CN116485412B - 一种基于区块链技术的农产品追溯方法及系统 - Google Patents
一种基于区块链技术的农产品追溯方法及系统 Download PDFInfo
- Publication number
- CN116485412B CN116485412B CN202310321534.3A CN202310321534A CN116485412B CN 116485412 B CN116485412 B CN 116485412B CN 202310321534 A CN202310321534 A CN 202310321534A CN 116485412 B CN116485412 B CN 116485412B
- Authority
- CN
- China
- Prior art keywords
- picture
- tracing
- agricultural products
- node
- agricultural product
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000005516 engineering process Methods 0.000 title claims abstract description 17
- 238000012544 monitoring process Methods 0.000 claims abstract description 51
- 238000004519 manufacturing process Methods 0.000 claims abstract description 27
- 238000004458 analytical method Methods 0.000 claims abstract description 23
- 230000002159 abnormal effect Effects 0.000 claims abstract description 20
- 238000010586 diagram Methods 0.000 claims abstract description 13
- 238000003860 storage Methods 0.000 claims description 15
- 239000000203 mixture Substances 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 3
- 230000003321 amplification Effects 0.000 claims description 2
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 2
- 238000013519 translation Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 7
- 235000013311 vegetables Nutrition 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000000575 pesticide Substances 0.000 description 2
- 239000007921 spray Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 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
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/68—Food, e.g. fruit or vegetables
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Agronomy & Crop Science (AREA)
- Accounting & Taxation (AREA)
- Mining & Mineral Resources (AREA)
- Animal Husbandry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Marine Sciences & Fisheries (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于区块链技术的农产品追溯方法及系统，包括以下步骤：步骤S1：将农产品从生产到销售的各阶段监控信息进行采集，并储存至区块链节点数据库中；步骤S2：提取区块链节点中农产品的监控信息，分析农产品监控画面；步骤S3：根据分析结果判断并定位异常监控节点；步骤S4：输出提示节点，对农产品历史环节进行快速调取追溯，消费者可以根据该农产品的快速溯源追踪折线图，以及图中对异常监控节点的提示，可以快速的将对应阶段视频拉取到提示处进行调取，无需漫无目的的查看，更全面更快速的获取消费者所需的目标监控信息，使得对农产品的追溯变得方便快捷高效，本发明，具有快捷且全面的特点。
