CN114819862A - 冷链物流追溯服务方法、系统与存储介质 - Google Patents

冷链物流追溯服务方法、系统与存储介质 Download PDF

Info

Publication number
CN114819862A
CN114819862A CN202210732166.7A CN202210732166A CN114819862A CN 114819862 A CN114819862 A CN 114819862A CN 202210732166 A CN202210732166 A CN 202210732166A CN 114819862 A CN114819862 A CN 114819862A
Authority
CN
China
Prior art keywords
data
cold
tracing
standardized
logistics
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
Application number
CN202210732166.7A
Other languages
English (en)
Other versions
CN114819862B (zh
Inventor
邵小景
田娟
刘阳
谢滨
马宝罗
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Academy of Information and Communications Technology CAICT
Original Assignee
China Academy of Information and Communications Technology CAICT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Academy of Information and Communications Technology CAICT filed Critical China Academy of Information and Communications Technology CAICT
Priority to CN202210732166.7A priority Critical patent/CN114819862B/zh
Publication of CN114819862A publication Critical patent/CN114819862A/zh
Application granted granted Critical
Publication of CN114819862B publication Critical patent/CN114819862B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0832—Special goods or special handling procedures, e.g. handling of hazardous or fragile goods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Software Systems (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例公开了一种冷链物流追溯服务方法、系统与存储介质，其中采用主动或者被动方式采集一个或多个二级节点下的冷链产品和物流数据信息；将各种企业设备的通讯接口协议转换为统一的标准协议格式，并依据设定的数据划分标准对采集到的原始冷链产品和物流信息进行标准化数据格式；通过神经网络模型，利用所述标准化追溯模型中的数据对冷链产品和物流信息进行异常判断。通过本发明实施例将分布在不同二级节点上的冷链产品和物流数据进行汇总，实现跨二级节点间、跨区域的冷链产品和物流数据协同共享，通过制定标准化追溯模型，有利于实现冷链各追溯关键环节通用的数据元。

