,采用“自底而上”的方法,将每个肉制品名称信息看作一个初始聚类簇,找出每两个聚类最近的两个簇进行合并,不断重复,直到达到预设的种类类别条件,此类条件通过性能指标DBI和DI变化趋势结合人工校验得到合适的聚类个数和对应的距离阈值,对所有传输的数据聚类分析,从而达到根据肉制品名称进行的分类。同时通过DBSCAN算法,主要对噪声点条件的设置,来对数据进行降噪处理,去除因传输而带来的干扰数据。通过此过程实现肉制品类别分类,同时对肉制品的成分,添加剂种类,有害物质等分类,使得各流转节点检测的数据在录入分布式数据库后,能够分类相应的类中,减小占用空间,让客户追溯时数据信息能够在公钥签名的众多种类肉制品数据下快速挖掘找到对应的数据,让客户在追溯过程中溯源数据快速,直观,准确的呈现。
在一个示例中,所述二分K-均值算法对肉制品检测的数据信息进行分类的具体步骤如下:
首先,将肉制品成分、肉制品添加剂、有害毒物及肉制品鲜度等各流转节点的肉制品的数据信息作为一个簇;
然后,将该簇一分为二,选择其中一个误差平方和较小的簇进行划分,所述误差是通过计算所述各流转节点的肉制品的数据信息与正常范围值的中值数求差得到,进而可以计算出所述簇中的误差平方和;
最后,依次类推,划分过程不断重复,直至得到指定的分类结果(N)为止。
在一个示例中,所述层次聚类算法具体实现方式如下:将N个分类结果之间最接近的两个类合并成一类,重新计算新的类与其他旧类之间的距离,重复上述步骤直至最后满足一定条件终止。
在一个示例中,产品记录是以所述肉制品的生产节点和各个流转节点对数据信息用私钥签名的记录顺序为基础,获取到的时间戳,以此可以让客户对有问题的肉制品的数据信息进行从源头上溯源。
具体地,产品记录是经过数据预处理后的数据信息与录入者经过私钥签名后的信息关联以后记录于区块链中的数据信息,且产生的时间记录是以国家标准时间为基础时间。
在一个示例中,国家熟肉制品质量安全标准数据是录入的是最新关于肉类产品制作成分标准,添加剂种类用量标准,以及微生物和毒素有害量标准等数据信息。
在一个示例中,权限管理的创世区块文件通过制定特有的创世区块文件搭建一条能够获取录入者身份,节点信息的区块链系统,此权限管理是通过对录入者进行备案登记和核实,且以特有的录入者文件产生的账户私钥与节点录入信息进行绑定,对数据进行签名的流转记录,并产生公钥供客户与安检部门追溯验证使用。
具体地,在区块链中搭建一条能够获取录入者身份,节点信息的区块链系统,此权限管理是通过对录入者进行备案登记和核实,且以特有的录入者文件产生的账户私钥将预处理过的数据信息与节点录入信息进行绑定,产生流转记录并将数据存储于区块链中,且产生公钥,若客户通过食品安全质量快速检测的数据与国家熟肉制品质量安全标准数据库对比,检测的数据信息存在质量安全问题,则客户使用录入者的公钥签名验证通过,根据产品记录上的时间戳进行问题数据追溯。
图2给出了一个关于本发明的实施例示意图:如图所示在肉制品的出厂,中间商流转,销售等各环节都设置一个食品快速安全检测装置用于检测肉制品的成分信息,将获取的数据信息以D2D通信技术为基础的传输通道,快速的把数据信息从生物传感检测装置终端传输到对数据进行预处理的设备终端;通过二分K-均值算法对肉制品检测的数据信息进行分类,然后再结合层次聚类算法对肉制品的种类进行分类处理;同时通过DBSCAN算法对因传输带来的肉制品数据信息干扰数据,忽略不属于用食品安全检测方法检测的数据,以达到对噪声数据处理,便于客户追溯时能够快速提取对应的肉制品的数据信息记录,且提取的数据能够直观的反应给客户;分发有权限管理的创世区块文件的录入者身份提前加入到区块链中,在区块链中搭建一条能够获取录入者身份,节点信息的区块链系统,此权限管理是通过对录入者进行备案登记和核实,且以特有的录入者文件产生的账户私钥将预处理过的数据信息与节点录入信息进行绑定,产生流转记录并将数据存储于区块链中,且产生公钥。食品安全快速检测装置内包含生物检测技术与人工智能相结合的算法技术,用于获取肉制品的成分数据信息且作为肉制品的特征,在每个流转节点产生的产品记录和获取的肉制品成分数据信息与录入者登记的身份信息关联存储到分布式数据库中,形成一个以时间为顺序的共享链,若客户通过食品安全质量快速检测的数据与国家熟肉制品质量安全标准数据库对比,与同种层次的肉制品质量安全标准对比,若检测的数据信息存在质量安全问题,则客户使用录入者的公钥签名验证通过,根据产品记录上的时间戳进行问题数据追溯,客户及安检部门通过有问题的数据在溯源过程中进行溯源,并反馈给客户界面。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,且上述所述的5G通信技术只是做的举例说明,并不代表全部,所述的数据预处理及数同样只是做的举例说明,以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (5)