Description
技术领域
本发明涉及农产品溯源技术领域，具体为一种基于区块链技术的农产品追溯方法及系统。
背景技术
伴随着消费者对高端农产品的品质要求逐渐提升，消费者对农产品产地归属、产品安全、物流渠道的管理和追溯提出了更高的要求。
为保证农产品质量、原产地、产品安全问题，需要在农产品生产、物流以及销售环节建立一种基于区块链技术的安全、可靠、易追溯的管理手段，保证农产品供应链生产环节、产地跟踪、物流环节的全程追溯，以期利用该手段可以快速的查询农产品从生产、仓储到物流全过程的详细信息，快速定位发生问题环节和责任主体。然而现有的农产品追溯系统对农产品的监控采集过程不全面，追溯过程中极易存在重要环节丢失现象，同时消费者对产品的追溯是个复杂的过程，难以快速且全面的追溯到消费者的目标信息。因此，设计快捷且全面的一种基于区块链技术的农产品追溯方法及系统是很有必要的。
发明内容
本发明的目的在于提供一种基于区块链技术的农产品追溯方法及系统，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于区块链技术的农产品追溯方法，该方法具体包括以下步骤：
步骤S1：将农产品从生产到销售的各阶段监控信息进行采集，并储存至区块链节点数据库中；
步骤S2：提取区块链节点中农产品的监控信息，分析农产品监控画面；
步骤S3：根据分析结果判断并定位异常监控节点；
步骤S4：输出提示节点，对农产品历史环节进行快速调取追溯。
根据上述技术方案，所述步骤S1具体包括：
对同一生产批次、同一类别的农产品从种植生产经过物流配送到上市销售各环节布设监控单元，对农产品全阶段画面进行监控采集，同时还进一步的对农产品细节画面进行采集；
基于农产品追溯系统建立区块链节点数据库，数据库中包括若干个存储节点和存储子节点，对于同一生产批次同一类别的农产品的所有阶段监控信息上传存储在同一节点中，不同阶段的采集画面信息存储在同一子节点中。
根据上述技术方案，所述步骤S2中对农产品监控画面分析的方法进一步包括以下步骤：
首先提取高清摄像模组采集的农产品细节画面，以该子节点存储的初始细节画面为标准画面，分析实时画面与标准画面的相似度值S，其中相似度值S主要受画面构图框架以及色调布局影响；
接着获取广角采集摄像模组采集的农产品画面，识别实时画面中的动态特征，将该动态特征作为分析结果输出。
根据上述技术方案，所述步骤S2中实时画面与标准画面的相似度值S的主要分析方法为：
将画面转化为灰度图像，选取画面中“左上”“左下”“右上”“右下”“中央”5个半径为画面宽度1/10像素点的区域，计算画面中所有像素的灰度平均值，与标准画面相同区域的灰度平均值比较，分别得到各区域的与标准画面的差值，最后再求平均，得到区域灰度平均差值G；
然后描绘实时画面的成像轮廓，在色调分界的差值大于预设值c时，拟合轮廓线，持续执行拟合轮廓任务，直至画面拟合轮廓完成；
接着将实时画面拟合轮廓线同样的与标准画面拟合轮廓线在方向重合度匹配量、轮廓线数量上进行对比，输出画面构图框架的综合差值H，该综合差值由方向重合度未匹配量和轮廓线数量差之和得到；
最后分别对区域灰度平均差值G和画面构图框架的综合差值H进行加权求和，分析得到实时画面与标准画面的相似度值S。
根据上述技术方案，方向重合度匹配方法为：将实时画面中任意一条拟合轮廓线在标准画面中搜索，当该拟合轮廓线的两端指向角度能在标准画面中匹配到存在拟合轮廓线与之误差5度内时，则判断为方向重合，匹配成功，否则匹配失败，最终标记未匹配到的拟合轮廓线数量。
根据上述技术方案，所述步骤S3进一步包括：
获取分析结果，将同一阶段的分析数据，以时间为横轴，相似度值S为纵轴建立快速溯源追踪折线图，不同阶段的农产品的相似度随时间变化趋势在该折线图中均适用于k≥u，其中u为斜率k预设最小阈值，其中k≤0；当k＜u时，则判断短时间内农产品变化程度过大，处于异常状态，标记该时间节点；同样的，进一步在快速溯源追踪折线图中，根据时间节点，将整体画面中识别存在动态特征的时间节点与快速溯源追踪折线图中时间节点匹配，同样标记匹配后的时间节点；最后判断标记的时间节点为异常监控节点；
重复步骤S3，将同一生产批次同一类别的农产品的所有阶段分析数据均进行异常判断。
根据上述技术方案，所述步骤S4中，消费者可以通过农产品追溯系统追溯农产品从生产、运输到销售所有环节的监控画面信息进行查看，同时根据该农产品的快速溯源追踪折线图，以及图中对异常监控节点的提示，可以快速的将对应阶段视频拉取到提示处进行调取。
一种基于区块链技术的农产品追溯系统，该系统包括：
信息采集模块，用于采集农产品从生产到销售的各阶段的监控画面信息；
