CN113537778A - 一种基于智能合约的农产品供应链系统 - Google Patents
一种基于智能合约的农产品供应链系统 Download PDFInfo
- Publication number
- CN113537778A CN113537778A CN202110811486.7A CN202110811486A CN113537778A CN 113537778 A CN113537778 A CN 113537778A CN 202110811486 A CN202110811486 A CN 202110811486A CN 113537778 A CN113537778 A CN 113537778A
- Authority
- CN
- China
- Prior art keywords
- data
- planting
- transportation
- verification
- hash value
- 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.)
- Granted
Links
- 238000012795 verification Methods 0.000 claims abstract description 115
- 230000032258 transport Effects 0.000 claims abstract description 30
- 238000007689 inspection Methods 0.000 claims abstract description 23
- 230000000694 effects Effects 0.000 claims abstract description 8
- 238000003860 storage Methods 0.000 claims description 95
- 230000000875 corresponding effect Effects 0.000 claims description 34
- 239000002689 soil Substances 0.000 claims description 25
- 238000005286 illumination Methods 0.000 claims description 23
- 238000004891 communication Methods 0.000 claims description 11
- 238000000034 method Methods 0.000 claims description 11
- 230000003111 delayed effect Effects 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 7
- 238000009313 farming Methods 0.000 claims description 6
- 238000003306 harvesting Methods 0.000 claims description 6
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 235000013311 vegetables Nutrition 0.000 description 7
- 241000234282 Allium Species 0.000 description 5
- 235000002732 Allium cepa var. cepa Nutrition 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 241000196324 Embryophyta Species 0.000 description 4
- 238000013480 data collection Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 235000010149 Brassica rapa subsp chinensis Nutrition 0.000 description 2
- 235000000536 Brassica rapa subsp pekinensis Nutrition 0.000 description 2