Description

冷链物流追溯服务方法、系统与存储介质
技术领域
本实施例涉及冷链食品安全技术，尤其涉及一种冷链物流追溯服务方法、系统与存储介质。
背景技术
冷链物流是指利用温控、保鲜等技术工艺和冷库、冷藏车、冷藏箱等设施设备，确保冷链产品在初加工、储存、运输、流通加工、销售、配送等全过程始终处于规定温度环境下的专业物流。冷链物流的对象主要为蔬菜、水果、肉类、水产品、乳制品、速冻食品和药品等，其中食品就占了90%以上，是冷链物流主要的应用对象。冷链物流追溯是指通过记录和标识冷链产品，追踪和溯源冷链产品历史、应用情况及所处位置的活动。他跟普通追溯的区别在于追溯必须记录温湿度信息以及疫情下的消杀信息以及消毒证明等。
新冠疫情防控常态化对冷链物流追溯提出了更高的要求，为了推动进口冷链产品的可追溯性，要求各省市建立自己的进口冷链平台，并实现进口冷链产品的追溯。一些冷链物流企业也建立了冷链物流追溯平台，以实现自身对冷链物流产品的追溯。
当前工业互联网标识解析在冷链物流方面已经得到了较好的应用，目前工业互联网标识解析二级节点涉及冷链产品、冷链物流场景的近10个，但二级节点本身缺乏冷链全流程可信数据采集和集成能力，且实现跨二级、跨区域的冷链信息协同共享和管理较难，仅靠二级节点链接不起整个产业的发展；与此同时国家高度重视冷链基础设施的数字化建设，部署冷链物流数据融合汇通和信息关联平台，将助于依托二级节点赋能冷链企业数字化转型，并有力推动行业企业加快标识解析体系的应用。
工业互联网中存在多种标准和体系，导致标识数据格式多样化和异构化，目前的冷链物流追溯平台，仅根据各企业的产品特点和流程建立内部产品追溯系统，缺乏统一通用的冷链物流追溯模型，存在链条上异构多源系统不对接，信息难关联等问题。
发明内容
本发明实施例提供一种冷链物流追溯服务方法、系统与计算机可读存储介质，提高冷链物流多标识体系间的互操作能力，建立将标识映射到标识、标识映射到地址、标识映射到数据的综合性解析服务，形成统一管理、异构兼容的基于工业互联网标识解析的冷链物流追溯公共服务平台，促进异构冷链物流标识体系的互联和互通。
根据本发明实施例的一个方面，提供的一种冷链物流追溯服务系统，包括：
一个或多个企业节点（101）、冷链物流追溯公共服务平台（102）、一个或多个二级节点（103）；
所述冷链物流追溯公共服务平台（102）包括数据采集模块（201）、数据处理模块（202）、数据分析模块（203）、数据存储模块（204）；
所述数据采集模块（201），用于将各种通讯接口协议转换为统一的标准协议格式；采集所述一个或多个二级节点（103）下的所述一个或多个企业节点（101）的冷链产品和物流数据；
所述数据处理模块（202），用于对所述数据采集模块（201）采集到冷链产品和物流数据进行标准化数据格式和数据清洗处理；
所述数据存储模块（204），对数据采集模块（201）采集的数据经过数据处理模块（202）处理后，按照标准化追溯模型对所述经过数据处理后的数据进行分类存储；
所述数据分析模块（203），用于通过神经网络模型，利用所述标准化追溯模型中的数据对冷链产品和物流信息进行异常判断；
所述标准化追溯模型，用于所述一个或多个企业节点（101）、所述冷链物流追溯公共服务平台（102）和所述一个或多个二级节点（103）统一调配和存储冷链产品和物流数据格式。
可选地，在本发明任一实施例的方法中，所述冷链产品和物流数据进一步包括：冷链产品信息和冷链物流信息，其中，
所述冷链产品信息包括产品的制造地、制造商、生产日期中的一项或多项；所述冷链物流信息包括运输工具、运输人员、过境地方中的一项或多项。
可选地，在本发明任一实施例的方法中，所述通过神经网络模型，利用所述标准化追溯模型中的数据对冷链产品和物流信息进行异常判断，进一步包括：接收检测请求，检测请求携带有检测策略；
从检测策略中获取目标策略参数和各个检测任务；
对于每个检测任务，基于检测任务中所述标准化追溯模型，对检测任务对应的所述标准化追溯模型中各个参数进行特征提取，得到检测任务的目标特征；
基于检测任务的目标特征和检测任务中目标算法参数进行异常检测，得到检测任务的检测结果。
可选地，在本发明任一实施例的方法中，基于检测任务的目标特征和检测任务中目标算法参数进行异常检测，得到检测任务的检测结果，进一步包括：按照训练周期，利用目标算法和训练数据时间内的目标特征进行模型训练，得到安全检测模型；
按照预测周期，采用异常检测模型进行异常检测，得到检测任务的检测结果。
可选地，在本发明任一实施例的方法中，所述标准化追溯模型为食品冷链追溯模型时，数据存储按照生产加工、订单、入库、出库、装车、在途、配送、签收顺序进行存储；或者，所述标准化追溯模型为医药冷链追溯模型，数据存储按照疫苗进货、接收存储、分发交接、低温存储、领用出库、使用记录顺序进行存储。
可选地，在本发明任一实施例的方法中，所述冷链物流追溯公共服务平台（102）调用区块链智能合约，区块链系统接收所述冷链物流追溯公共服务平台（102）发送的标准化追溯模型上链请求，并根据所述标准化追溯模型上链请求验证所述冷链物流追溯公共服务平台（102）的身份信息；
所述冷链物流追溯公共服务平台（102）通过验证，所述区块链系统获取所述标准化追溯模型；
所述区块链系统根据物联网数据层的数据对所述标准化追溯模型验证，根据所述标准化追溯模型生成所述追溯码。
根据本发明实施例的第二个方面，提供的一种冷链物流追溯服务方法，包括：
将各种企业设备的通讯接口协议转换为统一的标准协议格式，并依据设定的数据划分标准对采集到的原始冷链产品和物流信息进行标准化数据格式；
通过数据清洗对所述标准化数据格式数据进行重新审查和校验的过程；
将所述数据清洗后的数据通过标准化追溯模型进行存储，所述标准化追溯模型，用于所述一个或多个企业节点、所述冷链物流追溯公共服务平台和所述一个或多个二级节点统一调配和存储冷链产品和物流数据格式；
接收检测请求，检测请求携带有检测策略；
从检测策略中获取目标策略参数和各个检测任务；
对于每个检测任务，基于检测任务中所述标准化追溯模型，对检测任务对应的所述标准化追溯模型中各个参数进行特征提取，得到检测任务的目标特征；
基于检测任务的目标特征和检测任务中目标算法参数进行异常检测，得到检测任务的检测结果；
所述标准化追溯模型为食品冷链追溯模型时，数据存储按照生产加工、订单、入库、出库、装车、在途、配送、签收顺序进行存储；或者
所述标准化追溯模型为医药冷链追溯模型，数据存储按照疫苗进货、接收存储、分发交接、低温存储、领用出库、使用记录顺序进行存储。
可选地，在本发明任一实施例的方法中，调用区块链智能合约，区块链系统接收标准化追溯模型上链请求；
所述区块链系统获取所述标准化追溯模型；
所述区块链系统根据物联网数据层的数据对所述标准化追溯模型验证，根据所述标准化追溯模型生成所述追溯码。
根据本发明实施例的第三个方面，提供的一种计算机可读介质，该计算机程序被处理器执行时，实现如上述第二方面的冷链物流追溯服务方法中任一实施例的方法。
通过采用本实施例的技术方案，能够建立冷链物流追溯公共服务平台（102），通过冷链物流追溯公共服务平台（102）将分布在不同二级节点（103）上的冷链产品和物流数据进行汇总，实现跨二级节点（103）间、跨区域的冷链产品和物流数据协同共享，通过制定标准化追溯模型，有利于实现冷链各追溯关键环节通用的数据元。在汇总不同二级节点（103）上的冷链产品和物流数据的基础上，通过边缘计算，提高了对冷链产品和物流溯源的准确性和全面性；能够对消费者、企业或者政府做出决策起到支撑作用。将所述标准化追溯模型与神经网络模型相结合，可以有效的提高异常判断的准确性，输入神经网络模型中的数据是经过标准化格式的数据，大大减少数据噪声对异常判断结果的印象。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本发明的实施例，并且连同描述一起用于解释本发明的原理。
参照附图，根据下面的详细描述，可以更加清楚地理解本发明，其中：
图1为本发明工业互联网标识解析部署架构图；
图2为本发明工业互联网标识解析部署架构图；
图3为本发明冷链物流追溯公共服务平台结构示意图；
图4为本发明食品冷链标准化追溯模型数据存储结构示意图；
图5为本发明医药冷链标准化追溯模型数据存储结构示意图；
图6为本发明工业互联网标识解析部署架构图；
图7为本发明冷链物流追溯公共服务平台工作流程。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
本领域技术人员可以理解，本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。
还应理解，在本公开实施例中，“多个”可以指两个或两个以上，“至少一个”可以指一个、两个或两个以上。
还应理解，对于本公开实施例中提及的任一部件、数据或结构，在没有明确限定或者在前后文给出相反启示的情况下，一般可以理解为一个或多个。
另外，本公开中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本公开中字符“/”，一般表示前后关联对象是一种“或”的关系。
还应理解，本公开对各个实施例的描述着重强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
本发明实施例可以应用于终端设备、计算机系统和服务器中的至少一种电子设备，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统和服务器中的至少一种电子设备一起使用的众所周知的计算环境和/或配置的例子包括但不限于：个人计算机服务器计算机瘦客户机、厚客户机、手持或膝上设备、基于微处理器的机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。
终端设备、计算机系统和服务器中的至少一种电子设备可以在由计算机系统执行的计算机系统可执行指令（诸如程序模块）的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
在公开的实施例中，冷链产品和物流数据与冷链产品和物流信息是同一技术特征，冷链产品信息与冷链产品数据是同一技术特征，冷链物流信息与冷链物流数据是同一技术特征。
请参考图1和图2，示出了根据本公开的工业互联网标识解析部署架构图，包括：至少一个企业节点（101）、冷链物流追溯公共服务平台（102）、至少一个二级节点（103）、至少一个国家顶级节点（104）、国际根节点（105）和递归解析节点（106）。
其中，递归解析节点（106）：是指标识解析体系对外提供标识解析服务的关键性入口设施，接收外部客户端的标识查询请求，在标识解析体系内部通过逐级递归的方式，找到企业节点，并获取标识的详细信息。
国际根节点（105）：是指一种标识体系管理的最高层级服务节点，提供面向全球范围公共的根层级的标识服务，并不限于特定国家或地区。
国家顶级节点（104）：是指一个国家或地区内部最顶级的标识服务节点，能够面向全国范围提供顶级标识解析服务，以及标识备案、标识认证等管理能力。
二级节点（103）：是面向特定行业或者多个行业提供标识服务的公共节点。二级节点既要向上与国家顶级节点对接，又要向下为工业企业分配标识编码及提供标识注册、标识解析、标识数据服务等，同时满足安全性、稳定性和扩展性等方面的要求。能够面向行业或区域提供标识编码注册和标识解析服务，以及完成相关的标识业务管理、标识应用对接等。每个二级节点都会被国家顶级节点分配唯一的二级节点标识前缀。
企业节点（101）：是指一个企业内部的标识服务节点，能够面向特定企业提供标识注册、标识解析服务、标识数据服务等，既可以独立部署，也可以作为企业信息系统的组成要素。每个企业节点都会被二级节点分配唯一的企业节点标识前缀，标识后缀的内容将由企业自行定义和分配，企业节点标识前缀+标识后缀将会构成完整的工业互联网标识。
冷链物流追溯公共服务平台（102）：是连接多个二级节点（103），具有冷链全流程可信数据采集和集成能力，且实现跨二级、跨区域的冷链信息协同共享和管理。同时，其可以实现边缘分析和边缘计算，边缘分析可以调用预先定义的分析算法，从边缘侧对标识数据进行实时分析（例如神经网络模型，并可以进行模型优化更新）对经过处理后的冷链产品和物流数据进行风险分析，得到风险分析结果，则把风险分析结果进行报警和方便用户查询。冷链物流追溯公共服务平台（102）提供系统软件和应用软件之间数据传输、过滤、转换等功能的工业互联网标识解析服务设备，是解决数据交互、多源异构标识互通，实现多系统部件之间的互通和资源共享的有效手段。
此外，标识解析服务的查询触发，可以是来自企业信息系统、工业互联网平台、工业互联网APP等多种不同形式。
请参考图3，示出了根据本公开的冷链物流追溯公共服务平台（102）结构示意图，具体包括：数据采集模块（201）、数据处理模块（202）、数据分析模块（203）、数据存储模块（204）、数据交互模块（205）、系统对接模块（206）和数据预警模块（207）。
数据采集模块（201），用于采集一个或多个二级节点（103）下的每个冷链企业节点（101）下的冷链产品和物流数据。第一企业赋予冷链产品唯一标识，标识载体采用条码、二维码或者主动标识载体；所述第一企业为所述冷链产品的生产商，所述第一企业通过冷链产品唯一标识上传冷链产品的相关信息。所述第一企业将粘贴有唯一标识的冷链产品下发到下游企业，下游企业通过RFID手持机或者无源阅读器对唯一标识进行采集获取冷链产品的相关信息，并使用5G、NB-IOT等通信网络将下游企业的冷链物流信息上传到企业节点（101）。所述企业节点（101）将冷链物流信息上传到二级节点，二级节点企业将所述冷链物流信息上传至冷链物流追溯公共服务平台（102）的数据采集模块（201）。若下游物流企业存在下级企业，则下游物流企业继续将冷链产品下发到下一级企业，下一级企业上传冷链物流信息和/或冷链销售信息，直到冷链产品最终流通到消费者。
所述冷链产品信息包括但不限于产品的制造地、制造商、生产日期等信息；所述冷链物流信息包括但不限于运输工具、运输人员、过境地方等信息；所述冷链销售信息包括但不限于销售地、销售商、购买方、销售日期等。
数据采集模块（201）同时将各种通讯接口协议转换为统一的标准协议格式；协议转换是一种映射，就是把某一协议的收发信息或事件序列映射为另一协议的收发信息序列。在接入各种智能化系统的终端设备时，存在多种协议，如OPC、Bacnet、ModBus、HTTP、MQTT、企业自有SDK、DLL动态链接库等，企业设备系统彼此之间存在协议壁垒，造成对接打通困难。本实施例通过将各种通讯接口协议均转换成HTTP协议格式，由于HTTP协议格式是软件应用平台中使用十分广泛、标准又易用的协议格式，因此能够为后续数据使用、传输、第三方应用平台对接等带来极大的方便，使设备之间的信息传输成本、计算成本、运维巡检成本都得到降低。当然，在这里只是进行示例性的说明，本领域技术人员完全有能力根据实际情况进行相应的协议设计。
数据处理模块（202）用于对数据采集模块（201）采集到冷链产品和物流信息进行标准化数据格式、数据清洗等处理。
全球存在多种标识解析架构，以EPC global架构、OID架构、DOA架构等为主，其中EPCglobal由国际物品编码协会组织推进，OID由ISO/IEC和 ITU-T国际标准化组织推进，DOA的主要实现系统Handle由DONA基金会组织运行。因此，冷链物流追溯公共服务平台（102）采集到的标识数据格式存在多样性，数据处理模块（202）收集采集涉及到冷链物流的二级节点和企业节点信息，对信息进行清洗和加工，可识别带有handle、GS1、OID、Ecode等的标识，并与工业互联网标识进行转换和关联，对收集的数据按照追溯的关键环节进行分类整理，形成标准化数据格式。
数据清洗对数据进行重新审查和校验的过程，目的在于删除重复信息、纠正存在的错误，并提供数据一致性。
解决不完整数据（即值缺失）的方法，大多数情况下，缺失的值必须手工填入（即手工清理）。当然，某些缺失值可以从本数据源或其它数据源推导出来，这就可以用平均值、最大值、最小值或更为复杂的概率估计代替缺失的值，从而达到清理的目的。
错误值的检测及解决方法，用统计分析的方法识别可能的错误值或异常值，如偏差分析、识别不遵守分布或回归方程的值，也可以用简单规则库（常识性规则、业务特定规则等）检查数据值，或使用不同属性间的约束、外部的数据来检测和清理数据。
重复记录的检测及消除方法，数据库中属性值相同的记录被认为是重复记录，通过判断记录间的属性值是否相等来检测记录是否相等，相等的记录合并为一条记录（即合并/清除)。合并/清除是消重的基本方法。
不一致性（数据源内部及数据源之间）的检测及解决方法，从多数据源集成的数据可能有语义冲突，可定义完整性约束用于检测不一致性，也可通过分析数据发现联系，从而使得数据保持一致。
数据存储模块（204），对数据采集模块（201）采集的数据经过数据处理模块（202）处理后，按照标准化追溯模型对所述经过数据处理后的数据进行分类存储。
标准化追溯模型用于各级节点统一调配和存储相应的冷链产品和物流数据格式。建立的冷链产品和物流标准化追溯模型，包括冷链产品从原材料生产加工、运输、仓储、装卸、搬运、包装、加工、配送等标准化追溯模型，并进行动态化展示，具体参见图4和图5。如图4所示，该标准化追溯模型为食品冷链追溯模型，数据存储按照生产加工、订单、入库、出库、装车、在途、配送、签收等顺序进行存储。如图5所示，该标准化追溯模型为医药冷链追溯模型，数据存储按照疫苗进货、接收存储、分发交接、低温存储、领用出库、使用记录顺序进行存储。数据存储模块（204）还可以把采集的数据做成缓存，运行在服务器的内存中，在服务器运行相对空闲或占用内存量过大时，把数据存入数据库中，以确保数据的高速存储与持久化存储的协同运转；通过建立规范的数据API接口，来调取数据；建立数据的交换协议标准，进行数据交换。
在本实施例的如图6一个具体实施方案中，冷链物流追溯公共服务平台（102）可以调用区块链智能合约，区块链系统（107）接收冷链物流追溯公共服务平台（102）发送的标准化追溯模型上链请求，并根据所述标准化追溯模型上链请求验证所述冷链物流追溯公共服务平台（102）的身份信息；其中所述上链请求中包括所述冷链物流追溯公共服务平台（102）的身份认证信息、标准化追溯模型对应的产品类型。
当所述冷链物流追溯公共服务平台（102）通过验证后，区块链系统获取所述标准化追溯模型，以使冷链产品和物流数据信息上链。其中，所述标准化追溯模型至少包括冷链产品和物流数据。
区块链系统根据物联网数据层的数据对所述标准化追溯模型进行验证，如果验证通过根据所述标准化追溯模型生成所述追溯码。其中所述追溯码为二维码或条形码。
物联网数据层的数据来自于由传感器和状态监测器所构成的物联网，这些传感器和状态监测器可对产品的生产、加工及运输状态等情况进行实时监控，保证数据的真实性。区块链结合工业物联网冷链系统借助射频识别(RFID)、视频监控等技术获取产品的原材料信息、生产日期、生产批号、运输路径、运输条件、工业品编码、承运单位、承运司机、承运状态、等溯源信息实时上传区块链，并存储在区块链中，可以实现对于工业产品、配送车辆、集装单元化运输载体、仓储、订单的实时动态可视化管理，实现工业品物流配送线上线下的一对一锚定，最终构建精准物流配送体系，实现智能化的物流配送服务和精准的物流管理。还可以使进入区块链系统的产品数据安全、可靠、防篡改，并且可以进行数据追溯，能够确保产品信息真实可靠地输入产品追溯和防伪系统。
物联网数据层将真实、客观的第一手资料传输到区块链数据层的信息区块，而这些原始数据由获得区块记账权的节点写入区块链，并经过区块链中节点的验证成为不可篡改、可追溯的产品信息区块。同时，产品的电子交易信息也会存储于产品区块链数据存储系统，进而将实体流转信息与工业互联网平台的线上交易信息相融合，形成产品交易信息物理融合的闭环回路系统。因此，可以基于区块链存储的物联网数据对所述标准化追溯模型数据进行验证其真实性。
数据分析模块（203）用于通过所述神经网络模型，利用所述标准化追溯模型中的数据对冷链产品和物流信息进行异常判断，得到检测结果。数据分析模块（203）具体执行以下步骤完成该功能。
接收检测请求，检测请求携带有检测策略。
从检测策略中获取目标策略参数和各个检测任务。其中，目标策略参数可以至少包括冷链产品标识信息和黑名单参数，黑名单参数可以为疫情地区、疫情人员、食品质量清单等。每个检测任务可以至少包括目标冷链产品标识信息、目标特征数据参数和目标算法参数。目标特征数据参数可以至少包括所述标准化追溯模型中各个参数。目标算法参数可以至少包括目标算法、算法类型、训练数据、训练周期以及预测周期。可以理解的，一个检测策略对应一个安全场景，对应多个检测任务。每个检测任务中目标特征数据参数对应一个特征提取任务，目标算法参数对应一个算法任务，目标算法参数中可以有多个算法，因而可以有多个策略任务。
对于每个检测任务，基于检测任务中所述标准化追溯模型，对检测任务对应的所述标准化追溯模型中各个参数进行特征提取，得到检测任务的目标特征。本申请实施例中，可以基于预设计算引擎构建机器学习检测框架，形成预设安全检测框架，预设计算引擎是指为大规模数据处理而设计的通用的计算引擎，例如Spark、Hive等等，可以通过预设安全检测框架实现检测任务。
基于检测任务的目标特征和检测任务中目标算法参数进行异常检测，得到检测任务的检测结果。具体包括，按照训练周期，利用目标算法和训练数据时间内的目标特征进行模型训练，得到安全检测模型。
目标算法中包括进行模型训练所使用的算法和算法入参，每间隔训练周期的时间进行一次模型训练，例如每间隔14天，在每次模型训练完成后，将所得到的异常检测模型作为最新异常检测模型。由于冷链物流追溯公共服务平台（102）会每间隔统计间隔的时间进行一次统计计算，冷链物流追溯公共服务平台（102）所存储的目标特征包括多个统计间隔所得到的目标特征，且目标特征在进行动态变化。为了提升模型训练的准确性，冷链物流追溯公共服务平台（102）在每个训练周期进行模型训练时，获取在训练数据时间内所统计的目标特征，例如当前时间之前14天内的所有目标特征，由此构成训练特征，基于该训练特征和目标算法进行模型训练。按照预测周期，采用异常检测模型进行异常检测，得到检测任务的检测结果。
数据交互模块（205）用于支持冷链相关关键词和标识码进行解析查询，反馈企业节点和/或二级节点对应的冷链产品和物流信息，便于系统的安全稳定运行及管理需要。
系统对接模块（206）用于标识注册封装成应用功能和SDK，支持通过调用API接口的方式，提供注册变更、实名审核、数据查询等服务，同时提供给各企业的API接口，便于企业实现相应的标识管理和/或查询软件的开发。
数据预警模块（207）根据数据分析模块（203）分析冷链产品和物流数据后，向相关单位和部门发出预警。
通过采用本实施例的技术方案，能够建立冷链物流追溯公共服务平台（102），通过冷链物流追溯公共服务平台（102）将分布在不同二级节点（103）上的冷链产品和物流数据进行汇总，实现跨二级节点（103）间、跨区域的冷链产品和物流数据协同共享，通过制定标准化追溯模型，有利于实现冷链各追溯关键环节通用的数据元。在汇总不同二级节点（103）上的冷链产品和物流数据的基础上，通过边缘计算，提高了对冷链产品和物流溯源的准确性和全面性；能够对消费者、企业或者政府做出决策起到支撑作用。
请参考图7示出了基于本公开的冷链物流追溯公共服务平台（102）工作流程。
在工业互联网解析体系内，存在冷链产品制造商A，建立的企业节点（101a）属于二级节点103a；冷链产品运输商B，建立的企业节点（101b）属于二级节点103b；冷链产品运输商C，建立的企业节点（101c）属于二级节点103c；冷链产品销售商D，建立的企业节点（101d）属于二级节点103d。在现有的工业互联网标识解析体系下，每个市场主体仅根据各企业的产品特点和流程建立内部产品追溯系统，缺乏统一通用的冷链物流追溯模型，链条上异构多源系统不对接，信息难关联。因此，在对冷链产品和物流溯源时，必定导致只能对所属的二级节点信息进行溯源，无法全面掌握溯源信息。
步骤S301，冷链物流追溯公共服务平台（102）采用主动或者被动方式采集每个二级节点（103a，103b，103c，104d）下的冷链产品和物流数据信息。
冷链产品制造商A赋予冷链物流产品唯一标识，标识载体采用条码、二维码或者主动标识载体，所述冷链产品制造商A通过冷链物流产品唯一标识上传冷链物流产品的相关信息到企业节点（101a），再由企业节点（101a）将所示相关信息传送到二级节点103a。所述冷链产品制造商A将粘贴有唯一标识的冷链物流产品下发到冷链产品运输商B，冷链产品运输商B通过RFID手持机或者无源阅读器对唯一标识进行采集获取产品的相关信息，并使用5G、NB-IOT等通信网络将下游企业的物流信息上传到企业节点（101b），再由企业节点（101b）将所示相关信息传送到二级节点(103b)。若冷链产品运输商B存在下级冷链产品运输商C，则冷链产品运输商C继续将冷链产品物流数据信息上传至二级节点(103c)，直到冷链产品最终流通到消费者。每个二级节点（103a，103b，103c，104d）将冷链产品和物流信息主动或者被动的上传至冷链物流追溯公共服务平台（102）的数据采集模块（201）。
所述冷链产品信息包括但不限于产品的制造地、制造商、生产日期等信息；所述冷链物流信息包括但不限于运输工具、运输人员、过境地方等信息。所述冷链销售信息包括但不限于销售地、销售商、购买方、销售日期等。
步骤S302，冷链物流追溯公共服务平台（102）将各种企业设备的通讯接口协议转换为统一的标准协议格式，并依据设定的数据划分标准对采集到的原始冷链产品和物流信息进行标准化数据格式。本实施例通过将各种通讯接口协议均转换成HTTP协议格式，由于HTTP协议格式是软件应用平台中使用十分广泛、标准又易用的协议格式，因此能够为后续数据使用、传输、第三方应用平台对接等带来极大的方便，使设备之间的信息传输成本、计算成本、运维巡检成本都得到降低。当然，在这里只是进行示例性的说明，本领域技术人员完全有能力根据实际情况进行相应的协议设计。
全球存在多种标识解析架构，以EPC global架构、OID架构、DOA架构等为主，其中EPC global由国际物品编码协会组织推进，OID由ISO/IEC和ITU-T国际标准化组织推进，DOA的主要实现系统Handle由DONA基金会组织运行。因此，冷链物流追溯公共服务平台（102）采集到的标识数据格式存在多样性，数据处理模块（202）对采集到涉及冷链产品和物流的二级节点和企业节点信息进行标准化数据格式，可识别带有handle、GS1、OID、Ecode等的标识，并与工业互联网标识进行转换和关联，对收集的数据按照追溯的关键环节进行分类整理，形成标准化数据格式。
步骤S303，冷链物流追溯公共服务平台（102）进行数据清洗对数据进行重新审查和校验的过程，目的在于删除重复信息、纠正存在的错误，并提供数据一致性和完整性。
步骤S304，冷链物流追溯公共服务平台（102）将所述步骤S304清洗后的数据通过标准化追溯模型进行存储，标准化追溯模型用于各级节点统一调配相应的冷链产品和物流数据格式；还可以把采集的数据做成缓存，运行在服务器的内存中，在服务器运行相对空闲或占用内存量过大时，把数据存入数据库中，以确保数据的高速存储与持久化存储的协同运转；通过建立规范的数据API接口，来调取数据；建立数据的交换协议标准，进行数据交换。
步骤S305，冷链物流追溯公共服务平台（102）用于通过所述神经网络模型，利用所述标准化追溯模型中的数据对冷链产品和物流信息进行异常判断，得到检测结果，若检测结果为异常，则把检测结果并进行报警。
所述步骤S305具体由以下步骤完成：
S3001，接收检测请求，检测请求携带有检测策略。
S3002，从检测策略中获取目标策略参数和各个检测任务。
其中，目标策略参数可以至少包括冷链产品标识信息和黑名单参数，黑名单参数可以为疫情地区、疫情人员、食品质量清单等。每个检测任务可以至少包括目标冷链产品标识信息、目标特征数据参数和目标算法参数。目标特征数据参数可以至少包括所述标准化追溯模型中各个参数。目标算法参数可以至少包括目标算法、算法类型、训练数据、训练周期以及预测周期。可以理解的，一个检测策略对应一个安全场景，对应多个检测任务。每个检测任务中目标特征数据参数对应一个特征提取任务，目标算法参数对应一个算法任务，目标算法参数中可以有多个算法，因而可以有多个策略任务。
S3003，对于每个检测任务，基于检测任务中所述标准化追溯模型，对检测任务对应的所述标准化追溯模型中各个参数进行特征提取，得到检测任务的目标特征。本申请实施例中，可以基于预设计算引擎构建机器学习检测框架，形成预设安全检测框架，预设计算引擎是指为大规模数据处理而设计的通用的计算引擎，例如Spark、Hive等等，可以通过预设安全检测框架实现检测任务。
S3004，基于检测任务的目标特征和检测任务中目标算法参数进行异常检测，得到检测任务的检测结果。
步骤S3004在具体实施时，可以包括：
S30041，按照训练周期，利用目标算法和训练数据时间内的目标特征进行模型训练，得到安全检测模型。
目标算法中包括进行模型训练所使用的算法和算法入参，每间隔训练周期的时间进行一次模型训练，例如每间隔14天，在每次模型训练完成后，将所得到的异常检测模型作为最新异常检测模型。由于冷链物流追溯公共服务平台（102）会每间隔统计间隔的时间进行一次统计计算，冷链物流追溯公共服务平台（102）所存储的目标特征包括多个统计间隔所得到的目标特征，且目标特征在进行动态变化。为了提升模型训练的准确性，冷链物流追溯公共服务平台（102）在每个训练周期进行模型训练时，获取在训练数据时间内所统计的目标特征，例如当前时间之前14天内的所有目标特征，由此构成训练特征，基于该训练特征和目标算法进行模型训练。
S30042，按照预测周期，采用异常检测模型进行异常检测，得到检测任务的检测结果。
将所述标准化追溯模型与神经网络模型相结合，可以有效的提高异常判断的准确性，输入神经网络模型中的数据是经过标准化格式的数据，大大减少数据噪声对异常判断结果的印象。
步骤S306，冷链物流追溯公共服务平台（102）支持用户通过冷链产品和物流信息的相关关键词和标识码进行解析查询，反馈相关节点对应信息，便于系统的安全稳定运行及管理需要。
本公开实施例通过“冷链物流追溯公共服务平台（102）将各种企业设备的通讯接口协议转换为统一的标准协议格式，并依据设定的数据划分标准对采集到的原始冷链产品和物流信息进行标准化数据格式；冷链物流追溯公共服务平台（102）进行数据清洗对数据进行重新审查和校验的过程，目的在于删除重复信息、纠正存在的错误，并提供数据一致性和完整性”，冷链物流追溯公共服务平台（102）提供了异构标识互操作，实现不同标识系统编码兼容和系统互联互通的关键，通过对各个标识体系间建立数据互认、数据映射以及交互协议等，解决标识体系之间由于数据定义、数据结构等差异造成的体系不互通、不兼容问题。
本公开实施例通过“冷链物流追溯公共服务平台（102）用于通过所述神经网络模型，利用所述标准化追溯模型中的数据对冷链产品和物流信息进行异常判断，得到检测结果，若检测结果为异常，则把检测结果并进行报警”，冷链物流追溯公共服务平台（102）实现了边缘计算，对冷链产品和物流信息进行快速定位，减轻了核心网络计算压力，能够对消费者、企业或者政府做出决策起到支撑作用。
除了上述方法和设备以外，本公开的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的用于生成视频的方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外，本公开的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的用于生成视频的方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本公开的基本原理，但是，需要指出的是，在本公开中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本公开为必须采用上述具体的细节来实现。
本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
可能以许多方式来实现本发明的方法和装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明，本发明的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本发明实施为记录在记录介质中的程序，这些程序包括用于实现根据本发明的方法的机器可读指令。因而，本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
本发明的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。

Claims (10)

1.一种冷链物流追溯服务系统，所述系统包括一个或多个企业节点（101）、冷链物流追溯公共服务平台（102）、一个或多个二级节点（103）；
所述冷链物流追溯公共服务平台（102）包括数据采集模块（201）、数据处理模块（202）、数据分析模块（203）、数据存储模块（204）；
所述数据采集模块（201），用于将各种通讯接口协议转换为统一的标准协议格式；采集所述一个或多个二级节点（103）下的所述一个或多个企业节点（101）的冷链产品和物流数据；
所述数据处理模块（202），用于对所述数据采集模块（201）采集到冷链产品和物流数据进行标准化数据格式和数据清洗处理；
所述数据存储模块（204），对数据采集模块（201）采集的数据经过数据处理模块（202）处理后，按照标准化追溯模型对所述经过数据处理后的数据进行分类存储；
所述数据分析模块（203），用于通过神经网络模型，利用所述标准化追溯模型中的数据对冷链产品和物流数据进行异常判断；
所述标准化追溯模型，用于所述一个或多个企业节点（101）、所述冷链物流追溯公共服务平台（102）和所述一个或多个二级节点（103）统一调配和存储冷链产品和物流数据格式。
2.根据权利要求1所述的系统，其特征在于，所述冷链产品和物流数据进一步包括：
冷链产品信息和冷链物流信息，其中，
所述冷链产品信息包括产品的制造地、制造商、生产日期中的一项或多项；所述冷链物流信息包括运输工具、运输人员、过境地方中的一项或多项。
3.根据权利要求2所述的系统，其特征在于，所述通过神经网络模型，利用所述标准化追溯模型中的数据对冷链产品和物流数据进行异常判断，进一步包括：
接收检测请求，检测请求携带有检测策略；
从检测策略中获取目标策略参数和各个检测任务；
对于每个检测任务，基于检测任务中所述标准化追溯模型，对检测任务对应的所述标准化追溯模型中各个数据进行特征提取，得到检测任务的目标特征；
基于检测任务的目标特征和检测任务中目标算法参数进行异常检测，得到检测任务的检测结果。
4.根据权利要求3所述的系统，其特征在于，基于检测任务的目标特征和检测任务中目标算法参数进行异常检测，得到检测任务的检测结果，进一步包括：
按照训练周期，利用目标算法和训练数据时间内的目标特征进行模型训练，得到安全检测模型；
按照预测周期，采用异常检测模型进行异常检测，得到检测任务的检测结果。
5.根据权利要求4所述的系统，其特征在于，所述冷链物流追溯公共服务平台（102），进一步包括：
数据交互模块（205），用于支持冷链相关关键词和标识码进行解析查询，反馈企业节点和/或二级节点对应的冷链产品和物流数据，便于系统的安全稳定运行及管理需要。
6.根据权利要求1所述的系统，其特征在于，所述标准化追溯模型为食品冷链追溯模型时，数据存储按照生产加工、订单、入库、出库、装车、在途、配送、签收顺序进行存储；或者，所述标准化追溯模型为医药冷链追溯模型，数据存储按照疫苗进货、接收存储、分发交接、低温存储、领用出库、使用记录顺序进行存储。
7.根据权利要求1所述的系统，其特征在于，所述冷链物流追溯公共服务平台（102）调用区块链智能合约，区块链系统接收所述冷链物流追溯公共服务平台（102）发送的标准化追溯模型上链请求，并根据所述标准化追溯模型上链请求验证所述冷链物流追溯公共服务平台（102）的身份信息；
所述冷链物流追溯公共服务平台（102）通过验证，所述区块链系统获取所述标准化追溯模型；
所述区块链系统根据物联网数据层的数据对所述标准化追溯模型验证，根据所述标准化追溯模型生成所述追溯码。
8.一种冷链物流追溯服务方法，其特征在于，包括：
采用主动或者被动方式采集一个或多个二级节点下的冷链产品和物流数据信息；
将各种企业设备的通讯接口协议转换为统一的标准协议格式，并依据设定的数据划分标准对采集到的原始冷链产品和物流数据进行标准化数据格式；
通过数据清洗对所述标准化数据格式数据进行重新审查和校验的过程；
将所述数据清洗后的数据通过标准化追溯模型进行存储，所述标准化追溯模型，用于所述一个或多个企业节点、所述冷链物流追溯公共服务平台和所述一个或多个二级节点统一调配和存储冷链产品和物流数据格式；
接收检测请求，检测请求携带有检测策略；
从检测策略中获取目标策略参数和各个检测任务；
对于每个检测任务，基于检测任务中所述标准化追溯模型，对检测任务对应的所述标准化追溯模型中各个参数进行特征提取，得到检测任务的目标特征；
基于检测任务的目标特征和检测任务中目标算法参数进行异常检测，得到检测任务的检测结果；所述标准化追溯模型为食品冷链追溯模型时，数据存储按照生产加工、订单、入库、出库、装车、在途、配送、签收顺序进行存储；或者
所述标准化追溯模型为医药冷链追溯模型，数据存储按照疫苗进货、接收存储、分发交接、低温存储、领用出库、使用记录顺序进行存储。
9.根据权利要求8所述的方法，其特征在于，
调用区块链智能合约，区块链系统接收标准化追溯模型上链请求；
所述区块链系统获取所述标准化追溯模型；
所述区块链系统根据物联网数据层的数据对所述标准化追溯模型验证，根据所述标准化追溯模型生成所述追溯码。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时，实现上述权利要求8-9任一所述的方法。
CN202210732166.7A 2022-06-27 2022-06-27 冷链物流追溯服务方法、系统与存储介质 Active CN114819862B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210732166.7A CN114819862B (zh) 2022-06-27 2022-06-27 冷链物流追溯服务方法、系统与存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210732166.7A CN114819862B (zh) 2022-06-27 2022-06-27 冷链物流追溯服务方法、系统与存储介质

Publications (2)

Publication Number Publication Date
CN114819862A true CN114819862A (zh) 2022-07-29
CN114819862B CN114819862B (zh) 2022-09-20

Family

ID=82520756

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210732166.7A Active CN114819862B (zh) 2022-06-27 2022-06-27 冷链物流追溯服务方法、系统与存储介质

Country Status (1)

Country Link
CN (1) CN114819862B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115330420A (zh) * 2022-10-13 2022-11-11 中国(上海)宝玉石交易中心有限公司 基于标准的宝玉石追溯方法及系统
CN115758135A (zh) * 2022-11-03 2023-03-07 深圳交控科技有限公司 轨道交通信号系统功能需求追溯方法、装置及电子设备
CN115829441A (zh) * 2023-01-09 2023-03-21 成都运荔枝科技有限公司 一种智能冷链物流管理方法及系统
CN115860641A (zh) * 2023-01-10 2023-03-28 广州宇浪软件科技有限公司 一种基于信息共享的物流仓储管理方法及系统
CN116823068A (zh) * 2023-08-29 2023-09-29 四川集鲜数智供应链科技有限公司 一种餐饮食品供应链管理系统
CN117314477A (zh) * 2023-11-28 2023-12-29 深圳前海粤十信息技术有限公司 一种进行二次追溯的进口冷链食品溯源追溯系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105096073A (zh) * 2014-05-09 2015-11-25 青岛友明伟业信息技术有限公司 基于物联网的冷链运输追溯系统
CN109360009A (zh) * 2018-11-27 2019-02-19 广州网打尽电子商务有限公司 一种基于区块链的溯源追踪系统
US20200401990A1 (en) * 2018-01-11 2020-12-24 Happy Fish Technologies Inc. System and methods for real-time condition monitoring and traceability of seafood
CN112668967A (zh) * 2020-12-24 2021-04-16 南京鼓佳玺电子科技有限公司 基于大数据分析的冷链物流跟踪与溯源处理方法及大数据云平台
CN113269503A (zh) * 2021-07-20 2021-08-17 北京微芯感知科技有限公司 一种基于区块链与图神经网络的冷链食品追溯系统及方法
WO2021257563A2 (en) * 2020-06-15 2021-12-23 Arizona Board Of Regents On Behalf Of Arizona State University Systems, methods, and apparatus for implementing aggregable, environment-controlled mini-containers for the efficient logistics of perishable products
CN114186944A (zh) * 2021-12-18 2022-03-15 河南牧业经济学院 一种冷链物流的数字化协同追溯方法及系统
CN114581108A (zh) * 2022-03-09 2022-06-03 厦门物之联智能科技有限公司 一种供应链全流程节点追溯系统及其方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105096073A (zh) * 2014-05-09 2015-11-25 青岛友明伟业信息技术有限公司 基于物联网的冷链运输追溯系统
US20200401990A1 (en) * 2018-01-11 2020-12-24 Happy Fish Technologies Inc. System and methods for real-time condition monitoring and traceability of seafood
CN109360009A (zh) * 2018-11-27 2019-02-19 广州网打尽电子商务有限公司 一种基于区块链的溯源追踪系统
WO2021257563A2 (en) * 2020-06-15 2021-12-23 Arizona Board Of Regents On Behalf Of Arizona State University Systems, methods, and apparatus for implementing aggregable, environment-controlled mini-containers for the efficient logistics of perishable products
CN112668967A (zh) * 2020-12-24 2021-04-16 南京鼓佳玺电子科技有限公司 基于大数据分析的冷链物流跟踪与溯源处理方法及大数据云平台
CN113269503A (zh) * 2021-07-20 2021-08-17 北京微芯感知科技有限公司 一种基于区块链与图神经网络的冷链食品追溯系统及方法
CN114186944A (zh) * 2021-12-18 2022-03-15 河南牧业经济学院 一种冷链物流的数字化协同追溯方法及系统
CN114581108A (zh) * 2022-03-09 2022-06-03 厦门物之联智能科技有限公司 一种供应链全流程节点追溯系统及其方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
XIAOSHENG YU: "A research about the tracing technology and system designing of food-cold chain", 《2011 2ND INTERNATIONAL CONFERENCE ON ARTIFICIAL INTELLIGENCE, MANAGEMENT SCIENCE AND ELECTRONIC COMMERCE (AIMSEC)》 *
于晓胜: "食品冷链物流可追溯技术及系统设计", 《现代商贸工业》 *
吴迪等: "新冠疫情下港区农产品冷链物流监管平台构建与应用", 《农业大数据学报》 *
徐俊等: "基于区块链的药品冷链追溯管理平台实现路径", 《网络空间安全》 *
杨信廷等: "农产品物流过程追溯中的智能配送系统", 《农业机械学报》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115330420A (zh) * 2022-10-13 2022-11-11 中国(上海)宝玉石交易中心有限公司 基于标准的宝玉石追溯方法及系统
CN115758135A (zh) * 2022-11-03 2023-03-07 深圳交控科技有限公司 轨道交通信号系统功能需求追溯方法、装置及电子设备
CN115758135B (zh) * 2022-11-03 2023-10-20 深圳交控科技有限公司 轨道交通信号系统功能需求追溯方法、装置及电子设备
CN115829441A (zh) * 2023-01-09 2023-03-21 成都运荔枝科技有限公司 一种智能冷链物流管理方法及系统
CN115829441B (zh) * 2023-01-09 2023-04-28 成都运荔枝科技有限公司 一种智能冷链物流管理方法及系统
CN115860641A (zh) * 2023-01-10 2023-03-28 广州宇浪软件科技有限公司 一种基于信息共享的物流仓储管理方法及系统
CN116823068A (zh) * 2023-08-29 2023-09-29 四川集鲜数智供应链科技有限公司 一种餐饮食品供应链管理系统
CN116823068B (zh) * 2023-08-29 2023-11-07 四川集鲜数智供应链科技有限公司 一种餐饮食品供应链管理系统
CN117314477A (zh) * 2023-11-28 2023-12-29 深圳前海粤十信息技术有限公司 一种进行二次追溯的进口冷链食品溯源追溯系统
CN117314477B (zh) * 2023-11-28 2024-02-09 深圳前海粤十信息技术有限公司 一种进行二次追溯的进口冷链食品溯源追溯系统

Also Published As

Publication number Publication date
CN114819862B (zh) 2022-09-20

Similar Documents

Publication Publication Date Title
CN114819862B (zh) 冷链物流追溯服务方法、系统与存储介质
US11836670B2 (en) Shipping events and receiving events
Balamurugan et al. IoT-Blockchain driven traceability techniques for improved safety measures in food supply chain
TWI742980B (zh) 用於申請規劃介面遷移的電腦化系統以及用於申請規劃介面遷移的電腦實行方法
CN110210812B (zh) 一种物品冷链溯源方法及系统
CN109978573B (zh) 一种基于区块链的信息溯源系统
CN104142679B (zh) 使用大数据进行的用于工业系统的风险评估
CN112561250A (zh) 一种基于区块链的冷链物流管理系统
CN111158983A (zh) 一种一体化运维管理系统
US20120109842A1 (en) Conversion traceability for product supply network
US10775776B2 (en) Digital manufacturing with product tracking and social media analysis of the product
US20160364689A1 (en) Load Distribution and Consolidation Tracking System
CN110910147A (zh) 一种农产品质量溯源系统及方法
Bechini et al. A general framework for food traceability
Majdalawieh et al. Blockchain-based solution for secure and transparent food supply chain network
CN112288451A (zh) 一种食品质量安全追溯系统及追溯方法
Jacobsen et al. Improving food safety through data pattern discovery in a sensor-based monitoring system
Ahmad et al. Integrating Lean Six Sigma with blockchain technology for quality management–a scoping review of current trends and future prospects
US20120101972A1 (en) Detection of irregularity in food manufacturing by using conversion pattern
WO2019216555A1 (ko) 지능형 운송 시스템
Bragadeesh et al. Development of a reliable supply chain system using blockchain
CN117172641A (zh) 基于区块链与数字孪生的生产物流管理平台及实现方法
CN112184259A (zh) 药品监管预警系统及方法
CN114722037B (zh) 工业互联网中间件数据处理方法、中间件和可读存储介质
CN110910061A (zh) 一种物料管理方法、系统、存储介质以及电子设备

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