区块链节点存储模块，用于将农产品追溯用的监控画面信息以区块链形式存储；
节点分析模块，用于提取区块链存储节点信息后分析信息；
异常定位模块，用于根据分析结果定位追溯画面中的异常信息；
溯源追踪模块，用于快速对农产品信息进行溯源追踪。
与现有技术相比，本发明所达到的有益效果是：本发明中，消费者可以通过农产品追溯系统追溯农产品从生产、运输到销售所有环节的监控画面信息进行查看，同时根据该农产品的快速溯源追踪折线图，以及图中对异常监控节点的提示，可以快速的将对应阶段视频拉取到提示处进行调取，无需漫无目的的查看，更全面更快速的获取消费者所需的目标监控信息，使得对农产品的追溯变得方便快捷高效。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例一提供的一种基于区块链技术的农产品追溯方法的流程图；
图2为本发明实施例二提供的一种基于区块链技术的农产品追溯系统的模块组成示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
图1为本发明实施例一提供的一种基于区块链技术的农产品追溯方法的流程图，本实施例可适用于农产品溯源追踪场景，该方法可以由本发明实施例提供的一种基于区块链技术的农产品追溯系统来执行，如图1所示，该方法具体包括以下步骤：
S1、将农产品从生产到销售的各阶段监控信息进行采集，并储存至区块链节点数据库中。
在本发明实施例中，对同一生产批次、同一类别的农产品从种植生产经过物流配送到上市销售各环节布设监控单元，对农产品全阶段画面进行监控采集，同时还进一步的对农产品细节画面进行采集。示例性的，在种植生产阶段，在蔬菜大棚的顶部布设广角摄像模组，采集蔬菜大棚种植过程中整体画面，同时在蔬菜大棚的田地地面上随机设定农产品细节画面采集点，通过在采集点布设高清摄像采集模组，进而实现对该蔬菜大棚内农产品进行全程监控画面采集的作用。同样的，在物流配送环节、上市销售环节，也分别包括广角采集摄像模组和高清摄像采集模组，分别采集同一环节的整体画面和细节画面。
示例性的，在本发明实施例中，基于农产品追溯系统建立区块链节点数据库，数据库中包括若干个存储节点和存储子节点，对于同一生产批次同一类别的农产品的所有阶段监控信息上传存储在同一节点中，不同阶段的采集画面信息存储在同一子节点中。进而实现全面记录农产品历史信息的作用，利用区块链去中心化存储技术，大大提高数据安全性，使得追溯农产品时信息更准确、全面。
S2、提取区块链节点中农产品的监控信息，分析农产品监控画面。
示例性的，在本发明实施例中，对农产品监控画面分析的方法为：在同一子节点中，首先提取高清摄像模组采集的农产品细节画面，以该子节点存储的初始细节画面为标准画面，分析实时画面与标准画面的相似度值S，其中相似度值S主要受画面构图框架以及色调布局影响，其主要分析方法为：将画面转化为灰度图像，选取画面中“左上”“左下”“右上”“右下”“中央”5个半径为画面宽度1/10像素点的区域，计算画面中所有像素的灰度平均值，与标准画面相同区域的灰度平均值比较，分别得到各区域的与标准画面的差值，最后再求平均，得到区域灰度平均差值G；然后描绘实时画面的成像轮廓，在色调分界的差值大于预设值c时，拟合轮廓线，持续执行拟合轮廓任务，直至画面拟合轮廓完成，接着将实时画面拟合轮廓线同样的与标准画面拟合轮廓线在方向重合度匹配量、轮廓线数量上进行对比，输出画面构图框架的综合差值H，该综合差值由方向重合度未匹配量和轮廓线数量差之和得到；最后分别对区域灰度平均差值G和画面构图框架的综合差值H进行加权求和，分析得到实时画面与标准画面的相似度值S。
其中方向重合度匹配方法为：将实时画面中任意一条拟合轮廓线在标准画面中搜索，当该拟合轮廓线的两端指向角度能在标准画面中匹配到存在拟合轮廓线与之误差5度内时，则判断为方向重合，匹配成功，否则匹配失败，最终标记未匹配到的拟合轮廓线数量。当农产品处于生长阶段时，农产品的枝叶随时间变化在逐渐成长，但其整体轮廓不会发生质的改变，因此通过轮廓线两端的指向角度进行匹配，对于因整体放大或平移产生的相对平行的轮廓线，可以减少因生长或者略微移动而产生的误差，同时减少受轮廓线的不规律性影响，提高画面相似度识别的准确度。
示例性的，接着获取广角采集摄像模组采集的农产品画面，识别实时画面中的动态特征，并将动态特征标记。例如实时整体画面中出现工作人员对农产品进行农药喷洒作业情况，系统随即识别到工作人员喷洒农药这一动态特征，将该动态特征作为分析结果输出。
S3、根据分析结果判断并定位异常监控节点。
示例性的，在本发明实施例中，获取分析结果，将同一阶段的分析数据，以时间为横轴，相似度值S为纵轴建立快速溯源追踪折线图，不同阶段的农产品的相似度随时间变化趋势在该折线图中均适用于k≥u，其中u为斜率k预设最小阈值，其中k≤0。当k＜u时，则判断短时间内农产品变化程度过大，处于异常状态，标记该时间节点。同样的，进一步在快速溯源追踪折线图中，根据时间节点，将整体画面中识别存在动态特征的时间节点与快速溯源追踪折线图中时间节点匹配，同样标记匹配后的时间节点。最后判断标记的时间节点为异常监控节点。