- 241000499436 Brassica rapa subsp. pekinensis Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 235000012055 fruits and vegetables Nutrition 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000050 nutritive effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000010200 validation analysis 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Animal Husbandry (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Educational Administration (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及区块链技术领域,具体涉及一种基于智能合约的农产品供应链系统,包括:数据采集站,收集种植区的种植数据并进行存证;运输跟踪器,采集并存储运输数据;预定服务器,显示当前种植区种植的农作物种植数据,购买方浏览农作物种植数据进行农产品预定,生成智能合约,验货服务器,将运输跟踪器安装在运输车上,运送至指定指定代收农贸市场,智能合约分别使用种植验证模型和运输验证模型验证,若验证均通过,则判定接收农产品,根据入库重量将相应的代币转入农户的虚拟账户。本发明的实质性效果是:及早的建立供应关系,从而大幅减少农产品的运输时长,降低农产品的运输损耗。
Description
技术领域
本发明涉及区块链技术领域,具体涉及一种基于智能合约的农产品供应链系统。
背景技术
目前,我国的农产品供应链条具有偏长的特点。果蔬产品从种植农户最终流转到消费者经历了四五个环节。流通环节不仅导致果蔬运输时长的加长,也导致损耗的增加。加之每个环节都存在或多或少的加价,导致目前农产品的供应链存在消费端价格偏贵,生产端售价偏低。市民承受较高的菜价,而农户的收入却很难提高。在中间流通的环节,由于运输、储存的损耗,使中间批发商也承担着不小的损失。由于供销信息不畅通,部分农产品采摘后无法在第一时间预冷、分级、包装、运输,而是需要储存代售。导致了较高的运输储存环节损耗。据悉,部分农产品腐损率可达20%-30%,而这一数字在相对理想状况下应在5%左右。可见,缩短农产品供应链,增加农产品供销信息流通效率,能够显著提高农产品供应链的整体效益。
中国专利申请CN110969505A,公开日2020年4月7日,公开了一种农业管理方法、装置以及基于区块链的农产品供应链系统,其中农业管理方法包括:接收农户提交的农产品供应链的创建请求;根据农户信息查找农户对应的农户画像;基于创建需求和农户画像确定为农户创建农产品供应链所需的第一供应链元素;根据第一供应链元素为农户创建农产品供应链。其技术方案根据农户画像为农户创建相应的农产品供应链,使得农户在农产品养殖过程中的流程由相应的农产品供应链来管理。虽然一定程度上提高了管理水平,缓解农产品损耗的问题,但仍然不能解决目前农业供应链运输及存储损耗高的问题。
发明内容
本发明要解决的技术问题是:目前农产品供应链供销信息不畅的技术问题。提出了一种基于智能合约的农产品供应链系统,通过预定服务器提前建立供销关系,使农产品收获后第一时间就能够装车运输到购买方手中,有效提高了农产品供应链的运作效率。
为解决上述技术问题,本发明所采取的技术方案为:一种基于智能合约的农产品供应链系统,包括:若干个数据采集站,每个数据采集站接入并收集种植区的种植数据,通过区块链将种植数据进行存证;若干个运输跟踪器,设置在运输车上,采集并存储运输数据,所述运输数据包括位置数据和车厢温度数据;预定服务器,与数据采集站连接,显示当前种植区种植的农作物种植数据,所述农作物种植数据包括品种、种植面积、预期收获期和生长环境数据,购买方浏览农作物种植数据进行农产品预定,生成智能合约,所述智能合约记载购买量、指定送货日期、指定代收农贸市场、出价、种植验证模型和运输验证模型,购买方支付相应的代币至智能合约建立的指定账户,种植区农户确认接受订单后智能合约生效;验货服务器,与数据采集站、运输跟踪器及预定服务器连接,农作物成熟后,农户收获农产品并装车运输,将运输跟踪器安装在运输车上,运送至指定指定代收农贸市场,到达后验货服务器读取对应种植区的种植数据和运输跟踪器的运输数据并上传到智能合约指定的数据存放地址,所述智能合约分别使用种植验证模型和运输验证模型验证,若验证均通过,则判定接收农产品,所述指定代收农贸市场称重后登记入库,并将入库重量上传智能合约,所述智能合约根据入库重量将相应的代币转入农户的虚拟账户,若种植验证模型或运输验证模型验证未通过,则拒收所述农产品。
作为优选,所述生长环境数据包括空气温湿度曲线、风速曲线、土壤温湿度曲线、土壤酸碱度曲线和光照强度曲线,所述种植验证模型记录农作物的允许生长环境数据范围,所述允许生长环境数据范围限定了允许的空气温湿度范围、风速范围、土壤温湿度范围、土壤酸碱度范围和光照时长下限值,若生长环境数据未超出允许生长环境数据范围,则种植验证模型验证通过;所述运输验证模型进行路径验证、时间验证和温度验证,所述路径验证验证运输车出发点及到货点是否和种植区及指定代收农贸市场位置匹配,若匹配则路径验证通过,所述时间验证验证到货时间是否满足指定送货日期,若不晚于指定送货日期则时间验证通过,所述温度验证验证运输数据中的车厢温度数据是否超出允许运输温度范围,若车厢温度数据是否未超出允许运输温度范围,则温度验证通过,若路径验证、时间验证和温度验证均通过则运输验证模型验证通过。