1.一种基于区块链的肉制品质量安全追溯方法,其特征在于,包括以下步骤:
S1:肉制品的品质信息数据的采集
通过食品安全技术检测设备检测获取肉制品出厂时和中间流转节点的品质信息数据;
S2:数据传输
在设备终端之间设置相应的通信连接链路,以数据预处理录入终端作为目标终端,将品质信息数据发送到数据预处理录入终端;
S3:数据预处理录入
对肉制品的品质信息数据在传输过程中出现的数据进行优化处理,再将数据信息由拥有权限管理的创世区块文件的各流转节点的组织或个人录入至所述区块链的分布式数据库中;
S4:品质对比判断
将肉制品的品质信息数据与安全标准数据库中的同一层安全规格的肉制品品质标准数据对比,若肉制品的品质信息数据低于肉制品品质标准数据则通过公钥上传至溯源过程进行溯源;
S5:溯源
查询分布式数据库中的以肉制品数据信息为身份特征并与录入者联系的产品记录,完成溯源。
2.根据权利要求1所述的方法,其特征在于,所述品质信息数据包括肉制品成分数据、肉制品添加剂数据、有害毒物数据及肉制品鲜度数据。
3.根据权利要求1所述的方法,其特征在于,所述步骤S2具体包括:
通过5G通信模块传输食品安全技术检测设备检测到的肉制品的品质信息数据,并通过D2D通信模块在设备终端之间设置相应的连接链路,以数据预处理录入终端为目标终端,请求发送对应检测到的肉制品品质信息数据。
4.根据权利要求1所述的方法,其特征在于,所述步骤S3具体包括:
通过二分K-均值算法对肉制品品质信息数据进行分类,然后再结合层次聚类算法对肉制品的种类进行分类处理;同时通过DBSCAN算法处理因传输带来的肉制品品质信息数据的干扰数据,忽略不属于肉制品品质信息的数据,实现对噪声数据的处理;
所述权限管理的创世区块文件通过制定创世区块文件搭建一条能够获取录入者身份和节点信息的区块链系统,并对肉制品出厂时和中间流转节点的录入者进行备案登记和核实,以录入者文件产生的账户私钥与节点录入信息进行绑定,对数据进行签名的流转记录,产生公钥追溯时使用。
5.根据权利要求1所述的方法,其特征在于,所述步骤S5中的产品记录是所述步骤S3中的肉制品出厂时和中间流转节点的品质信息数据对应的私钥签名记录。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010478281.7A CN111695916A (zh) | 2020-05-29 | 2020-05-29 | 一种基于区块链的肉制品质量安全追溯方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010478281.7A CN111695916A (zh) | 2020-05-29 | 2020-05-29 | 一种基于区块链的肉制品质量安全追溯方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111695916A true CN111695916A (zh) | 2020-09-22 |
Family
ID=72479003
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010478281.7A Pending CN111695916A (zh) | 2020-05-29 | 2020-05-29 | 一种基于区块链的肉制品质量安全追溯方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111695916A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113011798A (zh) * | 2021-05-24 | 2021-06-22 | 江苏荣泽信息科技股份有限公司 | 一种基于区块链的产品检测信息处理系统 |
CN117390143A (zh) * | 2023-12-13 | 2024-01-12 | 深圳海关食品检验检疫技术中心 | 基于区块链的食品检测数据处理方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108764695A (zh) * | 2018-05-23 | 2018-11-06 | 江苏涞哲信息科技有限公司 | 一种基于区块链技术的食品安全溯源系统及方法 |
CN109214829A (zh) * | 2018-08-02 | 2019-01-15 | 佛山鑫达智汇科技有限公司 | 食品安全溯源方法和装置 |
CN110827043A (zh) * | 2019-11-14 | 2020-02-21 | 北京工商大学 | 一种基于区块链的猪肉质量安全可信追溯方法 |
-
2020