重复步骤S3，将同一生产批次同一类别的农产品的所有阶段分析数据均进行异常判断。
S4、输出提示节点，对农产品历史环节进行快速调取追溯。
示例性的，在本发明实施例中，消费者可以通过农产品追溯系统追溯农产品从生产、运输到销售所有环节的监控画面信息进行查看，同时根据该农产品的快速溯源追踪折线图，以及图中对异常监控节点的提示，可以快速的将对应阶段视频拉取到提示处进行调取，无需漫无目的的查看，更全面更快速的获取消费者所需的目标监控信息，使得对农产品的追溯变得方便快捷高效。
实施例二
本发明实施例二提供了一种基于区块链技术的农产品追溯系统，图2为本发明实施例二提供的一种基于区块链技术的农产品追溯系统的模块组成示意图，如图2所示，该系统包括：
信息采集模块，用于采集农产品从生产到销售的各阶段的监控画面信息。
区块链节点存储模块，用于将农产品追溯用的监控画面信息以区块链形式存储。
节点分析模块，用于提取区块链存储节点信息后分析信息。
异常定位模块，用于根据分析结果定位追溯画面中的异常信息。
溯源追踪模块，用于快速对农产品信息进行溯源追踪。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于区块链技术的农产品追溯方法，其特征在于：该方法具体包括以下步骤：
步骤S1：将农产品从生产到销售的各阶段监控信息进行采集，并储存至区块链节点数据库中；
步骤S2：提取区块链节点中农产品的监控信息，分析农产品监控画面；
步骤S3：根据分析结果判断并定位异常监控节点；
步骤S4：输出提示节点，对农产品历史环节进行快速调取追溯；
所述步骤S2中对农产品监控画面分析的方法进一步包括以下步骤：
首先提取高清摄像模组采集的农产品细节画面，以存储子节点存储的初始细节画面为标准画面，分析实时画面与标准画面的相似度值S，其中相似度值S主要受画面构图框架以及色调布局影响；
接着获取广角采集摄像模组采集的农产品画面，识别实时画面中的动态特征，将该动态特征作为分析结果输出；
所述步骤S2中实时画面与标准画面的相似度值S的主要分析方法为：
将画面转化为灰度图像，选取画面中“左上”“左下”“右上”“右下”“中央”5个半径为画面宽度1/10像素点的区域，计算画面中所有像素的灰度平均值，与标准画面相同区域的灰度平均值比较，分别得到各区域的与标准画面的差值，最后再求平均，得到区域灰度平均差值G；
然后描绘实时画面的成像轮廓，在色调分界的差值大于预设值c时，拟合轮廓线，持续执行拟合轮廓任务，直至画面拟合轮廓完成；
接着将实时画面拟合轮廓线同样的与标准画面拟合轮廓线在方向重合度匹配量、轮廓线数量上进行对比，输出画面构图框架的综合差值H，该综合差值由方向重合度未匹配量和轮廓线数量差之和得到；
最后分别对区域灰度平均差值G和画面构图框架的综合差值H进行加权求和，分析得到实时画面与标准画面的相似度值S；
方向重合度匹配方法为：将实时画面中任意一条拟合轮廓线在标准画面中搜索，当该拟合轮廓线的两端指向角度能在标准画面中匹配到存在拟合轮廓线与之误差5度内时，则判断为方向重合，匹配成功，否则匹配失败，最终标记未匹配到的拟合轮廓线数量；当农产品处于生长阶段时，农产品的枝叶随时间变化在逐渐成长，但其整体轮廓不会发生质的改变，因此通过轮廓线两端的指向角度进行匹配，对于因整体放大或平移产生的相对平行的轮廓线，可以减少因生长或者略微移动而产生的误差，同时减少受轮廓线的不规律性影响，提高画面相似度识别的准确度；
所述步骤S3进一步包括：
获取分析结果，将同一阶段的分析数据，以时间为横轴，相似度值S为纵轴建立快速溯源追踪折线图，不同阶段的农产品的相似度随时间变化趋势在该折线图中均适用于k≥u，其中u为斜率k预设最小阈值，其中k≤0；当k＜u时，则判断短时间内农产品变化程度过大，处于异常状态，标记该时间节点；同样的，进一步在快速溯源追踪折线图中，根据时间节点，将整体画面中识别存在动态特征的时间节点与快速溯源追踪折线图中时间节点匹配，同样标记匹配后的时间节点；最后判断标记的时间节点为异常监控节点；
重复步骤S3，将同一生产批次同一类别的农产品的所有阶段分析数据均进行异常判断。
2.根据权利要求1所述的一种基于区块链技术的农产品追溯方法，其特征在于：所述步骤S1具体包括：
对同一生产批次、同一类别的农产品从种植生产经过物流配送到上市销售各环节布设监控单元，对农产品全阶段画面进行监控采集，同时还进一步的对农产品细节画面进行采集；
基于农产品追溯系统建立区块链节点数据库，数据库中包括若干个存储节点和存储子节点，对于同一生产批次同一类别的农产品的所有阶段监控信息上传存储在同一节点中，不同阶段的采集画面信息存储在同一子节点中。
3.根据权利要求1所述的一种基于区块链技术的农产品追溯方法，其特征在于：所述步骤S4中，消费者可以通过农产品追溯系统追溯农产品从生产、运输到销售所有环节的监控画面信息进行查看，同时根据该农产品的快速溯源追踪折线图，以及图中对异常监控节点的提示，可以快速的将对应阶段视频拉取到提示处进行调取。
4.根据权利要求1所述的一种基于区块链技术的农产品追溯方法的系统，其特征在于：该系统包括：
信息采集模块，用于采集农产品从生产到销售的各阶段的监控画面信息；
区块链节点存储模块，用于将农产品追溯用的监控画面信息以区块链形式存储；
节点分析模块，用于提取区块链存储节点信息后分析信息；
异常定位模块，用于根据分析结果定位追溯画面中的异常信息；
溯源追踪模块，用于快速对农产品信息进行溯源追踪。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310321534.3A CN116485412B (zh) | 2023-03-29 | 2023-03-29 | 一种基于区块链技术的农产品追溯方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310321534.3A CN116485412B (zh) | 2023-03-29 | 2023-03-29 | 一种基于区块链技术的农产品追溯方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116485412A CN116485412A (zh) | 2023-07-25 |
| CN116485412B true CN116485412B (zh) | 2023-11-24 |
Family
ID=87222322
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310321534.3A Active CN116485412B (zh) | 2023-03-29 | 2023-03-29 | 一种基于区块链技术的农产品追溯方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116485412B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117495019B (zh) * | 2023-11-14 | 2024-06-14 | 扬州市职业大学(扬州开放大学) | 基于农产品供应链的农产品协同调度方法与系统 |
| CN117557283B (zh) * | 2023-12-04 | 2024-04-16 | 太仓泽远供应链管理有限公司 | 一种适用于物流供应链监测的追溯监控系统 |
| CN118608175B (zh) * | 2024-08-08 | 2024-10-15 | 贵州省土壤肥料研究所(贵州省生态农业工程技术研究中心)(贵州省农业资源与环境研究所) | 一种基于大数据的农产品数据溯源方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111260379A (zh) * | 2020-01-10 | 2020-06-09 | 上海市崇明区生态农业科创中心 | 农产品视频节点追踪方法 |
| CN111680865A (zh) * | 2020-04-26 | 2020-09-18 | 中化现代农业有限公司 | 基于区块链的农产品品控溯源平台 |
| CN113393251A (zh) * | 2021-06-25 | 2021-09-14 | 深圳市易流科技股份有限公司 | 食品全链构建方法、追溯方法及系统 |
| CN113723972A (zh) * | 2021-08-30 | 2021-11-30 | 武汉匠刃科技有限公司 | 一种基于区块链技术的农产品追溯系统及其方法 |
| CN115424213A (zh) * | 2022-11-02 | 2022-12-02 | 朗新一诺(苏州)信息科技有限公司 | 基于区块链的海关保税物流追溯系统 |
-
2023
- 2023-03-29 CN CN202310321534.3A patent/CN116485412B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111260379A (zh) * | 2020-01-10 | 2020-06-09 | 上海市崇明区生态农业科创中心 | 农产品视频节点追踪方法 |
| CN111680865A (zh) * | 2020-04-26 | 2020-09-18 | 中化现代农业有限公司 | 基于区块链的农产品品控溯源平台 |
| CN113393251A (zh) * | 2021-06-25 | 2021-09-14 | 深圳市易流科技股份有限公司 | 食品全链构建方法、追溯方法及系统 |