作为优选,所述智能合约还记载折价规则,所述折价规则包括多档出价和延后折价,所述多档出价关联有相应的多档种植验证模型,所述延后折价为出价折扣对超过指定送货日期的天数的函数,当所述种植验证模型验证不通过时,使用更低一档的种植验证模型进行验证,直到更低种植档验证模型验证通过,将出价修改为对应档出价,而后进行运送验证模型验证,若运输验证模型仅时间验证未通过,则根据超出天数按照延后折价修改出价后,判定接收农产品。
作为优选,所述智能合约根据生长环境数据计算获得日间平均温度、夜间平均温度、平均湿度、平均光照强度、每日光照时长及土壤平均湿度,输入品质模型,获得农产品品质评级;所述智能合约还记录品质验证模型,所述品质验证模型包括若干个品质评级及相应出价,当农产品到达指定代收农贸市场时,所述智能合约根据品质验证模型输出的品质评级修改出价。
作为优选,若所述智能合约判定接收农产品,而农户拒绝将农产品在指定代收农贸市场入库,则判定农户违约,所述验货服务器记录农户的违约次数和违约总金额,所述违约总金额按照最高出价与购买量乘积计算,在预定服务器,显示农作物种植数据时关联显示农户的违约次数和违约总金额。
作为优选,所述智能合约判定农户违约还包括如下两个判定条件:若农产品的种植数据使用任何一档种植验证模型验证均不通过,则无论农户是否将农产品在指定代收农贸市场入库,均判定农户违约;若农产品送达指定代收农贸市场超出指定送货日期的天数使得延后折价将出价修改为0,则无论农户是否将农产品在指定代收农贸市场入库,均判定农户违约。
作为优选,若所述品质验证模型包括出价为0的品质评级,一旦种植区农户确认接受订单使智能合约生效,则若品质验证模型输出的品质评级对应的出价为0,则无论农户是否将农产品在指定代收农贸市场入库,均判定农户违约。
作为优选,所述数据采集站为每个种植区建立存储轨,所述存储轨采用顺序存储结构,所述数据采集站周期性将种植数据存入所述存储轨,所述存储轨具有数字编号,所述存储轨起始端建立一个初始的存证点,所述存证点占用预设长度的存储空间,初始的存证点内存储有随机数,所述随机数作为初始的关联哈希值,所述数据采集站周期性为所述存储轨建立新的存证点,提取最新的两个存证点之间的种植数据的哈希值存入存证点,将存证点存储的哈希值与上一个存证点内存储的关联哈希值一起提取哈希值,作为新的关联哈希值,存入最新的存证点内,所述数据采集站以预设的周期将最新的关联哈希值一起提取哈希值,作为存证哈希值上传区块链存储,获得对应的区块高度和区块哈希值,存入最新的存证点内。
作为优选,所述数据采集站生成新的关联哈希值时,将最新的两个存证点之间的种植数据按预设长度打散为子数据,随机从全部子数据中挑选一个子数据,将挑选出的子数据与最新的关联哈希值一起提取哈希值作为特征哈希值,使每个存储轨的特征哈希值的末尾N位相同,若某个存储轨的全部子数据均不能得到符合要求的特征哈希值,则所述数据采集站将全部存储轨的种植数据进一步打散为更小的子数据,再次构建每个存储轨的特征哈希值,使全部存储轨的特征哈希值的末尾N位相同。
作为优选,所述运输跟踪器包括温湿度监测模块、定位模块、存储模块和通信模块,所述温湿度监测模块监测运输车车厢的温湿度,所述定位模块监测运输车的位置信息,所述温湿度及位置信息数据作为运输数据存入所述存储模块,所述通信模块与数据采集站和验货服务器建立通信连接,所述运输车运输农产品时,将若干个运输跟踪器置入所述农产品中,运输跟踪器存储所运输农产品的种植区的标识和对应数据采集站标识,运输跟踪器收集运输过程的运输数据,当到达指定代收农贸市场时,将运输数据同步到验货服务器,所述验货服务器根据数据采集站标识和种植区的标识,从对应数据采集站读取种植数据。
本发明的实质性效果是:通过数据采集站和预定服务器,在农产品成熟收获之前,就将农产品的供应信息公布,供购买方挑选,从而及早的建立供应关系,使得农产品一旦成熟,能够第一时间装车运送到购买方手中,不需要进行繁琐的仓储、待售和转运,从而大幅减少农产品的运输时长,降低农产品的运输损耗。通过数据采集站和验货服务器能够对农产品的品质进行深度的准确验证,帮助购买方掌握农产品的品质情况,避免购买到达不到要求的农产品,造成损失,同时也能够监督种植农户妥善培育农作物。
附图说明
图1为实施例一农产品供应链系统结构示意图。
图2为实施例一智能合约验证示意图。
图3为实施例一智能合约折价规则示意图。
图4为实施例二数据采集站存储种植数据示意图。
图5为实施例二运输跟踪器结构示意图。
其中:10、预定服务器,20、智能合约,30、数据采集站,31、存储轨,40、验货服务器,50、种植区,60、运输车,70、农贸市场,80、运输跟踪器,81、通信模块,82、存储模块,83、定位模块,84、温湿度监测模块,90、区块链,21、种植验证模型,22、运输验证模型,23、折价规则,301、空气温湿度曲线,302、风速曲线,303、土壤温湿度曲线,304、土壤酸碱度曲线,305、光照强度曲线,801、路径验证,802、时间验证,803、温度验证,311、关联哈希值,312、存证点,313、存证哈希值,314、子数据,315、特征哈希值。
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:
