CN116579576A - 一种基于区块链的智能决策水产养殖溯源方法及系统 - Google Patents

一种基于区块链的智能决策水产养殖溯源方法及系统 Download PDF

Info

Publication number
CN116579576A
CN116579576A CN202310595213.2A CN202310595213A CN116579576A CN 116579576 A CN116579576 A CN 116579576A CN 202310595213 A CN202310595213 A CN 202310595213A CN 116579576 A CN116579576 A CN 116579576A
Authority
CN
China
Prior art keywords
data
aquaculture
production
blockchain
intelligent decision
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.)
Withdrawn
Application number
CN202310595213.2A
Other languages
English (en)
Inventor
王卓薇
江晓琦
程良伦
阮柱康
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.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
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 Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN202310595213.2A priority Critical patent/CN116579576A/zh
Publication of CN116579576A publication Critical patent/CN116579576A/zh
Withdrawn legal-status Critical Current

Links

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G06F40/295—Named entity recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • 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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/05—Underwater scenes
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
    • Y02A40/81—Aquaculture, e.g. of fish

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Computing Systems (AREA)
  • Multimedia (AREA)
  • Agronomy & Crop Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Primary Health Care (AREA)
  • Databases & Information Systems (AREA)
  • Mining & Mineral Resources (AREA)
  • Medical Informatics (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Animal Husbandry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于区块链的智能决策水产养殖溯源方法及系统，该方法包括：根据水产品生产流程构建水产养殖溯源联盟区块链；对水产品各生产环节进行监控，得到生产环节数据和环境多源数据并上传至联盟区块链；采集海量水产业数据并构建水产养殖知识库；根据已构建的水产养殖知识库对决策模型进行参数优化，得到水产养殖智能决策模型；将实时环境多源数据输入到水产养殖智能决策模型中，得到生产决策并上传至联盟区块链。该系统包括：水产品数据全流程采集模块、生产智能决策模块和联盟区块链网络模块。通过使用本发明能够降低人工对溯源链的干预，提高了水产品溯源的可信度。本发明可广泛应用于区块链应用技术领域。

Description

一种基于区块链的智能决策水产养殖溯源方法及系统
技术领域
本发明涉及区块链应用技术领域，尤其涉及一种基于区块链的智能决策水产养殖溯源方法及系统。
背景技术
近年来全世界食品安全事件层出不穷，水产品安全风险日趋增高，消费者对水产品安全问题高度关注。为保证食品安全，各种产品溯源系统被应用在食品零售环节，以减轻消费者对食品安全的焦虑，改善食品安全监管困难的问题。
传统的水产业中，存在着水产业全产业链数据不精准，水产业灾害比较突出、水产业生产精准化不佳、水产品无法溯源，食品安全无法保障等瓶颈问题。养殖数据通常为中心化存储，难以保证数据的真实性，存在因自身利益而篡改数据的风险。而且，鱼苗育种、生长、加工等环节中，供应链上各个企业各自记账，形成信息孤岛，导致数据难以追溯。不仅如此，因为上述信息资源分散且各自独立，信息资源难以共享和及时更新，使得信息实用性和时效性较差。因此，现有的水产品溯源系统，仍然需要大量的手动操作进行数据记录，难以保证数据记录人员的操作规范，尽管已经利用了区块链技术的不可篡改特性，但其溯源信息可信度仍有待进一步加强。
发明内容
为了解决上述技术问题，本发明的目标是提供一种基于区块链的智能决策水产养殖溯源方法及系统，设计了水产养殖生产过程生长环境多源数据和生产环节数据的自动采集和定期自动上链，采用智能决策技术针对实际养殖情况进行分析和决策并将决策信息上链，降低了人工对溯源链的干预，提高了水产品溯源的可信度。
本发明所采用的第一技术方案是：一种基于区块链的智能决策水产养殖溯源方法，包括以下步骤：
根据水产品生产流程构建水产养殖溯源联盟区块链；
对水产品各生产环节进行监控，得到生产环节数据并存储至联盟区块链；
对水产品生长环境进行监测，得到环境多源数据并定期上传至联盟区块链；
根据水产养殖知识库构建智能决策模型并进行参数优化，得到水产养殖智能决策模型；
将实时环境多源数据输入到水产养殖智能决策模型中，得到生产决策并上传至联盟区块链。
进一步，所述一种基于区块链的智能决策水产养殖溯源方法，还包括采集水产业数据并构建水产养殖知识库这一步骤，其具体包括：
对初始水产养殖知识库进行划分，得到分类知识库；
采集水产业数据并分类，得到分类数据；
基于分类数据对分类知识库进行更新，得到最终水产养殖知识库。
通过该优选步骤，能够构建可实时更新数据知识的水产养殖数据库，该数据库储存的大量数据能对后续智能决策提高数据方面的支持。
进一步，所述根据水产品生产流程构建水产养殖溯源联盟区块链这一步骤，其具体包括：
根据水产品生产流程对联盟区块链成员进行划分部署，得到联盟区块链网络；
基于水产品各流通环节，根据预设规范编码格式进行编码，得到联盟区块链追溯编码；
基于联盟成员的一致方案制定相关配置文件，结合联盟区块链网络和联盟区块链追溯编码，得到水产养殖溯源联盟区块链。
通过该优选步骤，确定了水产养殖溯源联盟区块链的编码格式，形成由渔民、加工商、物流商、销售商为代表的联盟区块链网络。
进一步，所述对水产品生产环节进行监控，得到生产环节数据并存储至联盟区块链这一步骤，其具体包括：
对水产品生产环节进行阶段划分，得到育苗阶段、饲养生长阶段、加工以及包装阶段、物流阶段和销售阶段；
对水产品各生产环节进行监控，得到生产环节数据；
通过多链数据存储模式将各生产环节数据存储到单独的区块链网络中，并生成各环节的追溯信息。
通过该优选步骤，完成水产养殖过程中生产环节数据的自动采集和定期自动上链，单独的区块链存储网络能够提高数据的可信度。
进一步，所述对水产品生长环境进行监测，得到环境多源数据并定期上传至联盟区块链这一步骤，所述水产品生长环境的监测方式为“空天地”一体高精度多维立体化监测，所述“空天地”一体化，即综合应用空基设备、天基设备和地基设备进行水产数据的全面采集，其中：
所述空基设备包括高分卫星、多源卫星；所述天基设备包括无人机航测、机载激光雷达；所述地基设备包括固定式传感器、便携式采集设备；所述生长环境多源数据，是使用多种采集设备获取的水产品生长环境的多源异质异构数据；所述采集设备包括高分遥感卫星、无人机、地面传感器、多角度摄像头，以获取气体、温湿度、土壤、光照、天气、水质等数据。
通过该优选步骤，能够避免人工干预水产品生长环境的检测上传，提高环境多源数据的可信度。
进一步，所述根据水产养殖知识库构建智能决策模型并进行参数优化，得到水产养殖智能决策模型这一步骤，其具体包括：
对水产养殖知识库中的生长环境多源数据和决策结果的关联关系进行划分，得到知识节点和推断节点；
基于知识节点构建智能决策模型并进行初始化，得到初始化参数；
对推断节点和知识节点进行属性相似度匹配，得到推理节点到知识节点的正确映射；
基于正确映射对智能决策模型的参数进行优化，得到水产养殖智能决策模型。
通过该优选步骤，完成了对决策模型进行参数优化，能够更好地基于实时环境多源数据做出准确的决策判断。
本发明所采用的第二技术方案是：一种基于区块链的智能决策水产养殖溯源系统，包括：
水产品数据全流程采集模块，用于采集生长环境多源数据和生产环节数据；
生产智能决策模块，用于根据水产业产品知识以及水产品数据全流程采集模块提供的生长环境多源数据和生产环节数据，结合知识图谱进行决策推断，得到生产决策；
联盟区块链网络模块，用于通过云服务和区块链技术对水产养殖生产过程进行溯源；
所述水产品数据全流程采集模块与联盟区块链网络模块连接，用于将采集的生长环境多源数据和生产环节数据上传到联盟区块链网络模块；
所述水产品数据全流程采集模块与生产智能决策模块连接，用于提供采集的生长环境多源数据和生产环节数据；
所述生产智能决策模块与联盟区块链网络模块连接，用于将生产决策上传到联盟区块链网络模块。
进一步，所述生产智能决策模块包括水产知识库单元和智能决策单元，其中：
所述水产知识库单元，用于对水产场景数据进行大数据分析和处理、知识提取与融合，得到水产产品组织封装后的知识；
所述智能决策单元，用于根据水产知识库单元提供的综合数据和水产品数据全流程采集模块提供的生长环境多源数据进行决策推断，得到决策信息。
进一步，所述联盟区块链网络模块包括对象标识层、数据获取层、数据处理层和数据服务层，其中：
所述对象标识层，用于生成和管理水产品及其各流通环节的追溯编码以及编码数据载体；
所述数据获取层，用于对编码数据载体的阅读和解析，并根据数据单元中的地址信息将数据上传到后端数据库；
所述数据处理层，用于处理采集到的数据,并保存到区块链网络；
所述数据服务层，用于处理消费者端的查询请求，检查全链条数据是否被篡改，得到对应水产品的全链条溯源信息。
本发明方法及系统的有益效果是：本发明通过设计水产养殖生产过程生长环境多源数据和生产环节数据的自动采集和定期自动上链，减少人工干预，提高溯源数据的可信度；采用水产养殖智能决策模型对实际养殖情况的环境多源数据进行分析和决策并将决策信息上链，进一步减少人工干预，实现生产过程决策智能化、精准化，提高决策信息的可信度，实现对水产养殖生产过程建立分布式、不可篡改、价值可传递的可信溯源。
附图说明
图1是本发明一种基于区块链的智能决策水产养殖溯源方法的步骤流程图；
图2是本发明一种基于区块链的智能决策水产养殖溯源系统的结构框图；
图3是本发明一种基于区块链的智能决策水产养殖溯源方法的具体实施例水产品生长环节的追溯信息传递示意图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
参照图1，本发明提供了一种基于区块链的智能决策水产养殖溯源方法，该方法包括以下步骤：
S1、根据水产品生产流程构建水产养殖溯源联盟区块链；
S1.1、根据水产品生产流程对联盟区块链成员进行划分部署，得到联盟区块链网络；
具体地，水产品生产流程可分为养殖、经营、消费和管理4个基本流程，根据基本流程将联盟区块链成员划分为养殖者、经营者、消费者和管理者；对每个联盟区块链成员划分端口，分别为养殖者端口、经营者端口、消费者端口和管理者端口；即将渔场、渔户、认证机构、食品加工企业、销售企业、物流仓储企业等分配到对应的联盟区块链端口中，各个端口以及端口所属的联盟区块链成员相互联系，构成联盟区块链网络。
S1.2、基于水产品各流通环节，根据预设规范编码格式进行编码，得到联盟区块链追溯编码；
具体地，追溯编码根据GS1标准提供的应用标识符AI来创建，包括水产品生产商代码、产地编码、水产品项目代码、产品批次代码、不同包装形式代码、其他生产原料编码、水产品流通码等联盟区块链追溯编码，消费者可以通过移动客户端扫描追溯编码，获取追溯编码内的溯源信息。
S1.3、基于联盟成员的一致方案制定相关配置文件，结合联盟区块链网络和联盟区块链追溯编码，得到水产养殖溯源联盟区块链。
具体的，根据联盟成员达成一致方案制定账号配置文件，然后根据配置文件为每个组织和组织内的排序节点、对等节点等生成账号和密钥，并启动CA服务；根据联盟成员达成一致的方案制定排序服务配置文件，根据配置文件生成排序服务创世区块并启动排序服务；根据联盟成员达成一致的方案制定对等节点配置文件，根据配置文件启动对等节点；根据联盟成员达成一致的方案制定通道配置文件，根据配置文件生成通道创世块；根据联盟成员达成一致的方案，通过带有对等节点的证书的请求加入到通道。完成对应节点的配制后，结合联盟区块链网络和联盟区块链追溯编码，共同组建得到水产养殖溯源联盟区块链。
S2、对水产品生产环节进行监控，得到生产环节数据并存储至联盟区块链；
S2.1、对水产品生产环节进行阶段划分，得到育苗阶段、饲养生长阶段、加工以及包装阶段、物流阶段和销售阶段；
S2.2、对水产品各生产环节进行全方位监控，得到生产环节数据；
具体地，育苗阶段的监控数据包括鱼苗来源证明和检测分析报告；饲养生长阶段数据包括环境精准监测、选种质量记录、饲料施用记录、生长收获记录，这些记录涵盖了饲养生长阶段整个周期，以天为单位记录一次，其中环境精准监测为“空天地”一体高精度多维立体化监测；加工以及包装阶段数据主要以多角度摄像头对环境实时信息以及作业人员操作进行拍摄；物流阶段数据包括精准的出发日期、抵达日期、实时运输路线图以及通过摄像头对运输厢内温度变化的实时监控；销售阶段数据主要报包括以售卖价格、售卖产品品质、脱销率和脱销周期。
S2.3、通过多链数据存储模式将各生产环节数据存储到单独的区块链网络中，并生成各环节的追溯信息。
具体地，联盟区块链的数据存储采用多链模式，针对不同环节数据用单独的一个区块链网络进行存储。对每个角色节点部署认证节点，当数据传输时，节点发起上链交易，通过排序服务决定优先处理的节点顺序，然后通过共识机制决定获得记账权的节点，记录这笔交易，同时各个节点自动备份账本，保留下追溯信息。如图3所示，除原始节点外，每个环节都需要继承上一环节的追溯信息，生成当前环节的追溯信息，附加相关连接信息后上传到区块链，同时当前环节追溯信息通过实物标签传递到下一环节，供后续环节使用。
S3、对水产品生长环境进行监测，得到环境多源数据并定期上传至联盟区块链；
所述水产品生长环境的监测方式为“空天地”一体化对水产养殖生长过程进行高精度多维立体化监测，即综合应用空基设备、天基设备和地基设备进行水产数据的全面采集；具体地，空基设备包括高分卫星、多源卫星；天基设备包括无人机航测、机载激光雷达；地基设备包括固定式传感器、便携式采集设备；生长环境多源数据，是使用多种采集设备获取的水产品生长环境的多源异质异构数据；采集设备包括高分遥感卫星、无人机、地面传感器、多角度摄像头。通过遥感网、物联网和互联网三网融合技术，根据水产养殖当地的水塘及具体的形，部署高分遥感卫星、无人机、地面传感器、多角度摄像头进行数据采集，地面传感器包括水质传感器、天气类传感器，利用上述设备可获取生长环境的实时数据，包括水产养殖池塘变化检测图、目标水域的温度、电导率、PH、溶解氧、ORP和氨氮，以及水下影像数据。
接着将实时采集的水产品生长环境多源数据原始数据进行筛选，选取对水产养殖有价值的数据部分，对筛选后的多源数据进行进一步解析，以便养殖从业者和消费者阅读，解析后的数据存入后端数据库中；后端数据库的数据不经过人工干预，周期性地将处理后的水产品生长环境多源数据存储至联盟区块链中，水产品生长环境多源数据属于生产环节中饲养生长阶段的数据。
S4、采集水产业数据并构建水产养殖知识库；
S4.1、对初始水产养殖知识库进行划分，得到分类知识库；
具体地，根据水产养殖知识库需要存储的数据类型，对水产养殖知识库进行数据库细分，分别包括水产业基础数据库、水产业资源数据库、水产业知识互动信息库、水产业相关案例库。其中水产业基础数据库包括各类水产业水质信息、各类水产品品种信息、一些水产业基础常识性知识和概念；水产业资源数据库的数据不直接参与决策，而是帮助进行问题的聚焦和定位从而辅助决策，包括水资源信息、土地资源信息、气候资源信息、森林资源信息、水产业自然灾害信息；水产业知识互动信息库的数据来源于水产业从业者的工作经验，包括水产养殖技术经验交流信息、水产业技术兴趣交流信息、水产养殖技术电子处方签；水产业相关案例库包括水产业技术解决方案、相关成功案例。
S4.2、采集水产业数据并分类，得到分类数据；
具体地，通过数据挖掘技术，从网络、文献中采集海量水产业数据。通过对水产业数据进行信息抽取和分析，找出数据与数据之间的发生关系和规律，对水产业产品知识进行组织封装分类，存储到分类知识库中，并把知识库的使用存储到区块链上；对信息抽取步骤包括命名实体识别、关系抽取和事件抽取。
命名实体识别采用BiLSTM-CRF模型，模型包括表示层、BiLSTM层和CRF层。表示层将海量水产业数据中的每个句子表示为词向量和字向量，BiLSTM层将输入的词向量和字向量输出为句子的每个词的所有标签的得分，CRF层使用BiLSTM层的输出最终获得标签序列的概率；命名实体识别能够根据命名实体的不同将海量水产数据进行划分，把同一命名实体的数据划分到一起。
关系抽取，分为语义关系和句法关系。关系抽取任务采用Att-BiLSTM模型，即基于注意力机制的双向LSTM的关系抽取方法。该模型包括五个部分：输入层，输入句子到模型中；嵌入层，将每个单词映射到一个低维向量中；LSTM层：利用Bi-LSTM从嵌入层中获取高维特征；注意力层：生成一个权重向量，并合并每个词的特征时间步进一个句子级特征向量；输出层，最后用句子级特征向量进行关系分类。关系抽取能够识别句子级特征向量，并依据句子特征向量，找出数据与数据之间的发生关系和规律，完成对应水产数据的数据库划分。
事件抽取采用动态多池化卷积神经网络模型，将事件抽取任务定义为包含两个阶段的多分类任务。第一个阶段是触发词分类，利用DMCNN模型对句子中的每个单词进行识别，判断是否为触发词，如果一个句子中包含了触发词，即所需的命名实体一致，那么开始执行第二个阶段；第二个阶段是论元分类，这里使用了相似的DMCNN模型，对句字中除了触发词以外的所有实体论元进行判别，识别出与该触发词存在关系的论元以及该论元所扮演的论元角色，即识别出与命名实体有关的事件及案例。
S4.3、基于分类数据对分类知识库进行更新，得到最终水产养殖知识库。
具体的，知识更新步骤包括知识推理、知识融合和知识补全。
知识推理，将知识图谱中的实体和关系都映射低维空间向量，直接用数学表达式来计算各个实体之间相似度。通过知识推理能够将后续补充的水产业知识数据与数据库中的现存数据的实体建立相似度联系，从而迅速完成后续补充的水产业知识数据的分类。
知识融合，采用联合模型进行实体消歧，模型分为三部分：将实体和单词嵌入到公共的向量空间，将注意力集中在为消除歧义决策提供信息的词语选择上，带参数化的条件随机场联合解析。通过知识融合，能够消除带有歧义决策信息的词语，解决实体消歧和实体链接。
知识补全，用于预测知识图谱中三元组的缺失部分，使用动态知识图谱补全方法，此实施例优先采用图神经网络模型，该模型分为传播模型以及输出模型，传播模型在图中的节点之间传播信息，输出模型使用TransE模型。能利用已有信息，预测丢失的实体类型和实体间的关系，并且对现有的水产养殖技术工作中的记录和相关经验进行归纳和总结，将隐性知识和显性知识通过统一的形式表达出来。
通过知识推理、知识融合和知识补全能够对水产养殖知识库数据进行实时的知识更新和补齐，最终水产养殖知识库总是能够收录最具时效性和准确性的水产养殖知识。
S5、根据水产养殖知识库构建智能决策模型并进行参数优化，得到水产养殖智能决策模型；
S5.1、对水产养殖知识库中的生长环境多源数据和决策结果的关联关系进行划分，得到知识节点和推断节点；
S5.2、基于知识节点构建智能决策模型并进行初始化，得到初始化参数；
具体地，知识节点包含了生长环境多源数据和决策结果的关联关系，依据生长环境多源数据与决策结果的关联关系构建输入为生长环境多源数据，输出为决策结果的智能决策模型；生长环境多源数据包含水产养殖池塘变化检测图、目标水域的温度、电导率、PH、溶解氧、ORP和氨氮，以及水下影像等数据分量，设置好各数据分量与决策结果的联系参数及权重占比。再将知识节点中存储的生长环境多源数据和决策结果数据输入到智能决策模型进行初始化，得到智能决策模型的初始化参数。
S5.3、对推断节点和知识节点进行属性相似度匹配，得到推理节点到知识节点的正确映射；
具体地，考虑到推理节点与知识节点的属性的要求，为其设置相应的权重，节点属性相似度计算函数为：
其中，Sim(Xi,Yj)为节点Xi和Yj的属性相似度，wp为该节点第p个属性的权重，为表示概念xi和yj的第p个属性的相似度。
当节点属性相似度超过预设的相似度阈值，则实现推理节点到知识节点的正确映射。
S5.4、基于正确映射对智能决策模型的参数进行优化，得到水产养殖智能决策模型。
具体地，节点属性的权重、预设的相似度阈值为需要调整的参数，类似于模型训练一样，重复多次推理节点优化，根据具体映射结果优化决策模型的参数，使得决策模型的模拟效果达到最优。根据具体养殖需求，水产养殖智能决策模型细分为不同决策方向的智能决策模型，包括智能增氧模型、智能换水模型、智能投饵模型。
S6、将实时环境多源数据输入到水产养殖智能决策模型中，得到生产决策并上传至联盟区块链；
具体地，以智能增氧模型为例，输入的生长环境多源数据有多个属性，包括鱼苗种类、养殖时间、渔场规模、养殖场坐标，温度、光照、含氧量、氨氮浓度、PH值、二氧化碳浓度。将上述数据节点输入智能增氧模型，模型输出相应生产决策，包括是否开启增氧机、增氧机开启时长。
如图2所示，一种基于区块链的智能决策水产养殖溯源系统，包括：
水产品数据全流程采集模块，用于采集生长环境多源数据和生产环节数据；
生产智能决策模块，用于根据水产业产品知识以及水产品数据全流程采集模块提供的生长环境多源数据和生产环节数据，结合知识图谱进行决策推断，得到生产决策；
联盟区块链网络模块，用于通过云服务和区块链技术对水产养殖生产过程进行溯源；
所述水产品数据全流程采集模块与联盟区块链网络模块连接，用于将采集的生长环境多源数据和生产环节数据上传到联盟区块链网络模块；
所述水产品数据全流程采集模块与生产智能决策模块连接，用于提供采集的生长环境多源数据和生产环节数据；
所述生产智能决策模块与联盟区块链网络模块连接，用于将生产决策上传到联盟区块链网络模块。
进一步，所述采集数据的方式为通过遥感网、物联网和互联网三网融合技术，“空天地”一体化对水产养殖生长过程进行高精度多维立体化监测，即综合应用空基设备、天基设备和地基设备进行水产数据的全面采集，其中空基设备包括高分卫星、多源卫星，天基设备包括无人机航测、机载激光雷达，地基设备包括固定式传感器、便携式采集设备。
进一步，所述生长环境多源数据，是使用多种采集设备获取的水产品生长环境的多源异质异构数据，包括水产养殖池塘变化检测图、目标水域的温度、电导率、PH、溶解氧、ORP和氨氮，以及水下影像。
进一步，所述采集设备包括高分遥感卫星、无人机、地面传感器、多角度摄像头，根据水产养殖当地的水塘及具体地形，部署高分遥感卫星、无人机、地面传感器、多角度摄像头进行数据采集，地面传感器包括水质传感器、天气类传感器，利用上述设备可获取生长环境的实时数据。
进一步，所述生产环节数据，是水产品生产全流程的数据，包括育苗阶段、饲养生长阶段、加工以及包装阶段、物流阶段和销售阶段的数据，其中：
育苗阶段记录育苗育种信息，包括鱼苗来源证明和检测分析报告；
饲养生长阶段数据主要以环境精准监测、选种质量记录、饲料施用记录、生长收获记录为主；
加工以及包装阶段数据主要以多角度摄像头对环境实时信息以及作业人员操作进行记录；
物流阶段数据包括精准的出发日期、抵达日期、实时运输路线图以及通过摄像头对运输厢内温度变化的实时监控；
销售阶段数据主要报包括以售卖价格、售卖产品品质、脱销率和脱销周期。
进一步，所述生产智能决策模块包括水产业知识库单元和智能决策单元，其中：
所述水产业知识库单元包括水产业基础数据库、水产业资源数据库、水产业动态知识、水产业知识互动信息和水产业相关案例库；水产业知识库单元的构建步骤为信息抽取和知识更新。信息抽取包括命名实体识别、关系抽取和事件抽取；知识更新包括知识推理、知识融合和知识补全；通过信息抽取和知识更新对水产业场景数据进行大数据分析和处理、知识提取与融合，得到水产业产品组织封装后的知识；
所述智能决策单元，用于根据水产业知识库单元提供的综合数据和水产品数据全流程采集模块提供的生长环境多源数据进行决策推断，得到决策信息；
本发明系统的具体实施例水质实时监测工能的具体决策过程包括，在水产业知识库单元采集广东省真实可靠的水产业水质异常数据的基础上，通过算法对历年水产养殖数据进行统计与分析，当实际水产养殖环境某一些水质检测参数数值(溶解氧、电导率等)发生变化并超出正常范围时，可能代表着水体恶化的发生，系统及时向水产业生产者提供及时、准确的水质异常预警信息并进行智能决策，决策记录存储到联盟区块链网络模块中。
进一步，所述联盟区块链网络模块包括对象标识层、数据获取层、数据处理层和数据服务层，其中：
所述对象标识层，用于生成和管理水产品及其各流通环节的追溯编码以及编码数据载体，追溯编码格式统一且唯一；追溯编码根据GS1标准提供的应用标识符AI来创建，包括水产品生产商代码、产地编码、水产品项目代码、产品批次代码、不同包装形式代码、其他生产原料编码、水产品流通码。
所述数据获取层对多种设备采集的原始数据进行解析和筛选，并将原始数据经过计算转换为有效信息，存储到后端数据库中。
所述数据处理层用于处理采集到的数据,并保存到区块链网络，数据存储采用多链模式，针对不同环节数据用单独的一个区块链网络进行存储。搭建由渔民、加工商、物流商、销售商为代表的联盟区块链网络。创建排序服务以及对每个角色节点部署认证节点。当数据传输过来时，节点发起上链交易，通过排序服务决定先处理哪个节点的交易，然后利用共识机制决定哪个节点获得记账权，记录这笔交易，并且各个节点自动备份账本。水产品从生产到流通的每个环节,都需要继承上一环节的追溯信息(数据原始节点无此步骤)，生成当前环节的追溯信息,附加相关连接信息后上传到区块链,同时将当前环节追溯信息通过实物标签传递到下一环节,供后续环节使用。
所述数据服务层，用于处理消费者端的查询请求，检查全链条数据是否被篡改，得到对应水产品的全链条溯源信息。消费者通过水产品包装上的溯源码发起溯源查询请求，数据服务层接收到请求后，查询验证用户身份信息，将该产品信息绑定到该用户账号，通过哈希算法校验主链上区块之间是否匹配，从了解数据是否别篡改，并返回相应产品的溯源信息。
上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (9)

1.一种基于区块链的智能决策水产养殖溯源方法，其特征在于，包括以下步骤：
根据水产品生产流程构建水产养殖溯源联盟区块链；
对水产品生产环节进行监控，得到生产环节数据并存储至联盟区块链；
对水产品生长环境进行监测，得到环境多源数据并定期上传至联盟区块链；
根据水产养殖知识库构建智能决策模型并进行参数优化，得到水产养殖智能决策模型；
将实时环境多源数据输入到水产养殖智能决策模型中，得到生产决策并上传至联盟区块链。
2.根据权利要求1所述一种基于区块链的智能决策水产养殖溯源方法，其特征在于，还包括采集水产业数据并构建水产养殖知识库这一步骤，其具体包括：
对初始水产养殖知识库进行划分，得到分类知识库；
采集水产业数据并分类，得到分类数据；
基于分类数据对分类知识库进行更新，得到最终水产养殖知识库。
3.根据权利要求1所述一种基于区块链的智能决策水产养殖溯源方法，其特征在于，所述根据水产品生产流程构建水产养殖溯源联盟区块链这一步骤，其具体包括：
根据水产品生产流程对联盟区块链成员进行划分部署，得到联盟区块链网络；
基于水产品各流通环节，根据预设规范编码格式进行编码，得到联盟区块链追溯编码；
基于联盟成员的一致方案制定相关配置文件，结合联盟区块链网络和联盟区块链追溯编码，得到水产养殖溯源联盟区块链。
4.根据权利要求1所述一种基于区块链的智能决策水产养殖溯源方法，其特征在于，所述对水产品生产环节进行监控，得到生产环节数据并存储至联盟区块链这一步骤，其具体包括：
对水产品生产环节进行阶段划分，得到育苗阶段、饲养生长阶段、加工以及包装阶段、物流阶段和销售阶段；
对水产品各生产环节进行监控，得到生成环节数据；
通过多链数据存储模式将各生产环节数据存储到单独的区块链网络中，并生成各环节的追溯信息。
5.根据权利要求1所述一种基于区块链的智能决策水产养殖溯源方法，其特征在于，所述水产品生长环境的监测方式为“空天地”一体高精度多维立体化监测。
6.根据权利要求1所述一种基于区块链的智能决策水产养殖溯源方法，其特征在于，所述根据水产养殖知识库构建智能决策模型并进行参数优化，得到水产养殖智能决策模型这一步骤，其具体包括：
对水产养殖知识库中的生长环境多源数据和决策结果的关联关系进行划分，得到知识节点和推断节点；
基于知识节点构建智能决策模型并进行初始化，得到初始化参数；
对推断节点和知识节点进行属性相似度匹配，得到推理节点到知识节点的正确映射；
基于正确映射对智能决策模型的参数进行优化，得到水产养殖智能决策模型。
7.一种基于区块链的智能决策水产养殖溯源系统，其特征在于，包括：
水产品数据全流程采集模块，用于采集生长环境多源数据和生产环节数据；
生产智能决策模块，用于根据水产业产品知识以及水产品数据全流程采集模块提供的生长环境多源数据和生产环节数据，结合知识图谱进行决策推断，得到生产决策；
联盟区块链网络模块，用于通过云服务和区块链技术对水产养殖生产过程进行溯源；
所述水产品数据全流程采集模块与联盟区块链网络模块连接，用于将采集的生长环境多源数据和生产环节数据上传到联盟区块链网络模块；
所述水产品数据全流程采集模块与生产智能决策模块连接，用于提供采集的生长环境多源数据和生产环节数据；
所述生产智能决策模块与联盟区块链网络模块连接，用于将生产决策上传到联盟区块链网络模块。
8.根据权利要求7所述一种基于区块链的智能决策水产养殖溯源系统，其特征在于，所述生产智能决策模块包括水产知识库单元和智能决策单元，其中：
所述水产知识库单元，用于对水产场景数据进行大数据分析和处理、知识提取与融合，得到水产产品组织封装后的知识；
所述智能决策单元，用于根据水产知识库单元提供的综合数据和水产品数据全流程采集模块提供的生长环境多源数据进行决策推断，得到决策信息。
9.根据权利要求7所述一种基于区块链的智能决策水产养殖溯源系统，其特征在于，所述联盟区块链网络模块包括对象标识层、数据获取层、数据处理层和数据服务层，其中：
所述对象标识层，用于生成和管理水产品及其各流通环节的追溯编码以及编码数据载体；
所述数据获取层，用于对编码数据载体的阅读和解析，并根据数据单元中的地址信息将数据上传到后端数据库；
所述数据处理层，用于处理采集到的数据,并保存到区块链网络；
所述数据服务层，用于处理消费者端的查询请求，检查全链条数据是否被篡改，得到对应水产品的全链条溯源信息。
CN202310595213.2A 2023-05-25 2023-05-25 一种基于区块链的智能决策水产养殖溯源方法及系统 Withdrawn CN116579576A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310595213.2A CN116579576A (zh) 2023-05-25 2023-05-25 一种基于区块链的智能决策水产养殖溯源方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310595213.2A CN116579576A (zh) 2023-05-25 2023-05-25 一种基于区块链的智能决策水产养殖溯源方法及系统

Publications (1)

Publication Number Publication Date
CN116579576A true CN116579576A (zh) 2023-08-11

Family

ID=87539410

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310595213.2A Withdrawn CN116579576A (zh) 2023-05-25 2023-05-25 一种基于区块链的智能决策水产养殖溯源方法及系统

Country Status (1)

Country Link
CN (1) CN116579576A (zh)

Similar Documents

Publication Publication Date Title
US20210209705A1 (en) System and Method for Managing and Operating an Agricultural-Origin-Product Manufacturing Supply Chain
US20150371161A1 (en) System and methods for identifying, evaluating and predicting land use and agricultural production
CN109146130A (zh) 农产品定制化种植与全程溯源平台及方法
CN104732328A (zh) 农业物联网平台系统
Honey et al. From rags to fishes: data-poor methods for fishery managers
US20210256631A1 (en) System And Method For Digital Crop Lifecycle Modeling
US20220309595A1 (en) System and Method for Managing and Operating an Agricultural-Origin-Product Manufacturing Supply Chain
Naud et al. Support to decision-making
Medennikov et al. Formation of the Digital Platform for Precision Farming with Mathematical Modeling.
Vastaranta et al. Predicting stand-thinning maturity from airborne laser scanning data
Mundada Optimized Farming: Crop Recommendation System Using Predictive Analytics.
Jahan et al. Machine learning for global food security: a concise overview
CN116579576A (zh) 一种基于区块链的智能决策水产养殖溯源方法及系统
Gkikas et al. Artificial Intelligence (AI) use for e-Governance in agriculture: Exploring the bioeconomy landscape
Poblete-Echeverría et al. Digital technologies: smart applications in viticulture
Rabhi et al. A connected farm metamodeling using advanced information technologies for an agriculture 4.0
Akerkar et al. Big data in aquaculture
Arooj et al. Modeling smart agriculture using SensorML
Zeginis et al. A semantic meta-model for data integration and exploitation in precision agriculture and livestock farming
Bilbao-Arechabala et al. A practical approach to cross-agri-domain interoperability and integration
Márta et al. Information Technology Drivers in Smart Farming Management Systems
Balaji et al. Predictive Analysis in Smart Agriculture
Murali et al. Crop Recommendation System Using Machine Learning Algorithm
Khan et al. Drip Fertigation Technologies
Swain et al. Big data application in fisheries with special reference to inland fisheries sector in India

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20230811

WW01 Invention patent application withdrawn after publication