| CN113723972A (zh) * | 2021-08-30 | 2021-11-30 | 武汉匠刃科技有限公司 | 一种基于区块链技术的农产品追溯系统及其方法 |
| CN115424213A (zh) * | 2022-11-02 | 2022-12-02 | 朗新一诺(苏州)信息科技有限公司 | 基于区块链的海关保税物流追溯系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116485412A (zh) | 2023-07-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116485412B (zh) | 一种基于区块链技术的农产品追溯方法及系统 | |
| Reis et al. | Automatic detection of bunches of grapes in natural environment from color images | |
| Yu et al. | Automatic image-based detection technology for two critical growth stages of maize: Emergence and three-leaf stage | |
| van der Heijden et al. | SPICY: towards automated phenotyping of large pepper plants in the greenhouse | |
| Diago et al. | Assessment of flower number per inflorescence in grapevine by image analysis under field conditions | |
| CN114913619A (zh) | 一种智能移动巡检方法和系统 | |
| CN114140094B (zh) | 一种食品企业智能化风险监控预警系统 | |
| CN114548671A (zh) | 基于区块链的农产品溯源系统及方法 | |
| Díaz et al. | Grapevine buds detection and localization in 3D space based on structure from motion and 2D image classification | |
| CN114818909A (zh) | 一种基于作物长势特征的杂草检测方法和装置 | |
| CN116882823A (zh) | 自纠错的多层级工程质量评定管理平台 | |
| CN113011221A (zh) | 作物分布信息的获取方法、装置及测量系统 | |
| KR20190136774A (ko) | 작물의 수확시기 예측시스템 및 그 방법 | |
| CN118411607A (zh) | 一种基于计算机视觉的花卉产量估算方法、设备及介质 | |
| CN115984274A (zh) | 一种车辆外观检测模型、构建方法及检测方法 | |
| CN116630707B (zh) | 一种基于深度学习的番茄穴盘苗分级检测与数据传输方法 | |
| Nery et al. | Facing digital agriculture challenges with knowledge engineering | |
| CN101876993A (zh) | 一种地基数字云图的纹理特征抽取和检索方法 | |
| Sapkota et al. | Comprehensive performance evaluation of yolo11, yolov10, yolov9 and yolov8 on detecting and counting fruitlet in complex orchard environments | |
| CN111080103A (zh) | 作物产量自动评估的方法 | |
| CN115004994A (zh) | 一种基于数字地图的果树病虫害防控系统 | |
| CN114862611A (zh) | 一种基于边缘计算的农业种植云诊断方法及系统 | |
| Taramuel-Taramuel et al. | Precision agriculture in avocado production: Mapping the landscape of scientific and technological developments | |
| CN113609106A (zh) | 农事气象数据处理方法、装置、设备及存储介质 | |
| CN112861663A (zh) | 一种基于语义分割的家禽姿态监测方法和系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |