CN113256314B - 一种基于区块链的农产品溯源系统 - Google Patents

Abstract

本发明涉及溯源技术领域，具体涉及一种基于区块链的农产品溯源系统，包括生长监控子系统、竞价交易子系统和装箱跟踪子系统，生长监控子系统包括生长数据收集模块、存储存证模块和生长模型执行模块，生长模型的输入为农田的农作物数据及种植数据，输出为农田中农产品的产量及品质评级；竞价交易子系统在农作物接近成熟收割前撮合交易；农作物成熟后，购买方直接在田间完成农产品收获装箱封箱，将农产品的农作物数据、种植数据、收获数据及收获视频打包作为追溯数据。本发明的实质性效果是：田间直接收获农产品，装箱后跟踪运输箱的形式，建立运输过程的追溯，使得农产品的种植、收获和运输形成完整的追溯链，打通了运输加工与种植过程的追溯。

Description

一种基于区块链的农产品溯源系统

技术领域

本发明涉及溯源技术领域，具体涉及一种基于区块链的农产品溯源系统。

背景技术

农业耕作是一项特殊、复杂、独立的工作，同时也是最重要的工作，它关系到人类健康和整个生态循环。随着人们对食品安全意识的提高，越来越多不同层次的消费者对农产品的安全、健康、质量保障意识的需求不断增加。农产品追溯是食品追溯中最复杂和最艰难的部分，目前除国际上还没有基于食品安全生产和全程供应链管理两方面完整对接的农产品可追溯系统。农产品追溯最难以完成的是供应链管理过程的源头无法保证原料的安全。尤其是农产品的收获环节，由于农产品收获时通常将不同种植区的农产品混合入仓，而后再等待收购商收购。这一过程导致农产品追溯数据的断层，无法准确溯及农产品的种植过程。这一切迫使人们寻求一条安全级别更高的解决食品安全的的解决食品安全的方法。

如中国专利CN111680865A，公开日2020年9月18日，一种基于区块链的农产品品控溯源平台，该平台对农产品种植、仓储、加工、包装赋码、品评、物流、销售、监管环节数据进行采集后，上传至区块链平台确保数据不可篡改，采用系统采集+物联网+人工智能的数据采集方式，并通过每个环节上DAPP应用上传数据。其技术方案虽然能够解决优质农产品的质量追溯数据的真实性，但不能确保追溯数据上传前的真实性，仍然会留下追溯盲区和漏洞。

发明内容

本发明要解决的技术问题是：目前的农产品追溯方案在种植环境存在追溯盲区的技术问题。提出了一种基于区块链的农产品溯源系统，采用区块链结合田间直接收购的方式，提高了追溯数据的连续性和完整性。

为解决上述技术问题，本发明所采取的技术方案为：一种基于区块链的农产品溯源系统，包括生长监控子系统、竞价交易子系统和装箱跟踪子系统，所述生长监控子系统包括生长数据收集模块、存储存证模块和生长模型执行模块，所述生长数据收集模块收集农田中的农作物数据及种植数据并提交给存储存证模块，所述存储存证模块将收到的数据加密存储并通过区块链存证，所述生长模型执行模块执行生长模型，所述生长模型的输入为农田的农作物数据及种植数据，输出为农田中农产品的产量及品质评级；所述竞价交易子系统在农作物接近成熟收割前，将每个农田的农作物产量及品质评级向购买方公开，购买方提交出价及购买量，所述竞价交易子系统撮合交易；农作物成熟后，购买方直接在田间完成农产品收获装箱封箱，生成收获数据并录制收获视频，所述装箱跟踪子系统将收获数据及收获视频提交存储存证模块，将农产品的农作物数据、种植数据、收获数据及收获视频打包作为追溯数据，将追溯数据提交存储存证模块，所述装箱跟踪子系统生成指向追溯数据及区块链信息的跟踪码，将跟踪码贴附在封箱上。

作为优选，所述装箱跟踪子系统包括运输箱，所述运输箱包括箱体、定位单元、存储单元、时钟和视频录制单元，所述视频录制单元录制农作物收获装箱封箱视频作为收获视频，所述定位单元周期性将定位数据提交存储单元存储作为运输数据，将运输数据提交存储存证模块，将运输箱内的农作物对应的农田标识、运输箱标识、定位数据、标准时间戳及购买方标识作为收获数据。

作为优选，当所述运输箱到达加工厂时，所述加工厂根据跟踪码获取对应的溯源数据，验证所述溯源数据的存证是否成立及运输数据是否与溯源数据匹配，若存证成立且运输数据匹配，则溯源验证通过，将验证结果签名后加入溯源数据中，分装或加工所述运输箱内的农产品，反之，则拒收所述运输箱。

作为优选，所述加工厂的生产线建立有视频监控系统，所述加工厂按批次再加工农产品，所述再加工农产品具有包装或再次被投入运输箱，所述装箱跟踪子系统将批次工艺数据、批次原料追溯数据、批次原料运输数据、加工视频和加工厂标识打包作为再加工农产品的追溯数据，将再加工农产品的追溯数据提交存储存证模块，所述装箱跟踪子系统生成指向再加工农产品的追溯数据的跟踪码，将跟踪码贴附在包装或封箱上。

作为优选，所述运输箱还安装有无线通信模块，所述存储单元周期性将新增的运输数据打包为存储包，将所述存储包及上一个存储包括一起提取哈希值，将哈希值与存储包关联存储，所述无线通信模块尝试搜索附近的运输箱，若附近存在运输箱则通过无线通信模块建立通信连接，并交换最新的哈希值，所述存储单元将收到的哈希值及运输箱标识存储。

作为优选，所述运输箱还安装有温湿度传感器和加速度传感器，分别监测箱体内的温湿度和箱体的加速度，将温湿度数据及加速度数据纳入运输数据。

作为优选，所述存储存证模块运行在若干个存储服务器上，每个所述存储服务器接入若干个农田，所述存储存证模块为接入的每块农田分配唯一农田标识，所述存储存证模块在所述存储服务器上开辟若干个线性存储区域，每块农田对应一个线性存储区域，所述线性存储区域划分为静态区域和增量区域，所述农作物数据包括种类、种子品种、种植时间、种植面积、种植密度和地理位置，所述种植数据包括生长环境数据和管培数据，所述生长环境数据包括空气温湿度、土壤温湿度、土壤酸碱度、风速、天气、光照强度和光照时长，所述管培数据包括长势数据、孽芽处置数据、施肥数据、施药数据和病虫害数据，所述农作物数据存储在静态区域，所述种植数据存储在增量区域，农作物播种完成后，将农作物数据存入静态区域，提取静态区域的哈希值作为静态哈希值，将静态哈希值上传区块链存储，将静态哈希值、对应区块高度和对应区块哈希值存入静态区域，以周期T1在增量区域插入存证点，所述存证点占用预设长度的存储空间，提取两个存证点之间的种植数据的哈希值作为种植哈希值，将当前存证点的种植哈希值和上一个存证点的种植哈希值一起提取哈希值，作为存证哈希值，首个存证点将静态哈希值和种植哈希值一起提取哈希值作为存证哈希值，以周期T2将最新的存证哈希值上传区块链存储，并将对应的区块高度和区块哈希值存储到最新的存证点内。

作为优选，所述存储存证模块在存储服务器上还开辟若干个线性备份区域，所述线性备份区域与所述线性存储区域一一对应，所述线性备份区域具有编号，当增量区域产生新的存证点时，所述线性备份区域同步产生标识点，所述存储存证模块将最新的两个存证点之间的种植数据备份到对应的线性备份区域的最新的两个标识点之间，所述线性备份区域将最新的两个标识点之间的数据按预设大小分割为子数据，若干个线性备份区域之间交换子数据，使得交换后线性备份区域最新的两个标识点之间的数据与线性备份区域的编号一起提取的哈希值，大小顺序与线性备份区域编号顺序匹配。

作为优选，所述生长模型包括规则模型和神经网络模型，所述规则模型为若干条产量映射规则和若干条品质映射规则的组合，所述产量映射规则为将农作物数据及种植数据映射为农作物产量或增减量的映射规则，所述品质映射规则为将农作物数据及种植数据映射为农产品品质的映射规则，所述规则模型由科研机构或者购买方制定并提交给生长监控子系统，所述规则模型被分配有唯一编号且关联有制作方标识，所述神经网络模型由同气候的农田的历史农作物数据、种植数据、产量数据及品质评级建立的样本数据训练得到，所述神经网络模型被分配有唯一编号并关联样本数据的时间跨度和相应的地理位置信息。

作为优选，所述生长模型执行模块从存储存证模块中调取每块农田的农作物数据和种植数据，分别代入全部的生长模型，将得出的产量和品质评级关联农田标识和生长模型的编号后存储；在预设的出价时段内，所述竞价交易子系统根据购买方选择生长模型编号，向为购买方展示所选择的生长模型下每块农田的产量和品质评级，购买方的出价关联生长模型编号、品质评级要求和购买量；出价时段结束后，所述竞价交易子系统列举相同生长模型下相同品质评级的全部出价，以购买量为权重计算出加权均价，以加权均价为最终出价；所述竞价交易子系统将农田排序，以每块农田能够获得的收益最大为目标，为农田匹配生长模型和出价，完成交易撮合，通知购买方和对应农户，并在实际收获后，根据实际产量确定交易金额。

本发明的实质性效果是：1）通过对农作物生长过程进行监控，不仅能够形成溯源数据，还能够在农作物成熟前，即可推算出农产品的品质和产量，通过竞价交易子系统在农作物收获前即撮合交易，使得收购方能够在田间直接收获农产品，装箱后就可以以跟踪运输箱的形式，建立运输过程的追溯，使得农产品的种植、收获和运输形成完整的追溯链，打通了运输加工与种植过程的追溯；2）通过竞价交易根据农产品的预估产量和预估品质，各收购方据此及往年收成及价格出价，使农产品的最终价格更能够反映市场的供需情况；3）通过生长监控子系统对农作物数据及种植数据进行存储存证，即保证了数据的真实性，又实现了农作物种植大数据的积累，为后续大数据的二次利用提供了条件。

附图说明

图1为实施例一农产品溯源系统结构示意图。

图2为实施例一运输箱结构示意图。

图3为实施例一追溯数据构成示意图。

图4为实施例一存储存证模块存储示意图。

图5为实施例二生长模型执行示意图。

图6为实施例二神经网络模型结构示意图。

图7为实施例二竞价交易子系统工作过程流程图。

图8为实施例二竞价交易界面一。

图9为实施例二竞价交易界面二。

其中： 11、生长数据收集模块，12、存储存证模块，13、生长模型执行模块，20、竞价交易子系统，21、购买方，201、产量，202、品质评级，203、生长模型下拉框，204、农产品列表，205、农产品显示区，206、出价区，30、装箱跟踪子系统，31、箱体，32、定位单元，33、存储单元，34、时钟，35、视频录制单元，36、跟踪码，40、区块链，50、追溯数据，51、批次工艺数据，52、批次原料追溯数据，53、批次原料运输数据，54、加工视频，55、加工厂标识，521、农作物数据，522、种植数据，523、收获数据，524、收获视频，5221、生长环境数据，5222、管培数据，61、静态区域，62、增量区域，63、线性备份区域，64、标识点，65、子数据，621、存证点，71、输入层，72、隐含层，73、输出层。

具体实施方式

下面通过具体实施例，并结合附图，对本发明的具体实施方式作进一步具体说明。

实施例一：

一种基于区块链的农产品溯源系统，请参阅附图1，本系统包括生长监控子系统、竞价交易子系统20和装箱跟踪子系统30，生长监控子系统包括生长数据收集模块11、存储存证模块12和生长模型执行模块13，生长数据收集模块11收集农田中的农作物数据521及种植数据522并提交给存储存证模块12，存储存证模块12将收到的数据加密存储并通过区块链40存证，生长模型执行模块13执行生长模型，生长模型的输入为农田的农作物数据521及种植数据522，输出为农田中农产品的产量201及品质评级202。农产品有不同的品性，如玉米通常分为口感较佳的食用玉米和口感一般的饲料用玉米。其中用于直接食用的玉米，又分为糯性玉米和甜玉米。对于糯性玉米、甜玉米及饲料玉米的区分，首先由种子决定，其次，在培育过程中是否适宜玉米的生长，以及培育方式的不同，又决定了玉米最终的产量201和具体的品相分级。不同的玉米口感品类其播种深度、施肥时机/肥类、种植密度、蘖芽处置、病虫防治均有所不同。种植环境中的温度和生长期也具有一定程度的影响。而甜玉米对干旱的耐受较低，因而种植周期中，要保证土壤的湿度处于适宜的范围。且甜玉米的适宜收获期比较短，因而需要及时收获，既不能太早也不能太晚。太早收获，籽粒内含物较少，口感不是太好；收获过晚，果皮变硬，失去甜玉米特有的风味。因而需要对生长过程进行监控，监控甜玉米是否供水充足，且在合适的时机进行了收获。

竞价交易子系统20在农作物接近成熟收割前，将每个农田的农作物产量201及品质评级202向购买方21公开，购买方21提交出价及购买量，竞价交易子系统20撮合交易。如将农户甲的农田1中的甜玉米，其种植管理较为完善，因而品质为优，产量201为340公斤，则展示：农户甲-农田1-优（甜玉米）-500公斤。每个购买方21结合其他农户的农田的产量201，算出本季甜玉米的总产量201，与历史产量201相比，判断是增产还是减产，以及具体的增产量201或减产量201，而后根据其掌握的市场信息，判断市场供需关系变化，决定在往季的出价上，提高出价还是降低出价。竞价交易子系统20实时显示出价和剩余产量201。实时显示的出价和剩余产量201仅作为参考，最终成交价以加权均价为准。为避免交易撮合后，存在剩余玉米未被成功出售，本实施例预设的多于一个出价期，出价期结束后，按实际撮合交易结果，在下一个出价期将剩余产量201展示，供购买方21出价购买。

农作物成熟后，购买方21直接在田间完成农产品收获装箱封箱，生成收获数据523并录制收获视频524，装箱跟踪子系统30将收获数据523及收获视频524提交存储存证模块12，如图3所示，将农产品的农作物数据521、种植数据522、收获数据523及收获视频524打包作为追溯数据50，将追溯数据50提交存储存证模块12，装箱跟踪子系统30生成指向追溯数据50及区块链40信息的跟踪码36，将跟踪码36贴附在封箱上。购买方21可以雇人进行收获，也可以监督农户收获，其中监督可采用现场布设摄像头，进行远程监督的形式。其最佳收获方式为采用联合化的大型机械收割机。对大型机械收割机进行定位跟踪和实时视频监控的方式，获得溯源数据。

装箱跟踪子系统30包括运输箱，请参阅附图2，运输箱包括箱体31、定位单元32、存储单元33、时钟34和视频录制单元35，视频录制单元35录制农作物收获装箱封箱视频作为收获视频524，定位单元32周期性将定位数据提交存储单元33存储作为运输数据，将运输数据提交存储存证模块12，将运输箱内的农作物对应的农田标识、运输箱标识、定位数据、标准时间戳及购买方21标识作为收获数据523。由于每个运输箱上均安装有视频录制单元35，因而可以将运输箱布置在农田附近，拍摄农作物收获过程，即起到了监督收获的作用，同时收集了追溯数据50。

运输箱还安装有温湿度传感器和加速度传感器，分别监测箱体31内的温湿度和箱体31的加速度，将温湿度数据及加速度数据纳入运输数据。对运输箱内温湿度的监控，判断农产品在运输过程中是否会出现品质的变化。确保追溯数据50的完整和连续。

当运输箱到达加工厂时，加工厂根据跟踪码36获取对应的溯源数据，验证溯源数据的存证是否成立及运输数据是否与溯源数据匹配，若存证成立且运输数据匹配，则溯源验证通过，将验证结果签名后加入溯源数据中，分装或加工运输箱内的农产品，反之，则拒收运输箱。运输箱进入加工厂后，即可采用现有技术对加工厂的加工过程进行追溯，本实施例对此未作出改进。对于食品加工厂的追溯，与一般产品的追溯可采用相同的方式进行。并非是本专利解决的重点问题。

加工厂的生产线建立有视频监控系统，加工厂按批次再加工农产品，再加工农产品具有包装或再次被投入运输箱，装箱跟踪子系统30将批次工艺数据51、批次原料追溯数据52、批次原料运输数据53、加工视频54和加工厂标识55打包作为再加工农产品的追溯数据50，将再加工农产品的追溯数据50提交存储存证模块12，装箱跟踪子系统30生成指向再加工农产品的追溯数据50的跟踪码36，将跟踪码36贴附在包装或封箱上。

本实施例在农产品首次进入加工厂前，建立了完整连续的追溯，使得由加工厂加工的最终产品，能够往前追溯到对应原料农产品的种植过程数据，解决了农产品追溯最为困难的环节，使农产品追溯技术取得了新的进步。

为保障追溯数据50不可篡改，本实施例采用区块链40技术，保证追溯数据50的真实可信。本实施例中，存储存证模块12运行在若干个存储服务器上，每个存储服务器接入若干个农田，存储存证模块12为接入的每块农田分配唯一农田标识，存储存证模块12在存储服务器上开辟若干个线性存储区域，每块农田对应一个线性存储区域。如图4所示，线性存储区域划分为静态区域61和增量区域62，农作物数据521包括种类、种子品种、种植时间、种植面积、种植密度和地理位置，种植数据522包括生长环境数据5221和管培数据5222，生长环境数据5221包括空气温湿度、土壤温湿度、土壤酸碱度、风速、天气、光照强度和光照时长，管培数据5222包括长势数据、孽芽处置数据、施肥数据、施药数据和病虫害数据，农作物数据521存储在静态区域61，种植数据522存储在增量区域62，农作物播种完成后，将农作物数据521存入静态区域61，提取静态区域61的哈希值作为静态哈希值，将静态哈希值上传区块链40存储，将静态哈希值、对应区块高度和对应区块哈希值存入静态区域61，以周期T1在增量区域62插入存证点621，存证点621占用预设长度的存储空间，提取两个存证点621之间的种植数据522的哈希值作为种植哈希值，将当前存证点621的种植哈希值和上一个存证点621的种植哈希值一起提取哈希值，作为存证哈希值，首个存证点621将静态哈希值和种植哈希值一起提取哈希值作为存证哈希值，以周期T2将最新的存证哈希值上传区块链40存储，并将对应的区块高度和区块哈希值存储到最新的存证点621内。

存储存证模块12在存储服务器上开辟若干个线性备份区域63，线性备份区域63与线性存储区域一一对应，线性备份区域63具有编号，当增量区域62产生新的存证点621时，线性备份区域63同步产生标识点64，存储存证模块12将最新的两个存证点621之间的种植数据522备份到对应的线性备份区域63的最新的两个标识点64之间，线性备份区域63将最新的两个标识点64之间的数据按预设大小分割为子数据65，若干个线性备份区域63之间交换子数据65，使得交换后线性备份区域63最新的两个标识点64之间的数据与线性备份区域63的编号一起提取的哈希值，大小顺序与线性备份区域63编号顺序匹配。

请再次参阅附图4，序号01的线性备份区域63在两个存证点621之间的数据及其编号：01，一起提取哈希值，为：

938DB8C9F82C8CB58D3F3EF4FD250036A48D26A712753D2FDE5ABD03A85CABF4

则序号02的线性备份区域63在两个存证点621之间的数据及其编号：02，一起提取哈希值就必须大于上述的哈希值，若不大于，则尝试交换部分子数据65，直到满足条件。同样序号03的线性备份区域63在两个存证点621之间的数据及其编号一起提取哈希值，需要大于序号02对应的哈希值，后续编号的线性备份区域63对应的哈希值同样处理。线性备份区域63不仅能够实现种植数据522的备份。当线性存储区域内的数据被损坏或恶意修改时，可以通过线性备份区域63内存储的数据进行恢复。同时，若恶意修改了线性存储区域的数据，为了不留痕迹则应该同时修改线性备份区域63内对应的数据，但是线性备份区域63的数据是分割了的，一个种植数据522有可能被分割在两个子数据65中，增加了寻找的难度。同时子数据65修改后，有较大概率导致标识点64之间对应的哈希值，不满足顺序匹配要求，则需要重新交互子数据65，而交互子数据65后又会引起其他线性备份区域63对应的哈希值不满足顺序匹配要求，从而大幅增加数据修改时所需要进行的工作量，大幅延长了不留痕迹进行数据篡改所需要的时间，只要上传区块链40的周期T2小于该时间，就能够保证种植数据522的真实可信。另一方面也使得上传区块链40的频率可以适当降低，减少了上传区块链40所需要的花费。

运输箱还安装有无线通信模块，存储单元33周期性将新增的运输数据打包为存储包，将存储包及上一个存储包括一起提取哈希值，将哈希值与存储包关联存储，无线通信模块尝试搜索附近的运输箱，若附近存在运输箱则通过无线通信模块建立通信连接，并交换最新的哈希值，存储单元33将收到的哈希值及运输箱标识存储。由于运输箱是重复利用的，而同一块农田通常需要使用到多个种植箱，因而运输箱之间处于预设距离内属于随机事件。当运输箱靠近时，相互交换哈希值存储，当后续某个运输箱的数据被修改时，由于修改者无法发现当时在附近是否存在其他运输箱及具体哪些运输箱，因而无法同步修改所交换的哈希值，使得修改留下痕迹。存储存证模块12能够获得每个运输箱的位置。当需要验证时，可调取全部运输箱在预设时间段内的定位数据，快速发现附近的运输箱，进而核实交换的哈希值是否匹配，实现交叉验证。

实施例二：

本实施例在实施例一的基础上，对生长模型的生成及竞价交易子系统20进行了具体的改进。请参阅附图5，本实施例提供了基础的生长模型的建立方法。生长模型包括规则模型和神经网络模型，规则模型为若干条产量201映射规则和若干条品质映射规则的组合，产量201映射规则为将农作物数据521及种植数据522映射为农作物产量201或增减量的映射规则，品质映射规则为将农作物数据521及种植数据522映射为农产品品质的映射规则，规则模型由科研机构或者购买方21制定并提交给生长监控子系统，规则模型被分配有唯一编号且关联有制作方标识。

如：玉米种子属于预设的范围，预设的范围包括了市面上的甜糯玉米种子的品种。对每个品种给予评分。糯玉米以苏糯玉1号、烟单5号、鲁糯玉1号种子为预设范围。

玉米生长时间长度大于预设的值，保证了玉米有足够的时间生长。根据每日长势数据判断玉米出芽是否过晚或过早。同时判断出芽后是否经过除蘖芽以及除蘖芽的效果。以玉米出芽时间适中，蘖芽去除干净为佳进行评分。

种植密度是否低于设定的阈值。以低密度为佳进行评分。

土壤湿度超出预设的适宜范围的时间长度。以超出预设的适宜范围的时间长度短为佳进行评分。

出苗时施加苗肥、灌浆时施加穗肥，化肥成分是否即包含化学肥料也包含生物肥料。以施肥适时且组合施肥为佳进行评分。

根据病虫害数据判断玉米是否出现过病害或虫害，以病害或虫害的具体种类进行评分。

玉米生长需要适宜的温度，根据温度监控数据判断超出适宜温度的生长时间所占时长，以超出适宜生长温度的时长短为佳进行评分。玉米生长需要适宜的温差，根据温度监控数据对昼夜温差进行评分。综合上述评分后，进行加权求和获得总分，根据总分对玉米进行评分。评分越高则表示该亩玉米的糯属性分级越好。

值得注意的是，生长模型的制定虽然具有一定的专业性，而目前农业科研院校、机构，公开了玉米等农作物的生长模型。因而生长模型为本领域的已知技术。购买方21通常只需要根据农业科研院校、机构公开的生长模型，自行选择使用即可。如：“[1]番兴明, 杨峻芸, 谭静,等. 用CERES玉米生长模型预测优质蛋白玉米生物产量的形成[J]. 西南农业大学学报, 2001, 23(1):1-3.”提供了筛选出优质蛋白玉米需求的生长模型。“[1]李伟. 基于玉米生长模型的吉林省春玉米产量潜力与产量差研究[D]. 吉林大学, 2016.”则提供了预测产量的生长模型。

农产品的品性主要与农作物种子的品种和种植的环境有关。对于最简单的生长模型，可以仅考虑种子的品种，以及种植过程中是否出现超过预设阈值的温度、水涝、干旱等自然灾害及病虫害等造成的减产减质即可。甚至，若未出现超出玉米品种耐受范围的种植数据522，则认为玉米为优，产量201为种子公司提供的数据乘种植面积获得。

当本系统收集到足够多的数据时，即可以通过建立神经网络模型的方式，获得经验模型。请参阅附图6，为本实施例建立的品质评级202模型，本实施例建立的神经网络模型包括输入层71、若干个隐含层72和输出层73，输入层71接入农作物数据521、生长环境数据5221和管培数据5222，输入层71具有若干个输入神经元，输入神经元数量与农作物数据521、生长环境数据5221和管培数据5222的字段数量匹配。若干个隐含层72进行中间识别，最后将识别结果输送到输出层73，输出层73输出对应数据样本处于优、良、中、差四个品质评级202的概率，其中品质为优的概率远高于其他评级，因而认定该农产品的品质评级202为优。对于农田的产量201，也可以使用同样的方式，建立神经网络模型，获得种子品种、种植面积、生长环境及管培方式下，玉米的产量201数据。

请参阅附图7，竞价交易子系统20工作过程包括：

步骤A1）生长模型执行模块13从存储存证模块12中调取每块农田的农作物数据521和种植数据522；

步骤A2）分别代入全部的生长模型，将得出的产量201和品质评级202关联农田标识和生长模型的编号后存储；

步骤A3）在预设的出价时段内，竞价交易子系统20根据购买方21选择生长模型编号，向为购买方21展示所选择的生长模型下每块农田的产量201和品质评级202；

步骤A4）将购买方21的出价关联生长模型编号、品质评级202要求和购买量；

步骤A5）出价时段结束后，竞价交易子系统20列举相同生长模型下相同品质评级202的全部出价，以购买量为权重计算出加权均价，以加权均价为最终出价；

步骤A6）竞价交易子系统20将农田排序，以每块农田能够获得的收益最大为目标，为农田匹配生长模型和出价，完成交易撮合，通知购买方21和对应农户，并在实际收获后，根据实际产量201确定交易金额。

步骤A6）中，竞价交易子系统20将农田排序，以接入生长数据收集模块11的种植数据522越详细的农户，在交易中心进行交易撮合时，排序越靠前。若种植数据522详细程度相同，则越早接入的农户排名靠前。将虚假数据提交给生长数据收集模块11的农户，将被取消接入资质，不再参与竞价交易。

本实施例中，竞价交易子系统20对购买方21展示的界面如图8及图9所示，包括生长模型下拉框203、农产品列表204、农产品显示区205和出价区206。由生长模型下拉框203选择查看的生长模型，竞价交易子系统20向购买方21公开选择查看的生长模型评估出来的预估评级和产量201，以农产品列表204的形式显示，购买方21通过出价区206输入出价和购买量，竞价交易子系统20接收购买方21提交的出价和购买量时，将出价和购买量关联生长模型。

农户甲的农田采用了糯性较好的玉米品种，露天种植的农田采用了口感一般，但产量201高的玉米品种。由于大棚种植时，农户甲依照本领域的已知技术，良好的控制了玉米的生长条件，因而获得了产量201虽然低、灌浆不够饱满，但口感极佳的玉米。农田则灌浆饱满、粒大，但口感欠佳。

购买方21一选择了编号为003的生长模型，该模型推崇糯性口感的玉米，因而农户甲的农田的玉米获得了优的评级，其产量201为0.5t，但农户甲农田的玉米，在编号为003生长模型获得的评级为中。购买方21一出价3.2元，欲购买1吨编号为003的生长模型下的优玉米。

购买方21二选择了编号为012的生长模型，该模型推崇用作畜牧饲料的玉米，因而农户甲的农田1的玉米获得了中的评级，其产量201为0.5t，但农户甲农田2的玉米，在编号为012的生长模型获得的评级为优，其产量201为1.2t。购买方21二出价2.8元，欲购买1.8吨编号为012生长模型下的优玉米。

由于农户甲接入生长数据收集模块11的时间早，且其种植数据522详细程度高于其他农户，所以对农户甲进行优先匹配。经过匹配，购买方21一以3.2元每斤的价格，购得农户甲农田的0.5t玉米，和农户丙农田的0.5t玉米，农户丙尚剩余0.3t玉米待其他购买方21购买。

农户甲农田的玉米被购买方二以2.7元每斤的价格购买1.2吨。农户乙的0.6吨玉米得以价格2.3元每斤出售给购买方二。而不是以1.8元每斤的价格出售给购买方一。农户丙剩余的0.3吨玉米可选择以较低价格出售给购买方二， 或等待其他购买方21出价。由此完成了购买方一和购买方二参与的竞价交易。农户甲的两个农田及农户乙都获得了相应购买方21的青睐而获得出售，并得到最佳的收入。

本实施例中，竞价交易子系统20使得每块农田中的农产品能够在不同购买方21处，显示出不同的品质评级202，获得不同的报价，形成立体的报价接收体系，为农户收益最大化提供了条件。同时也有助于促成更多的交易。

以上所述的实施例只是本发明的一种较佳的方案，并非对本发明作任何形式上的限制，在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。

Claims (8)

1.一种基于区块链的农产品溯源系统，其特征在于，

包括生长监控子系统、竞价交易子系统和装箱跟踪子系统，

所述生长监控子系统包括生长数据收集模块、存储存证模块和生长模型执行模块，所述生长数据收集模块收集农田中的农作物数据及种植数据并提交给存储存证模块，所述存储存证模块将收到的数据加密存储并通过区块链存证，所述生长模型执行模块执行生长模型，所述生长模型的输入为农田的农作物数据及种植数据，输出为农田中农产品的产量及品质评级；

所述竞价交易子系统在农作物接近成熟收割前，将每个农田的农作物产量及品质评级向购买方公开，购买方提交出价及购买量，所述竞价交易子系统撮合交易；

农作物成熟后，购买方直接在田间完成农产品收获装箱封箱，生成收获数据并录制收获视频，所述装箱跟踪子系统将收获数据及收获视频提交存储存证模块，将农产品的农作物数据、种植数据、收获数据及收获视频打包作为追溯数据，将追溯数据提交存储存证模块，所述装箱跟踪子系统生成指向追溯数据及区块链信息的跟踪码，将跟踪码贴附在封箱上；

所述存储存证模块运行在若干个存储服务器上，每个所述存储服务器接入若干个农田，所述存储存证模块为接入的每块农田分配唯一农田标识，所述存储存证模块在所述存储服务器上开辟若干个线性存储区域，每块农田对应一个线性存储区域，所述线性存储区域划分为静态区域和增量区域，

所述农作物数据包括种类、种子品种、种植时间、种植面积、种植密度和地理位置，所述种植数据包括生长环境数据和管培数据，所述生长环境数据包括空气温湿度、土壤温湿度、土壤酸碱度、风速、天气、光照强度和光照时长，所述管培数据包括长势数据、孽芽处置数据、施肥数据、施药数据和病虫害数据，所述农作物数据存储在静态区域，所述种植数据存储在增量区域，

农作物播种完成后，将农作物数据存入静态区域，提取静态区域的哈希值作为静态哈希值，将静态哈希值上传区块链存储，将静态哈希值、对应区块高度和对应区块哈希值存入静态区域，

以周期T1在增量区域插入存证点，所述存证点占用预设长度的存储空间，提取两个存证点之间的种植数据的哈希值作为种植哈希值，将当前存证点的种植哈希值和上一个存证点的种植哈希值一起提取哈希值，作为存证哈希值，首个存证点将静态哈希值和种植哈希值一起提取哈希值作为存证哈希值，以周期T2将最新的存证哈希值上传区块链存储，并将对应的区块高度和区块哈希值存储到最新的存证点内；

所述存储存证模块在存储服务器上还开辟若干个线性备份区域，所述线性备份区域与所述线性存储区域一一对应，所述线性备份区域具有编号，当增量区域产生新的存证点时，所述线性备份区域同步产生标识点，所述存储存证模块将最新的两个存证点之间的种植数据备份到对应的线性备份区域的最新的两个标识点之间，所述线性备份区域将最新的两个标识点之间的数据按预设大小分割为子数据，若干个线性备份区域之间交换子数据，使得交换后线性备份区域最新的两个标识点之间的数据与线性备份区域的编号一起提取的哈希值，大小顺序与线性备份区域编号顺序匹配。

2.根据权利要求1所述的一种基于区块链的农产品溯源系统，其特征在于，

所述装箱跟踪子系统包括运输箱，所述运输箱包括箱体、定位单元、存储单元、时钟和视频录制单元，所述视频录制单元录制农作物收获装箱封箱视频作为收获视频，所述定位单元周期性将定位数据提交存储单元存储作为运输数据，将运输数据提交存储存证模块，将运输箱内的农作物对应的农田标识、运输箱标识、定位数据、标准时间戳及购买方标识作为收获数据。

3.根据权利要求2所述的一种基于区块链的农产品溯源系统，其特征在于，

当所述运输箱到达加工厂时，所述加工厂根据跟踪码获取对应的溯源数据，验证所述溯源数据的存证是否成立及运输数据是否与溯源数据匹配，若存证成立且运输数据匹配，则溯源验证通过，将验证结果签名后加入溯源数据中，分装或加工所述运输箱内的农产品，反之，则拒收所述运输箱。

4.根据权利要求3所述的一种基于区块链的农产品溯源系统，其特征在于，

所述加工厂的生产线建立有视频监控系统，所述加工厂按批次再加工农产品，所述再加工农产品具有包装或再次被投入运输箱，所述装箱跟踪子系统将批次工艺数据、批次原料追溯数据、批次原料运输数据、加工视频和加工厂标识打包作为再加工农产品的追溯数据，将再加工农产品的追溯数据提交存储存证模块，所述装箱跟踪子系统生成指向再加工农产品的追溯数据的跟踪码，将跟踪码贴附在包装或封箱上。

5.根据权利要求2至4任一项所述的一种基于区块链的农产品溯源系统，其特征在于，

所述运输箱还安装有无线通信模块，所述存储单元周期性将新增的运输数据打包为存储包，将所述存储包及上一个存储包括一起提取哈希值，将哈希值与存储包关联存储，所述无线通信模块尝试搜索附近的运输箱，若附近存在运输箱则通过无线通信模块建立通信连接，并交换最新的哈希值，所述存储单元将收到的哈希值及运输箱标识存储。

6.根据权利要求2至4任一项所述的一种基于区块链的农产品溯源系统，其特征在于，

所述运输箱还安装有温湿度传感器和加速度传感器，分别监测箱体内的温湿度和箱体的加速度，将温湿度数据及加速度数据纳入运输数据。

7.根据权利要求1所述的一种基于区块链的农产品溯源系统，其特征在于，

所述生长模型包括规则模型和神经网络模型，所述规则模型为若干条产量映射规则和若干条品质映射规则的组合，所述产量映射规则为将农作物数据及种植数据映射为农作物产量或增减量的映射规则，所述品质映射规则为将农作物数据及种植数据映射为农产品品质的映射规则，所述规则模型由科研机构或者购买方制定并提交给生长监控子系统，所述规则模型被分配有唯一编号且关联有制作方标识，

所述神经网络模型由同气候的农田的历史农作物数据、种植数据、产量数据及品质评级建立的样本数据训练得到，所述神经网络模型被分配有唯一编号并关联样本数据的时间跨度和相应的地理位置信息。

8.根据权利要求7所述的一种基于区块链的农产品溯源系统，其特征在于，

所述生长模型执行模块从存储存证模块中调取每块农田的农作物数据和种植数据，分别代入全部的生长模型，将得出的产量和品质评级关联农田标识和生长模型的编号后存储；

在预设的出价时段内，所述竞价交易子系统根据购买方选择生长模型编号，向购买方展示所选择的生长模型下每块农田的产量和品质评级，购买方的出价关联生长模型编号、品质评级要求和购买量；

出价时段结束后，所述竞价交易子系统列举相同生长模型下相同品质评级的全部出价，以购买量为权重计算出加权均价，以加权均价为最终出价；

所述竞价交易子系统将农田排序，以每块农田能够获得的收益最大为目标，为农田匹配生长模型和出价，完成交易撮合，通知购买方和对应农户，并在实际收获后，根据实际产量确定交易金额。

Images