- 2020-05-29 CN CN202010478281.7A patent/CN111695916A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108764695A (zh) * | 2018-05-23 | 2018-11-06 | 江苏涞哲信息科技有限公司 | 一种基于区块链技术的食品安全溯源系统及方法 |
CN109214829A (zh) * | 2018-08-02 | 2019-01-15 | 佛山鑫达智汇科技有限公司 | 食品安全溯源方法和装置 |
CN110827043A (zh) * | 2019-11-14 | 2020-02-21 | 北京工商大学 | 一种基于区块链的猪肉质量安全可信追溯方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113011798A (zh) * | 2021-05-24 | 2021-06-22 | 江苏荣泽信息科技股份有限公司 | 一种基于区块链的产品检测信息处理系统 |
CN113011798B (zh) * | 2021-05-24 | 2021-08-13 | 江苏荣泽信息科技股份有限公司 | 一种基于区块链的产品检测信息处理系统 |
CN117390143A (zh) * | 2023-12-13 | 2024-01-12 | 深圳海关食品检验检疫技术中心 | 基于区块链的食品检测数据处理方法 |
CN117390143B (zh) * | 2023-12-13 | 2024-05-03 | 深圳海关食品检验检疫技术中心 | 基于区块链的食品检测数据处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | CAP: Community activity prediction based on big data analysis | |
Lim et al. | Detecting product review spammers using rating behaviors | |
CN108734184B (zh) | 一种对敏感图像进行分析的方法及装置 | |
CN106022317A (zh) | 人脸识别方法及装置 | |
CN111695916A (zh) | 一种基于区块链的肉制品质量安全追溯方法 | |
US10915540B2 (en) | Method and system for evaluating user persona data | |
CN110210981A (zh) | 保险业务理赔方法、装置、计算机装置及存储介质 | |
CN111192153A (zh) | 人群关系网络构建方法、装置、计算机设备和存储介质 | |
Zhao et al. | An Association Rule Based Method to Integrate Metro‐Public Bicycle Smart Card Data for Trip Chain Analysis | |
CN112861980B (zh) | 一种基于大数据的事历任务表挖掘方法及计算机设备 | |
CN113961764A (zh) | 诈骗电话的识别方法、装置、设备及存储介质 | |
CN110020161B (zh) | 数据处理方法、日志处理方法和终端 | |
KR20230056239A (ko) | Ai 기반의 비건 화장품 추천 방법 | |
CN111652259B (zh) | 一种清洗数据的方法及系统 | |
CN107944363A (zh) | 人脸图像处理方法、系统及服务器 | |
CN110309737A (zh) | 一种应用于香烟柜台的信息处理方法、装置及系统 | |
CN116911883B (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 | |
CN111460139B (zh) | 一种基于智慧管理的工程监理知识服务系统及方法 | |
CN109544179B (zh) | 基于重要产品追溯数据服务的运行支撑系统 | |
CN111915368A (zh) | 汽车行业客户id识别系统、方法及介质 | |
CN116383786A (zh) | 一种基于物联网的大数据信息监管系统及方法 | |
CN111833073A (zh) | 基于K-Means++算法的航空公司客户细分方法 | |
Alkhatri et al. | The use of data mining techniques to predict the ranking of e-government services | |
CN113807870B (zh) | 车辆信息认证方法、装置、计算机设备和存储介质 | |
CN112749990B (zh) | 一种基于游客身份的数据分析方法及系统 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200922 |