一种基于智能合约的农产品供应链系统,请参阅附图1,本系统包括:若干个数据采集站30,每个数据采集站30接入并收集种植区50的种植数据,通过区块链90将种植数据进行存证;若干个运输跟踪器80,设置在运输车60上,采集并存储运输数据,运输数据包括位置数据和车厢温度数据;预定服务器10,与数据采集站30连接,显示当前种植区50种植的农作物种植数据,农作物种植数据包括品种、种植面积、预期收获期和生长环境数据,生长环境数据包括空气温湿度曲线301、风速曲线302、土壤温湿度曲线303、土壤酸碱度曲线304和光照强度曲线305。
购买方浏览农作物种植数据进行农产品预定,生成智能合约20,智能合约20记载购买量、指定送货日期、指定代收农贸市场70、出价、种植验证模型21和运输验证模型22,购买方支付相应的代币至智能合约20建立的指定账户,种植区50农户确认接受订单后智能合约20生效。种植区50农户确认接受订单时,应查阅并确认指定送货日期和指定代收农贸市场70,按时按量送货,以满足购买方的需求。
验货服务器40,与数据采集站30、运输跟踪器80及预定服务器10连接,农作物成熟后,农户收获农产品并装车运输,将运输跟踪器80安装在运输车60上,运送至指定指定代收农贸市场70,到达后验货服务器40读取对应种植区50的种植数据和运输跟踪器80的运输数据并上传到智能合约20指定的数据存放地址,请参阅附图2,智能合约20分别使用种植验证模型21和运输验证模型22验证,若验证均通过,则判定接收农产品,指定代收农贸市场70称重后登记入库,并将入库重量上传智能合约20,智能合约20根据入库重量将相应的代币转入农户的虚拟账户,若种植验证模型21或运输验证模型22验证未通过,则拒收农产品。
由于蔬菜的储存期短,且越是新鲜的蔬菜营养价值越高。目前限制农产品到达消费者手中时间变短的因素主要为购买方和农户之间没有直接的信息沟通。需要中间商进行撮合和中转。加之农产品供应链中,中间商有多层,进而导致农产品几经转手才能最终到达消费者手中。本系统构建了购买方与农户之间的直接订货通道。而且提供了验货服务器40,使普通消费者也能够确保收到的农产品不存在质量问题,运输过程也符合温度规定。
目前购买方,包括蔬菜批发商,收购蔬菜等农产品时,即使经验丰富,也只能从农产品的性状特征,来判断农产品栽培和运输过程是否合规。然而,若运输过程中存在温度过高的情况,农产品是不会立即腐败的,但会导致农产品贮存时间变短,影响购买方利益。例如白菜的品质受运输过程的影响就比较大。白菜的腐败是从里面开始的,从外面观察比较困难。
种植验证模型21记录农作物的允许生长环境数据范围,允许生长环境数据范围限定了允许的空气温湿度范围、风速范围、土壤温湿度范围、土壤酸碱度范围和光照时长下限值,若生长环境数据未超出允许生长环境数据范围,则种植验证模型21验证通过;运输验证模型22进行路径验证801、时间验证802和温度验证803,路径验证801验证运输车60出发点及到货点是否和种植区50及指定代收农贸市场70位置匹配,若匹配则路径验证801通过,时间验证802验证到货时间是否满足指定送货日期,若不晚于指定送货日期则时间验证802通过,温度验证803验证运输数据中的车厢温度数据是否超出允许运输温度范围,若车厢温度数据是否未超出允许运输温度范围,则温度验证803通过,若路径验证801、时间验证802和温度验证803均通过则运输验证模型22验证通过。
请参阅附图3,智能合约20还记载折价规则23,折价规则23包括多档出价和延后折价,多档出价关联有相应的多档种植验证模型21,延后折价为出价折扣对超过指定送货日期的天数的函数,当种植验证模型21验证不通过时,使用更低一档的种植验证模型21进行验证,直到更低种植档验证模型验证通过,将出价修改为对应档出价,而后进行运送验证模型验证,若运输验证模型22仅时间验证802未通过,则根据超出天数按照延后折价修改出价后,判定接收农产品。
若种植过程中存在一段时间缺水,会导致蔬菜的口感下降。虽然购买方可以通过试吃来判断口感。但是购买方难以抽出足够多的样本进行试吃,难以保证农产品的品质。对于不适合试吃的农产品,若外观颜色、饱满程度无法判断,则对品质的验证会失去依据。如对于洋葱就很少有购买方愿意试吃来判断品质。而观察颜色和大小,又难以判断洋葱的甜味是否充足。采用本系统进行自动验货,判断洋葱种植过程中,是否存在缺水情况。若无缺水情况,且日照时间充足、昼夜温差也足够,则能够判定洋葱的品质较佳。相反,若土壤温湿度范围显示土壤温度偏高,湿度偏低,光照时长不足,则表明洋葱的品质较差。不仅不需要试吃,而且也不需要进行仔细观察辨别,十分省时,而且准确度高。
智能合约20根据生长环境数据计算获得日间平均温度、夜间平均温度、平均湿度、平均光照强度、每日光照时长及土壤平均湿度,输入品质模型,获得农产品品质评级;智能合约20还记录品质验证模型,品质验证模型包括若干个品质评级及相应出价,当农产品到达指定代收农贸市场70时,智能合约20根据品质验证模型输出的品质评级修改出价。
品质模型为神经网络模型,人工标注每种农产品的品质评级,关联日间平均温度、夜间平均温度、平均湿度、平均光照强度、每日光照时长及土壤平均湿度,作为样本数据。积累足够的样本数据后,建立和训练神经网络模型,获得能够根据日间平均温度、夜间平均温度、平均湿度、平均光照强度、每日光照时长及土壤平均湿度分类出品质评级。不同品质评级的出价不同。
随着消费者的物质消费水平在提高,对农产品追求品质的消费者也越来越多。品质好的农产品可以获得较佳的销量。而品质差的农产品,即使降价也很难销售。从而导致批发商需要花费较多时间和精力,仔细甄别。甚至,成了影响批发商利润及生存的关键之处。然而即使经验再丰富的购买方,也难以确保甄别全部品质差的农产品。采用本系统则可以解决该问题。
若智能合约20判定接收农产品,而农户拒绝将农产品在指定代收农贸市场70入库,则判定农户违约,验货服务器40记录农户的违约次数和违约总金额,违约总金额按照最高出价与购买量乘积计算,在预定服务器10,显示农作物种植数据时关联显示农户的违约次数和违约总金额。
智能合约20判定农户违约还包括如下两个判定条件:若农产品的种植数据使用任何一档种植验证模型21验证均不通过,则无论农户是否将农产品在指定代收农贸市场70入库,均判定农户违约;若农产品送达指定代收农贸市场70超出指定送货日期的天数使得延后折价将出价修改为0,则无论农户是否将农产品在指定代收农贸市场70入库,均判定农户违约。若品质验证模型包括出价为0的品质评级,一旦种植区50农户确认接受订单使智能合约20生效,则若品质验证模型输出的品质评级对应的出价为0,则无论农户是否将农产品在指定代收农贸市场70入库,均判定农户违约。
农户违约具有较高的代价,然而若农户按照通常种植方式进行种植。按照接受的订单,种植足够面积的农产品,尽管培责任。是完全可以满足购买方需求的。设置违约记录,主要应对农户因农产品涨价而拒绝交货、或者转卖他人、或者疏于管培等不诚信不尽责的情况。
本实施例最佳服务购买方为大型餐饮从业者。大型餐饮需要大量的蔬菜,且对蔬菜的品质有一定的要求。且对于送货时间的准确度,也有较高的要求,以确保餐品不会因缺少原材料而无法制作,导致利润受损。若农户的信誉高,则购买方能够放心的按照自身需求,安排购买农产品,减少仓储管理难度。本系统能够建立农户和消防者之间的直接通道,减少中间环节。从而降低农产品供应链的长度,减少农产品的运输时长,减少运输损耗。
实施例二:
一种基于智能合约的农产品供应链系统,本系统在实施例一的基础上,针对数据的安全度提高进行了改进。请参阅附图4,本实施例中,数据采集站30为每个种植区50建立存储轨31,存储轨31采用顺序存储结构,数据采集站30周期性将种植数据存入存储轨31,存储轨31具有数字编号,存储轨31起始端建立一个初始的存证点312,存证点312占用预设长度的存储空间,初始的存证点312内存储有随机数,随机数作为初始的关联哈希值311,数据采集站30周期性为存储轨31建立新的存证点312,提取最新的两个存证点312之间的种植数据的哈希值存入存证点312,将存证点312存储的哈希值与上一个存证点312内存储的关联哈希值311一起提取哈希值,作为新的关联哈希值311,存入最新的存证点312内,数据采集站30以预设的周期将最新的关联哈希值311一起提取哈希值,作为存证哈希值313上传区块链90存储,获得对应的区块高度和区块哈希值,存入最新的存证点312内。
数据采集站30生成新的关联哈希值311时,将最新的两个存证点312之间的种植数据按预设长度打散为子数据314,随机从全部子数据314中挑选一个子数据314,将挑选出的子数据314与最新的关联哈希值311一起提取哈希值作为特征哈希值315,使每个存储轨31的特征哈希值315的末尾N位相同,若某个存储轨31的全部子数据314均不能得到符合要求的特征哈希值315,则数据采集站30将全部存储轨31的种植数据进一步打散为更小的子数据314,再次构建每个存储轨31的特征哈希值315,使全部存储轨31的特征哈希值315的末尾N位相同。如某个存储轨31的特征哈希值315为16F3E…3152471EF3,则N取值为3时,其他存储轨31的特征哈希值315也需要为EF3,特征哈希值315取值EF3的概率为16的3次方分之一,约为4千分之一。从概率学上,每个存储轨31尝试4千次读取子数据314,可以获得一次符合条件的特征哈希值315。通过特征哈希值315能够延长篡改数据后,抹平篡改痕迹的时间。抹平痕迹的时间长于存证哈希值313生成的时长,即可保证种植数据不会被篡改。因而提高N的值,可以使存证哈希值313生成的时长变长,即减少了存证哈希值313上传区块链90的次数,减少了上传区块链90的资金消耗。
运输跟踪器80包括温湿度监测模块84、定位模块83、存储模块82和通信模块81,请参阅附图5,温湿度监测模块84监测运输车60车厢的温湿度,定位模块83监测运输车60的位置信息,温湿度及位置信息数据作为运输数据存入存储模块82,通信模块81与数据采集站30和验货服务器40建立通信连接,运输车60运输农产品时,将若干个运输跟踪器80置入农产品中,运输跟踪器80存储所运输农产品的种植区50的标识和对应数据采集站30标识,运输跟踪器80收集运输过程的运输数据,当到达指定代收农贸市场70时,将运输数据同步到验货服务器40,验货服务器40根据数据采集站30标识和种植区50的标识,从对应数据采集站30读取种植数据。通过运输跟踪器80跟踪获得运输过程中的温湿度和位置数据,掌握农产品运输过程的情况,有助于保障运输合规进行。
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 (10)
1.一种基于智能合约的农产品供应链系统,其特征在于,
包括:
若干个数据采集站,每个数据采集站接入并收集种植区的种植数据,通过区块链将种植数据进行存证;
若干个运输跟踪器,设置在运输车上,采集并存储运输数据,所述运输数据包括位置数据和车厢温度数据;
预定服务器,与数据采集站连接,显示当前种植区种植的农作物种植数据,所述农作物种植数据包括品种、种植面积、预期收获期和生长环境数据,购买方浏览农作物种植数据进行农产品预定,生成智能合约,所述智能合约记载购买量、指定送货日期、指定代收农贸市场、出价、种植验证模型和运输验证模型,购买方支付相应的代币至智能合约建立的指定账户,种植区农户确认接受订单后智能合约生效;
验货服务器,与数据采集站、运输跟踪器及预定服务器连接,农作物成熟后,农户收获农产品并装车运输,将运输跟踪器安装在运输车上,运送至指定指定代收农贸市场,到达后验货服务器读取对应种植区的种植数据和运输跟踪器的运输数据并上传到智能合约指定的数据存放地址,所述智能合约分别使用种植验证模型和运输验证模型验证,若验证均通过,则判定接收农产品,所述指定代收农贸市场称重后登记入库,并将入库重量上传智能合约,所述智能合约根据入库重量将相应的代币转入农户的虚拟账户,若种植验证模型或运输验证模型验证未通过,则拒收所述农产品。
2.根据权利要求1所述的一种基于智能合约的农产品供应链系统,其特征在于,
所述生长环境数据包括空气温湿度曲线、风速曲线、土壤温湿度曲线、土壤酸碱度曲线和光照强度曲线,所述种植验证模型记录农作物的允许生长环境数据范围,所述允许生长环境数据范围限定了允许的空气温湿度范围、风速范围、土壤温湿度范围、土壤酸碱度范围和光照时长下限值,若生长环境数据未超出允许生长环境数据范围,则种植验证模型验证通过;
所述运输验证模型进行路径验证、时间验证和温度验证,所述路径验证验证运输车出发点及到货点是否和种植区及指定代收农贸市场位置匹配,若匹配则路径验证通过,所述时间验证验证到货时间是否满足指定送货日期,若不晚于指定送货日期则时间验证通过,所述温度验证验证运输数据中的车厢温度数据是否超出允许运输温度范围,若车厢温度数据是否未超出允许运输温度范围,则温度验证通过,若路径验证、时间验证和温度验证均通过则运输验证模型验证通过。
3.根据权利要求1或2所述的一种基于智能合约的农产品供应链系统,其特征在于,
所述智能合约还记载折价规则,所述折价规则包括多档出价和延后折价,所述多档出价关联有相应的多档种植验证模型,所述延后折价为出价折扣对超过指定送货日期的天数的函数,当所述种植验证模型验证不通过时,使用更低一档的种植验证模型进行验证,直到更低种植档验证模型验证通过,将出价修改为对应档出价,而后进行运送验证模型验证,若运输验证模型仅时间验证未通过,则根据超出天数按照延后折价修改出价后,判定接收农产品。
4.根据权利要求1或2所述的一种基于智能合约的农产品供应链系统,其特征在于,
所述智能合约根据生长环境数据计算获得日间平均温度、夜间平均温度、平均湿度、平均光照强度、每日光照时长及土壤平均湿度,输入品质模型,获得农产品品质评级;
所述智能合约还记录品质验证模型,所述品质验证模型包括若干个品质评级及相应出价,当农产品到达指定代收农贸市场时,所述智能合约根据品质验证模型输出的品质评级修改出价。
5.根据权利要求3所述的一种基于智能合约的农产品供应链系统,其特征在于,
若所述智能合约判定接收农产品,而农户拒绝将农产品在指定代收农贸市场入库,则判定农户违约,所述验货服务器记录农户的违约次数和违约总金额,所述违约总金额按照最高出价与购买量乘积计算,在预定服务器,显示农作物种植数据时关联显示农户的违约次数和违约总金额。
6.根据权利要求5所述的一种基于智能合约的农产品供应链系统,其特征在于,
所述智能合约判定农户违约还包括如下两个判定条件:
若农产品的种植数据使用任何一档种植验证模型验证均不通过,则无论农户是否将农产品在指定代收农贸市场入库,均判定农户违约;
若农产品送达指定代收农贸市场超出指定送货日期的天数使得延后折价将出价修改为0,则无论农户是否将农产品在指定代收农贸市场入库,均判定农户违约。
7.根据权利要求4所述的一种基于智能合约的农产品供应链系统,其特征在于,
若所述品质验证模型包括出价为0的品质评级,一旦种植区农户确认接受订单使智能合约生效,则若品质验证模型输出的品质评级对应的出价为0,则无论农户是否将农产品在指定代收农贸市场入库,均判定农户违约。
8.根据权利要求1或2所述的一种基于智能合约的农产品供应链系统,其特征在于,
所述数据采集站为每个种植区建立存储轨,所述存储轨采用顺序存储结构,所述数据采集站周期性将种植数据存入所述存储轨,所述存储轨具有数字编号,所述存储轨起始端建立一个初始的存证点,所述存证点占用预设长度的存储空间,初始的存证点内存储有随机数,所述随机数作为初始的关联哈希值,所述数据采集站周期性为所述存储轨建立新的存证点,提取最新的两个存证点之间的种植数据的哈希值存入存证点,将存证点存储的哈希值与上一个存证点内存储的关联哈希值一起提取哈希值,作为新的关联哈希值,存入最新的存证点内,所述数据采集站以预设的周期将最新的关联哈希值一起提取哈希值,作为存证哈希值上传区块链存储,获得对应的区块高度和区块哈希值,存入最新的存证点内。
9.根据权利要求8所述的一种基于智能合约的农产品供应链系统,其特征在于,
所述数据采集站生成新的关联哈希值时,将最新的两个存证点之间的种植数据按预设长度打散为子数据,随机从全部子数据中挑选一个子数据,将挑选出的子数据与最新的关联哈希值一起提取哈希值作为特征哈希值,使每个存储轨的特征哈希值的末尾N位相同,若某个存储轨的全部子数据均不能得到符合要求的特征哈希值,则所述数据采集站将全部存储轨的种植数据进一步打散为更小的子数据,再次构建每个存储轨的特征哈希值,使全部存储轨的特征哈希值的末尾N位相同。
10.根据权利要求1或2所述的一种基于智能合约的农产品供应链系统,其特征在于,
所述运输跟踪器包括温湿度监测模块、定位模块、存储模块和通信模块,所述温湿度监测模块监测运输车车厢的温湿度,所述定位模块监测运输车的位置信息,所述温湿度及位置信息数据作为运输数据存入所述存储模块,所述通信模块与数据采集站和验货服务器建立通信连接,所述运输车运输农产品时,将若干个运输跟踪器置入所述农产品中,运输跟踪器存储所运输农产品的种植区的标识和对应数据采集站标识,运输跟踪器收集运输过程的运输数据,当到达指定代收农贸市场时,将运输数据同步到验货服务器,所述验货服务器根据数据采集站标识和种植区的标识,从对应数据采集站读取种植数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110811486.7A CN113537778B (zh) | 2021-07-19 | 2021-07-19 | 一种基于智能合约的农产品供应链系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110811486.7A CN113537778B (zh) | 2021-07-19 | 2021-07-19 | 一种基于智能合约的农产品供应链系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113537778A true CN113537778A (zh) | 2021-10-22 |
CN113537778B CN113537778B (zh) | 2024-06-11 |
Family
ID=78128687
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110811486.7A Active CN113537778B (zh) | 2021-07-19 | 2021-07-19 | 一种基于智能合约的农产品供应链系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113537778B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111210241A (zh) * | 2020-01-14 | 2020-05-29 | 北京三品仓电子商务科技有限公司 | 一种基于区块链技术的农产品溯源追踪的方法及系统 |
KR20200114665A (ko) * | 2019-03-29 | 2020-10-07 | 주식회사 씽스앤 | 농식품 거래 플랫폼을 기반으로 하는 농식품 유통 시스템 |
WO2021130341A1 (en) * | 2019-12-23 | 2021-07-01 | Farmer Connect Sa | Computer implemented blockchain-based system for agricultural products |
CN113129038A (zh) * | 2021-06-21 | 2021-07-16 | 浙江数秦科技有限公司 | 一种基于区块链的绿色食品评定系统 |
-
2021
- 2021-07-19 CN CN202110811486.7A patent/CN113537778B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200114665A (ko) * | 2019-03-29 | 2020-10-07 | 주식회사 씽스앤 | 농식품 거래 플랫폼을 기반으로 하는 농식품 유통 시스템 |
WO2021130341A1 (en) * | 2019-12-23 | 2021-07-01 | Farmer Connect Sa | Computer implemented blockchain-based system for agricultural products |
CN111210241A (zh) * | 2020-01-14 | 2020-05-29 | 北京三品仓电子商务科技有限公司 | 一种基于区块链技术的农产品溯源追踪的方法及系统 |
CN113129038A (zh) * | 2021-06-21 | 2021-07-16 | 浙江数秦科技有限公司 | 一种基于区块链的绿色食品评定系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113537778B (zh) | 2024-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190370915A1 (en) | Farm and mobile manufacturing | |
Baker et al. | On-farm food loss in northern and central California: Results of field survey measurements | |
Mabuza et al. | Effects of transaction costs on mushroom producers' choice of marketing channels: implications for access to agricultural markets in Swaziland | |
CN108460564A (zh) | 订单处理方法、系统及计算机设备 | |
Baker et al. | Net yield efficiency: Comparing salad and vegetable waste between community supported agriculture and supermarkets in the UK | |
CN113469830B (zh) | 基于区块链及生长模型的农产品竞价交易系统 | |
CN113537778B (zh) | 一种基于智能合约的农产品供应链系统 | |
Ahmad et al. | A study of Argopuro specialty coffee distribution channel | |
Powers | Federal marketing orders for fruits, vegetables, nuts, and specialty crops | |
Curtis et al. | Market and pricing potential for extended season fresh produce sales: An Intermountain West example | |
Guo et al. | Scoping study on fruits and vegetables: results from India | |
CN107169822A (zh) | 用于跨境商品经销商交易的网络交易方法及网络交易系统 | |
KR102647967B1 (ko) | 수요예측 기반의 산지 직거래 플랫폼 시스템 | |
Yadav et al. | Study on Marketing Efficiency of Rapeseed and Mustard crop in Jaipur district of Rajasthan, India | |
Henderson | Farmer-to-Consumer Direct Marketing: Selected States, 1979-80 | |
CN113469392B (zh) | 基于区块链的农产品预定系统 | |
Simatupang et al. | A New Collaborative Approach for Horticultural Supply Chain | |
Powers | Marketing practices for vegetables | |
CN114723485B (zh) | 一种农产品竞争力模型的构建方法和系统 | |
O'Rourke et al. | Apple marketing research in the seventies. | |
Henderson | Farmer-to-consumer direct marketing in six states | |
Farooq et al. | Marketing structure of grapes in district Ganderbal of Jammu and Kashmir | |
CN111681063A (zh) | 农产品电子商务销售方法及平台 | |
JP2023051347A (ja) | 情報処理装置、情報処理方法、及び、プログラム | |
Poole et al. | Food Production and Consumption in Shah Foladi, Bamyan Province, Afghanistan: The Challenge of Dietary Seasonality |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |