CN117725954B - 一种基于rfid的数字化供应链数据管理方法及系统 - Google Patents
一种基于rfid的数字化供应链数据管理方法及系统 Download PDFInfo
- Publication number
- CN117725954B CN117725954B CN202410180334.5A CN202410180334A CN117725954B CN 117725954 B CN117725954 B CN 117725954B CN 202410180334 A CN202410180334 A CN 202410180334A CN 117725954 B CN117725954 B CN 117725954B
- Authority
- CN
- China
- Prior art keywords
- data
- verification
- rfid
- rfid tag
- event
- 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 84
- 238000013523 data management Methods 0.000 title claims abstract description 20
- 238000012795 verification Methods 0.000 claims abstract description 490
- 238000003860 storage Methods 0.000 claims description 87
- 230000008859 change Effects 0.000 claims description 50
- 238000012545 processing Methods 0.000 claims description 36
- 230000005856 abnormality Effects 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000007906 compression Methods 0.000 claims description 19
- 230000006835 compression Effects 0.000 claims description 19
- 238000000605 extraction Methods 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 16
- 238000010801 machine learning Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 4
- 238000004806 packaging method and process Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000013068 supply chain management Methods 0.000 abstract description 16
- 238000007726 management method Methods 0.000 abstract description 10
- 230000000875 corresponding effect Effects 0.000 description 20
- 230000009286 beneficial effect Effects 0.000 description 18
- 230000002159 abnormal effect Effects 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 7
- 230000001276 controlling effect Effects 0.000 description 7
- 238000013500 data storage Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 230000006399 behavior Effects 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 238000012550 audit Methods 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 230000008054 signal transmission Effects 0.000 description 4
- 238000012384 transportation and delivery Methods 0.000 description 4
- 238000010200 validation analysis Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013524 data verification Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000009474 immediate action Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000026676 system process Effects 0.000 description 2
- 238000013024 troubleshooting Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- 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
- Near-Field Transmission Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及供应链管理技术领域，尤其涉及一种基于RFID的数字化供应链数据管理方法及系统。该方法包括以下步骤：通过RFID进行RFID标签数据采集，得到RFID标签数据；对所述RFID标签数据进行RFID标签区块生成，得到RFID标签区块数据；对所述RFID标签区块数据进行供应链事件验证，得到供应链事件验证数据，其中所述供应链事件验证数据为可靠事件数据、可疑事件数据以及非法事件数据的其中一种；确定供应链事件验证数据为所述可靠事件数据时，则将RFID标签区块数据加入至预设的供应链区块链。本发明提高供应链的可靠性、可追溯性和安全性，降低管理成本。
Description
技术领域
本发明涉及供应链管理技术领域，尤其涉及一种基于RFID的数字化供应链数据管理方法及系统。
背景技术
供应链数据管理是指在供应链中收集、存储、分析和利用数据的过程，旨在优化供应链运作、降低成本、提高效率和满足客户需求。RFID（Radio-Frequency Identification，射频识别）是一种无线通信技术，用于自动识别和跟踪物体、产品、动物或人员。它通过在标签（RFID标签）和读取器（RFID读取器或RFID阅读器）之间传输数据，实现物体的唯一识别和数据交换。供应链中的数据通常存储在不同的系统和应用程序中，存在数据孤立问题，导致难以获取完整的供应链视图，导致决策基于不完整或不准确的数据。
发明内容
本发明为解决上述技术问题，提出了一种基于RFID的数字化供应链数据管理方法及系统，以解决至少一个上述技术问题。
本申请提供了一种基于RFID的数字化供应链数据管理方法，所述方法包括：
S1、通过RFID进行RFID标签数据采集，得到RFID标签数据；
S2、对所述RFID标签数据进行RFID标签区块生成，得到RFID标签区块数据；
S3、对所述RFID标签区块数据进行供应链事件验证，得到供应链事件验证数据，其中所述供应链事件验证数据为可靠事件数据、可疑事件数据以及非法事件数据的其中一种；
S4、确定所述供应链事件验证数据为所述可靠事件数据时，则将所述RFID标签区块数据加入至预设的供应链区块链；确定所述供应链事件验证数据为所述可疑事件数据时，则根据所述供应链事件验证数据对所述RFID标签区块数据进行供应链事件审核作业；确定所述供应链事件验证数据为所述非法事件数据时，则将所述RFID标签区块数据进行供应链警告作业。
本发明中通过对RFID标签数据进行采集和验证，可以确保所存储的供应链事件数据是可信的，有助于减少虚假或错误的数据进入供应链，提高数据的质量和准确性。该方法允许实时监测供应链中的事件和物品流动，以及对事件的追溯，可靠的事件数据有助于及时发现问题并采取纠正措施，提高供应链的故障排除能力。当事件数据被确定为可靠时，将其加入预设的供应链区块链中，可以实现数据的不可篡改性和透明性，有助于创建具有高度信任度的供应链数据存储和共享系统。对于可疑或非法事件数据的处理，包括供应链事件审核和警告作业，有助于识别潜在的欺诈行为和非法活动，从而加强供应链的安全性。通过自动化事件验证和数据处理，可以降低供应链管理的人力和时间成本。这有助于提高效率和降低运营成本。
可选地，所述通过RFID进行RFID标签数据采集，得到RFID标签数据，包括：
控制预设于终端设备的RFID读写器发射射频信号至附近的RFID标签，从而获取标识号码数据；
对所述标识号码数据进行数据读取，得到RFID标签数据，以发送至云端服务器。
本发明中通过控制RFID读写器发射射频信号，可以实现对附近的RFID标签的自动识别和数据采集，无需手动干预，提高了数据采集的效率和准确性。RFID技术能够快速识别和读取多个标签的数据，从而在短时间内获取大量的标识号码数据，对于需要高频次数据采集的应用场景非常有益，如物流、库存管理等。将采集到的RFID标签数据实时发送至云端服务器，使数据在各个地点和时间点都能够迅速访问，有助于实现实时监控、追溯和分析，提高了供应链、物流和库存管理的效率。
可选地，所述控制预设于终端设备的RFID读写器发射射频信号至附件的RFID标签，从而获取标识号码数据，包括：
控制预设于终端设备的第一预设位置的第一RFID读写器发射第一射频信号至附近的RFID标签，从而获取第一标识号码数据；
确定所述第一标识号码数据为标识号码非空值数据时，则将所述第一标识号码数据确定为标识号码数据；
确定所述第一标识号码数据为标识号码空值数据时，则控制预设于终端设备的第二预设位置的第二RFID读写器发射第二射频信号至附近的RFID标签，从而获取第二标识号码数据；
确定所述第二标识号码数据为标识号码空值数据时，则进行非法识别警告作业；
确定所述第二标识号码数据为标识号码非空值数据时，则将所述第二标识号码数据视为标识号码数据。
本发明中通过使用两个不同的RFID读写器和多次射频信号发射，该方法增加了成功获取标识号码数据的机会，有助于减少由于信号干扰或标签读取问题而导致的数据丢失或错误。当第一标识号码数据为空值时，该方法采取了进一步的措施，使用第二RFID读写器进行数据采集，以减少误识别标签数据为空值的情况，有助于提高数据准确性和可信度。如果第二标识号码数据仍为空值，系统将执行非法识别警告作业，表明存在异常情况或非法操作，有助于及时发现潜在问题并采取适当措施。通过多次射频信号发射和数据验证步骤，该方法增强了数据的安全性，降低了数据被恶意篡改或伪造的风险。通过使用多个读写器和验证机制，该方法有助于提高采集的数据质量，使其更适用于供应链管理、物流追踪和库存控制等领域。
可选地，所述的对所述RFID标签数据进行RFID标签区块生成，得到RFID标签区块数据，包括：
对所述RFID标签数据进行存储数据选择处理，得到RFID待存储数据；
对所述RFID待存储数据进行数据编码，得到RFID待存储编码数据；
对所述RFID待存储编码数据进行存储区块生成，得到RFID标签区块数据。
本发明中通过对RFID标签数据进行存储数据选择处理，该方法能够选择性地存储特定的数据项，而不是将所有数据都存储，有助于减小存储需求，节省存储空间，并降低存储成本。将数据编码为符合标签规范的格式，可以有效地压缩数据并使其更适合存储在RFID标签中。这有助于最大程度地利用标签的存储容量，并确保数据的一致性和完整性。将编码后的数据存储在RFID标签的区块中，有助于组织和管理数据，使得数据在标签上更易于访问和检索，同时保持了数据的结构化和可管理性。通过对数据进行编码和选择性存储，该方法有效地减小了数据的存储大小，从而节省了RFID标签上的存储空间，对于标签具有存储限制的应用场景非常有益。编码后的数据更紧凑，传输到读写器或其他设备时需要的时间更短，从而提高了数据传输的效率。
可选地，所述的对所述RFID标签数据进行存储数据选择处理，得到RFID待存储数据，包括：
对所述RFID标签数据进行数据筛选，得到同批次RFID标签数据；
对所述同批次RFID标签数据进行数据融合，得到RFID待存储数据；
其中对所述同批次RFID标签数据进行数据融合，得到RFID待存储数据包括以下步骤：
利用预设的RFID数据类型读取需求识别模型对所述同批次RFID标签数据进行识别，得到所述同批次RFID标签数据中的RFID标签子数据对应的读取需求数据，其中所述读取需求数据包括高读取需求数据以及低读取需求数据；
确定所述读取需求数据为所述高读取需求数据时，则对所述读取需求数据对应的RFID标签子数据进行二进制编码并通过预设的第一RFID存储标记数据进行存储标记，得到第一RFID待存储数据；
确定所述读取需求数据为所述低读取需求数据时，则对所述读取需求数据对应的RFID标签子数据进行二进制压缩编码并通过预设的第二RFID存储标记数据进行存储标记，得到第二RFID待存储数据，其中所述预设的第一RFID存储标记数据为所述二进制编码对应的标识数据，所述预设的第二RFID存储标记数据为所述二进制压缩编码对应的标识数据，所述预设的第一RFID存储标记数据对应的访问难度数据小于所述预设的第二RFID存储标记数据对应的访问难度数据；
对所述第一RFID待存储数据以及所述第二RFID待存储数据进行数据打包，得到RFID待存储数据。
本发明中通过对同批次RFID标签数据进行筛选和融合，该方法可以选择性地存储具有高读取需求的数据，同时对低读取需求的数据进行二进制压缩编码，从而降低了存储数据的空间要求，有助于减少存储成本，并充分利用RFID标签上的存储容量。通过识别不同读取需求的数据类型，可以将数据存储在适当的方式下。对高读取需求数据进行二进制编码，使其易于读取和解码；对低读取需求数据进行压缩编码，以减小存储空间占用，有助于提高数据管理的效率和性能。该方法允许根据具体需求自定义数据的存储和管理方式，高读取需求数据可以更容易地被读取，适用于需要频繁访问的场景，而低读取需求数据则以更节省空间的方式存储，适用于不经常访问的情况。通过在存储数据时考虑访问难度，可以增加对高读取需求数据的保护，降低非授权访问的风险，有助于确保敏感数据的安全性。
可选地，所述预设的RFID数据类型读取需求识别模型的构建步骤包括以下步骤：
获取标准RFID标签数据，其中所述标准RFID标签数据包括标准RFID标签类型数据、标准读取需求数据、标准编码方式数据以及标准存储位置标记数据，所述RFID标签数据为从RFID标签中读取到的原始数据，所述标准RFID标签数据为预先获取的经过标准化处理用于模型训练用途的RFID标签数据；
对所述标准RFID标签数据进行数据类型特征提取、读取需求特征提取以及历史使用频次特征提取，分别得到数据类型特征数据、读取需求特征数据以及历史使用频次特征数据；
对所述数据类型特征数据、所述读取需求特征数据以及所述历史使用频次特征数据进行回归模型构建，得到RFID数据类型读取需求识别模型，其中所述回归模型构建为对所述数据类型特征数据以及所述历史使用频次特征数据进行回归计算并通过所述读取需求特征数据进行标签分配。
本发明中通过分析标准RFID标签数据中的数据类型、读取需求和历史使用频次特征，该方法能够构建个性化的RFID数据类型读取需求识别模型，该模型可以更好地适应特定应用场景和数据类型。通过识别不同的RFID标签数据类型和读取需求，该模型可以帮助系统更有效地处理和管理数据，例如，高读取需求数据可以更快速地被读取和处理，从而提高了数据处理的效率。通过对数据类型和读取需求进行准确的特征提取和分析，模型能够更准确地将标签数据分配到适当的存储方式中，有助于减少误读、错误或不必要的数据存储。通过根据历史使用频次特征对数据进行回归计算，模型可以更好地选择数据存储方式，从而降低了存储空间的浪费。这有助于减少存储成本。
可选地，所述对所述RFID标签区块数据进行供应链事件验证，得到供应链事件验证数据，包括：
对所述RFID标签区块数据进行时间验证，得到时间验证数据，其中时间验证数据包括合法时间验证数据以及非法时间验证数据；
对所述RFID标签区块数据进行物体标识符验证，得到物体标识符验证数据，其中物体标识符验证数据包括合法物体标识符验证数据以及非法物体标识符验证数据；
对所述RFID标签区块数据进行事件类型验证，得到事件类型验证数据，其中所述事件类型验证数据包括合法事件类型验证数据以及非法事件类型验证数据；
对所述RFID标签区块数据进行地点验证，得到地点验证数据，其中所述地点验证数据包括合法地点验证数据以及非法地点验证数据；
确定所述物体标识符验证数据为所述合法物体标识符验证数据且所述事件类型验证数据为所述合法事件类型验证数据且所述地点验证数据为所述合法地点验证数据时，则生成包含可靠事件数据的供应链事件验证数据；
确定所述物体标识符验证数据为所述合法物体标识符验证数据且所述事件类型验证数据为所述非法事件类型验证数据且所述地点验证数据为所述合法地点验证数据时，则生成包含可疑事件数据的供应链事件验证数据；或者，
确定所述物体标识符验证数据为所述合法物体标识符验证数据且所述事件类型验证数据为所述合法事件类型验证数据且所述地点验证数据为所述非法地点验证数据时，则生成包含可疑事件数据的供应链事件验证数据；
确定所述物体标识符验证数据为所述非法物体标识符验证数据且所述事件类型验证数据为所述合法事件类型验证数据且所述地点验证数据为所述合法地点验证数据时，则生成包含非法事件数据的供应链事件验证数据；或者，
确定所述物体标识符验证数据为所述合法物体标识符验证数据且所述事件类型验证数据为所述非法事件类型验证数据且所述地点验证数据为所述非法地点验证数据时，则生成包含非法事件数据的供应链事件验证数据。
本发明中该方法通过对RFID标签区块数据进行多维度的验证，包括时间、物体标识符、事件类型和地点验证，从而能够更全面地验证供应链事件的合法性，有助于提高事件验证的准确性和可靠性。根据验证结果，该方法将供应链事件分类为可靠事件、可疑事件和非法事件，有助于对供应链中发生的事件进行明确的分类和处理。通过不同验证维度的组合，可以确定事件数据的可信度，合法验证数据表明事件数据可信，而非法验证数据表明事件数据存在问题。这有助于提高数据的可信度和数据质量。对于可疑事件或非法事件，该方法可以生成相应的供应链事件验证数据，并触发相应的警告作业，有助于及时发现和处理问题，减少潜在风险。通过事件验证，可以提高供应链的透明度和可追溯性，使供应链管理更加有效和可控。
可选地，所述对所述RFID标签区块数据进行地点验证，得到地点验证数据，包括：
对所述RFID标签区块数据中的位置数据以及预设的合法地点列表数据进行比对处理，得到第一地点验证数据，其中所述第一地点验证数据包括第一合法地点验证数据以及第一非法地点验证数据；
确定所述第一地点验证数据为所述第一非法地点验证数据时，则生成包含非法地点验证数据的地点验证数据；
确定所述第一地点验证数据为所述第一合法地点验证数据时，则获取运输始发地标签数据以及运输目的地标签数据，并对所述运输始发地标签数据以及所述运输目的地标签数据进行相对位置计算，得到第一运输相对位置数据；
对所述RFID标签区块数据中的位置数据以及所述运输目的地标签数据进行相对位置计算，得到第二运输相对位置数据；
获取所述RFID标签区块数据中的上一个位置数据，并对所述RFID标签区块数据中的位置数据以及所述RFID标签区块数据中的上一个位置数据进行相对位置计算，得到第三运输相对位置数据；
确定所述第二运输相对位置数据小于或等于所述第一运输相对位置数据且所述第二运输相对位置数据小于或等于所述第三运输相对位置数据时，则生成包含合法地点验证数据的地点验证数据；
确定所述第二运输相对位置数据小于或等于所述第一运输相对位置数据且所述第二运输相对位置数据大于所述第三运输相对位置数据时，则进行运输异常检测作业，以得到地点验证数据；
确定所述第二运输相对位置数据大于所述第一运输相对位置数据时，则生成包含非法地点验证数据的地点验证数据。
本发明中该方法通过对RFID标签区块数据中的位置数据和预设的合法地点列表数据进行比对处理，进行多维度的地点验证，有助于确保供应链事件发生的地点合法性。通过不同验证维度的组合，可以确定地点数据的可信度，合法地点验证数据表明事件发生地点可信，而非法地点验证数据表明事件发生在不合法的地点。这有助于提高数据的可信度和数据质量。对于运输异常情况，该方法可以触发运输异常检测作业，以及时检测和处理地点异常，有助于减少潜在的问题和风险。通过地点验证，可以提高供应链的透明度和可追溯性，使供应链管理更加有效和可控。
可选地，所述进行运输异常检测作业，以得到地点验证数据，包括：
对所述第二运输相对位置数据以及所述第三运输相对位置数据进行相减计算，得到相对位置变化量数据；
确定所述相对位置变化量数据小于或等于预设的第一相对位置阈值数据时，则生成包含合法地点验证数据的地点验证数据；
确定所述相对位置变化量数据大于所述预设的第一相对位置阈值数据且所述相对位置变化量数据小于或等于预设的第二相对位置阈值数据时，对所述相对位置变化量数据进行时序相关性异常识别，得到地点验证数据，其中时序相关性异常识别为利用预设的相对位置时序变化异常识别模型对所述相对位置变化量数据进行识别处理，所述预设的相对位置时序变化异常识别模型通过对预设的标准相对位置变化量数据、预设的标准时序变化数据以及预设的标准位置变化标签数据进行机器学习算法或者统计规律进行构建，其中所述预设的第一相对位置阈值数据小于所述预设的第二相对位置阈值数据。
确定所述相对位置变化量数据大于所述预设的第二相对位置阈值数据时，则生成包含非法地点验证数据的地点验证数据。
本发明中该方法在地点验证中引入了多层次的验证，包括相对位置变化量数据的基础验证和时序相关性异常识别，使得地点验证更加全面和准确。通过基础验证，可以在相对位置变化量数据小于或等于预设的第一相对位置阈值数据时，直接生成包含合法地点验证数据的地点验证数据，降低了误报的风险。当相对位置变化量数据大于第一相对位置阈值数据且小于第二相对位置阈值数据时，通过时序相关性异常识别可以更敏感地检测地点异常，有助于在早期阶段发现潜在的问题。通过使用机器学习算法或统计规律构建预设的相对位置时序变化异常识别模型，可以根据历史数据学习模式，提高地点验证的智能性和自适应性。通过及时检测和处理地点异常，有助于提高供应链的可靠性和安全性，减少不合法活动和数据错误的风险。
可选地，本申请还提供了一种基于RFID的数字化供应链数据管理系统，用于执行如上所述的基于RFID的数字化供应链数据管理方法，所述基于RFID的数字化供应链数据管理系统包括：
RFID标签数据采集模块，用于通过RFID进行RFID标签数据采集，得到RFID标签数据；
RFID标签区块生成模块，用于对所述RFID标签数据进行RFID标签区块生成，得到RFID标签区块数据；
供应链事件验证模块，用于对所述RFID标签区块数据进行供应链事件验证，得到供应链事件验证数据，其中所述供应链事件验证数据为可靠事件数据、可疑事件数据以及非法事件数据的其中一种；
供应链事件验证处理模块，用于确定所述供应链事件验证数据为所述可靠事件数据时，则将所述RFID标签区块数据加入至预设的供应链区块链；确定所述供应链事件验证数据为所述可疑事件数据时，则根据所述供应链事件验证数据对所述RFID标签区块数据进行供应链事件审核作业；确定所述供应链事件验证数据为所述非法事件数据时，则将所述RFID标签区块数据进行供应链警告作业。
本发明的目的在于通过RFID标签的数据采集和区块生成，该方法能够追踪物品在供应链中的实时位置和状态，提高了供应链的可追溯性，可以更容易地定位问题和监控物品的流动。通过供应链事件验证，该方法能够检测到可疑和非法事件，包括假冒、盗窃或未经授权的物品操作，有助于减少供应链中的欺诈和非法活动，提高了数据的安全性。一旦发现可疑事件或非法活动，方法中的供应链事件审核作业可以立即采取措施，意味着管理人员可以实时做出决策，以解决问题并减轻潜在的损失。将RFID标签区块数据加入预设的供应链区块链后，这些数据将永久存储在区块链上，不可篡改，增强了数据的可信度和可靠性，有助于保护供应链的数据完整性。整合RFID技术和区块链技术，可以自动化数据采集、验证和存储过程，降低了人为错误的风险，并提高了供应链管理的效率。通过自动化供应链事件验证和警告作业，减少了对人为干预的需求，减轻了人力资源成本。通过区块链技术，多个参与方可以在同一区块链上共享和查看数据，提高了供应链各方之间的协作和透明度。
附图说明
通过阅读参照以下附图所作的对非限制性实施所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1示出了一实施例的基于RFID的数字化供应链数据管理方法的步骤流程图；
图2示出了一实施例的标识号码数据获取方法的步骤流程图；
图3示出了一实施例的RFID标签区块生成方法的步骤流程图；
图4示出了一实施例的同批次RFID标签数据融合方法的步骤流程图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
下面结合附图对本发明专利的技术方法进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域所属的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。
此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器方法和/或微控制器方法中实现这些功能实体。
应当理解的是，虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说，在不背离示例性实施例的范围的情况下，第一单元可以被称为第二单元，并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。
请参阅图1至图4，本申请提供了一种基于RFID的数字化供应链数据管理方法，所述方法包括：
S1、通过RFID进行RFID标签数据采集，得到RFID标签数据；
具体地，在供应链中，使用RFID读写器将RFID标签附加到物品上，并通过射频信号读取标签上的数据。每个物品都被赋予一个唯一的RFID标签，该标签包含有关物品的信息，如制造日期、唯一标识符等，这些数据通过RFID读写器采集并传输到系统中。
S2、对所述RFID标签数据进行RFID标签区块生成，得到RFID标签区块数据；
具体地，将从RFID标签采集到的数据按照一定的格式和结构进行整理和编码，以创建RFID标签区块，例如，将不同的数据项分配到特定的区块，其中一个区块包含唯一标识符，另一个区块包含制造日期，这些区块被组合成RFID标签区块数据。
S3、对所述RFID标签区块数据进行供应链事件验证，得到供应链事件验证数据，其中所述供应链事件验证数据为可靠事件数据、可疑事件数据以及非法事件数据的其中一种；
具体地，对RFID标签区块数据进行多重验证，包括时间验证、物品标识符验证、事件类型验证和地点验证。例如，验证物品是否在合法时间范围内被扫描，是否具有合法的物品标识符，是否触发了合法的事件类型，并且是否位于合法的地点，根据这些验证结果，确定供应链事件验证数据的类型。
S4、确定所述供应链事件验证数据为所述可靠事件数据时，则将所述RFID标签区块数据加入至预设的供应链区块链；确定所述供应链事件验证数据为所述可疑事件数据时，则根据所述供应链事件验证数据对所述RFID标签区块数据进行供应链事件审核作业；确定所述供应链事件验证数据为所述非法事件数据时，则将所述RFID标签区块数据进行供应链警告作业。
具体地，如果供应链事件验证数据为可靠事件数据，将RFID标签区块数据添加到供应链区块链，以确保数据的不可篡改性和透明性。如果供应链事件验证数据为可疑事件数据，进行供应链事件审核作业，以进行进一步的调查和验证，以确定事件的真实性和合法性。如果供应链事件验证数据为非法事件数据，采取供应链警告作业，用于对所述RFID标签区块数据进行供应链事件验证，得到供应链事件验证数据，其中所述供应链事件验证数据为可靠事件数据、可疑事件数据以及非法事件数据的其中一种会触发警报或进一步的风险管理措施，以应对潜在的问题。
具体地，其中供应链区块链的构建方式如下：构建智能合约数据，并通过智能合约数据，其中智能合约数据的构建步骤包括以下步骤：获取仓库方行为数据、运输方行为数据以及第三方验证行为数据，根据仓库方行为数据、运输方行为数据以及第三方验证行为数据进行智能合约数据生成，得到智能合约数据。如根据智能合约的规则，当满足条件时，智能合约将自动执行相应的操作。例如，当货物交付时，智能合约可以触发付款。
智能合约用于供应链管理，其中合同规定了一组交付条件和付款条件。当运输方通过第三方验证完成交付并满足合同条件时，智能合约会触发供应链支付，支付的金额和方式可以事先在合同中规定，合同中也可以定义不同的支付阶段，例如预付款、交付后支付等。合同包括仓库方的行为数据，当仓库方确认已接收货物并将其存放在指定的仓库中时，智能合约可以触发仓库许可，允许运输方进行下一步的操作，例如发货或提取货物。智能合约用于记录供应链事件和数据，当运输方成功交付货物并通过第三方验证时，智能合约可以记录此事件，包括时间戳、位置信息和验证数据，以确保供应链的透明性和可追溯性。如果智能合约检测到供应链中的异常情况，例如交付延误或非法货物，它可以触发异常处理程序，包括通知供应链管理人员、停止付款、调查事件等。供应链合同规定了特定的终止条件，例如供应商无法交付所需数量的货物，智能合约可以触发合同的终止，并采取相应的措施，例如终止合同、退款等。
具体地，根据所述供应链事件验证数据对所述RFID标签区块数据进行供应链事件审核作业包括：将可疑事件数据与其他相关数据关联起来，这些数据包括订单信息、供应商信息、运输信息等，如通过数据的共享标识符或时间戳来实现，以确保事件的上下文能够被完整地重建。一旦数据关联完成，就可以开始检测潜在的异常关系，包括以下方面的检查：订单匹配：确认可疑事件数据是否与某个订单相关联，检查订单的状态和要求是否符合。供应商验证：验证供应商信息，确保从供应商获取的货物符合合同规定。运输路线：检查运输信息，包括货物的实际路径和运输工具是否符合预期的路线和条件。时间戳分析：分析时间戳，查看事件发生的时间是否与其他事件或活动相匹配，以检测是否存在时间线上的不一致性。如果审核作业发现了潜在的异常关系或不一致性，系统可以生成异常警报，以通知相关的供应链管理人员。
本发明中通过对RFID标签数据进行采集和验证，可以确保所存储的供应链事件数据是可信的，有助于减少虚假或错误的数据进入供应链，提高数据的质量和准确性。该方法允许实时监测供应链中的事件和物品流动，以及对事件的追溯，可靠的事件数据有助于及时发现问题并采取纠正措施，提高供应链的故障排除能力。当事件数据被确定为可靠时，将其加入预设的供应链区块链中，可以实现数据的不可篡改性和透明性，有助于创建具有高度信任度的供应链数据存储和共享系统。对于可疑或非法事件数据的处理，包括供应链事件审核和警告作业，有助于识别潜在的欺诈行为和非法活动，从而加强供应链的安全性。通过自动化事件验证和数据处理，可以降低供应链管理的人力和时间成本。这有助于提高效率和降低运营成本。
可选地，所述通过RFID进行RFID标签数据采集，得到RFID标签数据，包括：
控制预设于终端设备的RFID读写器发射射频信号至附近的RFID标签，从而获取标识号码数据；
具体地，在仓库管理中，当物品通过装有RFID读写器的门口时，门口的RFID读写器会自动发射射频信号以激活附近的RFID标签，并读取标签上的数据。
对所述标识号码数据进行数据读取，得到RFID标签数据，以发送至云端服务器。
具体地，在供应链管理系统中，使用RFID读写器对物品上的RFID标签进行数据采集。具体操作包括：部署RFID读写器：将RFID读写器安装在供应链中的关键位置，例如仓库、物流中心或生产线。启动RFID读写器：通过终端设备或计算机控制RFID读写器，使其发射射频信号。读取标识号码数据：RFID读写器向附近的RFID标签发送射频信号，激活标签并读取标签上的标识号码数据。数据传输至云端服务器：读取到的RFID标签数据可以通过网络连接传输至云端服务器，以便进一步处理和存储。
本发明中通过控制RFID读写器发射射频信号，可以实现对附近的RFID标签的自动识别和数据采集，无需手动干预，提高了数据采集的效率和准确性。RFID技术能够快速识别和读取多个标签的数据，从而在短时间内获取大量的标识号码数据，对于需要高频次数据采集的应用场景非常有益，如物流、库存管理等。将采集到的RFID标签数据实时发送至云端服务器，使数据在各个地点和时间点都能够迅速访问，有助于实现实时监控、追溯和分析，提高了供应链、物流和库存管理的效率。
可选地，所述控制预设于终端设备的RFID读写器发射射频信号至附件的RFID标签，从而获取标识号码数据，包括：
S111、控制预设于终端设备的第一预设位置的第一RFID读写器发射第一射频信号至附近的RFID标签，从而获取第一标识号码数据；
具体地，在生产线上，第一台RFID读写器位于流水线的开始位置。当产品被放置在流水线上并移动到第一RFID读写器的位置时，读写器发射射频信号并获取产品的第一标识号码数据。
S112、确定所述第一标识号码数据为标识号码非空值数据时，则将所述第一标识号码数据确定为标识号码数据；
具体地，第一标识号码数据包含在RFID标签上，如果RFID读写器成功读取并解析了标签数据，且数据非空，那么这个数据就被确定为标识号码数据，可以继续用于后续的处理。
S113、确定所述第一标识号码数据为标识号码空值数据时，则控制预设于终端设备的第二预设位置的第二RFID读写器发射第二射频信号至附近的RFID标签，从而获取第二标识号码数据；
具体地，如果第一RFID读写器未能成功读取标签数据或者数据为空，系统会触发第二RFID读写器，以尝试获取产品的第二标识号码数据，以备后用。
具体地，第一射频信号与第二射频信号为不同的射频信号；第一射频信号和第二射频信号可以位于不同的射频频率或波段上，不同的RFID系统或应用使用不同频率的射频信号，例如，第一射频信号位于高频(HF)RFID频段，而第二射频信号位于超高频(UHF)RFID频段，这些频率之间的差异会影响信号的传输范围和穿透能力。第一射频信号和第二射频信号用于对所述RFID标签区块数据进行供应链事件验证，得到供应链事件验证数据，其中所述供应链事件验证数据为可靠事件数据、可疑事件数据以及非法事件数据的其中一种采用不同的RFID通信协议或标准。例如，第一射频信号采用HF RFID协议（如ISO 14443），而第二射频信号采用UHF RFID协议（如EPC Gen2）。
S114、确定所述第二标识号码数据为标识号码空值数据时，则进行非法识别警告作业；
具体地，如果第二RFID读写器也未能成功读取标签数据或者数据为空，系统会触发警报或记录异常情况，以指示存在问题。
S115、确定所述第二标识号码数据为标识号码非空值数据时，则将所述第二标识号码数据视为标识号码数据。
具体地，如果第二RFID读写器成功读取了数据且数据非空，那么这个数据就被确定为标识号码数据，可以继续用于后续的处理。
本发明中通过使用两个不同的RFID读写器和多次射频信号发射，该方法增加了成功获取标识号码数据的机会，有助于减少由于信号干扰或标签读取问题而导致的数据丢失或错误。当第一标识号码数据为空值时，该方法采取了进一步的措施，使用第二RFID读写器进行数据采集，以减少误识别标签数据为空值的情况，有助于提高数据准确性和可信度。如果第二标识号码数据仍为空值，系统将执行非法识别警告作业，表明存在异常情况或非法操作，有助于及时发现潜在问题并采取适当措施。通过多次射频信号发射和数据验证步骤，该方法增强了数据的安全性，降低了数据被恶意篡改或伪造的风险。通过使用多个读写器和验证机制，该方法有助于提高采集的数据质量，使其更适用于供应链管理、物流追踪和库存控制等领域。
可选地，所述的对所述RFID标签数据进行RFID标签区块生成，得到RFID标签区块数据，包括：
S21、对所述RFID标签数据进行存储数据选择处理，得到RFID待存储数据；
具体地，在一个仓库管理系统中，RFID标签包含了有关物品的各种数据，如物品名称、生产日期、批次号等。存储数据选择处理的具体操作用于对所述RFID标签区块数据进行供应链事件验证，得到供应链事件验证数据，其中所述供应链事件验证数据为可靠事件数据、可疑事件数据以及非法事件数据的其中一种是从标签数据中筛选出仅包含所需信息的部分数据，例如只选择物品名称和数量信息。
S22、对所述RFID待存储数据进行数据编码，得到RFID待存储编码数据；
具体地，在物流追踪系统中，RFID标签上的数据需要进行编码以减小存储需求。编码可以是将文本数据转换为二进制数据，采用压缩算法或使用特定的编码方式。例如，将日期数据编码成压缩的日期格式。
具体地，更为重要地是对所述RFID待存储数据进行数据复杂度特征提取、数据类型特征提取以及数据总和特征提取，得到数据复杂度特征数据、数据类型特征数据以及数据总和特征数据；对所述数据复杂度特征数据、所述数据类型特征数据以及所述数据总和特征数据进行自适应编码映射，得到自适应编码方式数据，以所述RFID待存储数据进行数据编码，得到RFID待存储编码数据。
其中对所述数据复杂度特征数据、所述数据类型特征数据以及所述数据总和特征数据进行自适应编码映射，得到自适应编码方式数据包括以下步骤：
确定数据总和特征数据为低总和特征数据且数据复杂度特征数据为低复杂度特征数据时，则根据所述数据类型特征数据生成第一编码方式数据，以所述RFID待存储数据进行数据编码，得到RFID待存储编码数据；
确定数据总和特征数据为高总和特征数据且数据复杂度特征数据为低复杂度特征数据时，则根据所述数据类型特征数据生成第二编码方式数据，以所述RFID待存储数据进行数据编码，得到RFID待存储编码数据；
确定数据总和特征数据为高总和特征数据且数据复杂度特征数据为高复杂度特征数据时，则根据所述数据类型特征数据生成第三编码方式数据，以所述RFID待存储数据进行数据编码，得到RFID待存储编码数据。
具体地，例如系统对将要编码的数据进行分析和特性提取。这可以包括计算数据的总和、评估数据的复杂度（例如文本的字符重复率、图像的像素多样性、音频的频谱特性等）以及确定数据类型。根据数据分析和特性提取的结果，系统使用编码方式映射规则来选择最合适的编码方式。这些规则可以包括：如果数据总和较小且数据复杂度低，选择轻量级的编码方式，如基于字典的压缩算法（如gzip）。如果数据总和较大但数据复杂度低，选择高效的图像或音频编解码器（如JPEG或AAC）。如果数据总和较大且数据复杂度高，选择高效的压缩算法或编码方式（如采用混合压缩算法），以减小存储和传输开销。其中混合压缩算法具体为：对于某些类型的数据，会选择混合压缩算法，如根据数据的特性，选择不同的压缩算法来处理不同部分的数据。例如，对于图像数据，可以选择将颜色信息使用一种压缩算法（如JPEG）进行压缩，而将图像的边缘信息使用另一种算法（如Run-Length Encoding）进行压缩。在混合压缩中，数据通常需要分割为不同的部分，每个部分应用不同的压缩算法，数据分割和合并的过程需要精心设计，以确保数据的完整性。
S23、对所述RFID待存储编码数据进行存储区块生成，得到RFID标签区块数据。
具体地，在供应链管理系统中，已编码的RFID待存储数据需要被组织成存储区块，以便在区块链上进行记录。存储区块生成包括将编码数据与时间戳和标识数据组合，并将其先生成为在区块链的前置区块形式。
本发明中通过对RFID标签数据进行存储数据选择处理，该方法能够选择性地存储特定的数据项，而不是将所有数据都存储，有助于减小存储需求，节省存储空间，并降低存储成本。将数据编码为符合标签规范的格式，可以有效地压缩数据并使其更适合存储在RFID标签中。这有助于最大程度地利用标签的存储容量，并确保数据的一致性和完整性。将编码后的数据存储在RFID标签的区块中，有助于组织和管理数据，使得数据在标签上更易于访问和检索，同时保持了数据的结构化和可管理性。通过对数据进行编码和选择性存储，该方法有效地减小了数据的存储大小，从而节省了RFID标签上的存储空间，对于标签具有存储限制的应用场景非常有益。编码后的数据更紧凑，传输到读写器或其他设备时需要的时间更短，从而提高了数据传输的效率。
可选地，所述的对所述RFID标签数据进行存储数据选择处理，得到RFID待存储数据，包括：
对所述RFID标签数据进行数据筛选，得到同批次RFID标签数据；
具体地，在一个物流管理系统中，系统需要筛选出同一批次的RFID标签数据，以便对它们进行后续处理。例如，在一次货物运输中使用多个RFID标签来跟踪不同的包裹，筛选出这些包裹的RFID标签数据以进行下一步操作。
对所述同批次RFID标签数据进行数据融合，得到RFID待存储数据；
具体地，一批RFID标签数据用于对所述RFID标签区块数据进行供应链事件验证，得到供应链事件验证数据，其中所述供应链事件验证数据为可靠事件数据、可疑事件数据以及非法事件数据的其中一种包含多个标签，每个标签上有不同的信息，例如生产日期、物品类型等。数据融合将这些信息合并为一个单一的数据记录。例如，将不同标签的信息整合成一份包含所有标签数据的综合报告。
其中对所述同批次RFID标签数据进行数据融合，得到RFID待存储数据包括以下步骤：
S201、利用预设的RFID数据类型读取需求识别模型对所述同批次RFID标签数据进行识别，得到所述同批次RFID标签数据中的RFID标签子数据对应的读取需求数据，其中所述读取需求数据包括高读取需求数据以及低读取需求数据；
具体地，如果系统需要根据RFID标签的读取需求来存储数据，使用一个预设的RFID数据类型读取需求识别模型，模型根据标签的类型和需求，将标签数据划分为高读取需求数据和低读取需求数据。
S202、确定所述读取需求数据为所述高读取需求数据时，则对所述读取需求数据对应的RFID标签子数据进行二进制编码并通过预设的第一RFID存储标记数据进行存储标记，得到第一RFID待存储数据；
具体地，对于高读取需求数据，对标签子数据进行二进制编码（如ASCII 编码、UTF-8 编码或者Gray 编码中的一种），并使用预设的第一RFID存储标记数据进行存储标记，如将数据以原始格式存储，以便随时访问。
S203、确定所述读取需求数据为所述低读取需求数据时，则对所述读取需求数据对应的RFID标签子数据进行二进制压缩编码并通过预设的第二RFID存储标记数据进行存储标记，得到第二RFID待存储数据，其中所述预设的第一RFID存储标记数据为所述二进制编码对应的标识数据，所述预设的第二RFID存储标记数据为所述二进制压缩编码对应的标识数据，所述预设的第一RFID存储标记数据对应的访问难度数据小于所述预设的第二RFID存储标记数据对应的访问难度数据；
具体地，对于低读取需求数据，对标签子数据进行二进制压缩编码（如Run-LengthEncoding (RLE)、Huffman 编码或者Arithmetic Coding中的一种），并使用预设的第二RFID存储标记数据进行存储标记，如将数据以更紧凑的方式存储，访问时需要进行解压缩。
S204、对所述第一RFID待存储数据以及所述第二RFID待存储数据进行数据打包，得到RFID待存储数据。
具体地，对第一RFID待存储数据和多个第二RFID待存储数据进行数据打包，如使用数据压缩算法将多个数据项打包成一个压缩文件，以创建RFID待存储数据的最终版本，这个版本包含了高读取需求数据和低读取需求数据的组合。
本发明中通过对同批次RFID标签数据进行筛选和融合，选择性地存储具有高读取需求的数据，同时对低读取需求的数据进行二进制压缩编码，从而降低了存储数据的空间要求，有助于减少存储成本，并充分利用RFID标签上的存储容量。通过识别不同读取需求的数据类型，将数据存储在适当的方式下。对高读取需求数据进行二进制编码，使其易于读取和解码；对低读取需求数据进行压缩编码，以减小存储空间占用，有助于提高数据管理的效率和性能。根据具体需求自定义数据的存储和管理方式，高读取需求数据更容易地被读取，适用于需要频繁访问的场景，而低读取需求数据则以更节省空间的方式存储，适用于不经常访问的情况。通过在存储数据时考虑访问难度，增加对高读取需求数据的保护，降低非授权访问的风险，有助于确保敏感数据的安全性。
可选地，所述预设的RFID数据类型读取需求识别模型的构建步骤包括以下步骤：
获取标准RFID标签数据，其中所述标准RFID标签数据包括标准RFID标签类型数据、标准读取需求数据、标准编码方式数据以及标准存储位置标记数据，所述RFID标签数据为从RFID标签中读取到的原始数据，所述标准RFID标签数据为预先获取的经过标准化处理用于模型训练用途的RFID标签数据；
具体地，标准读取需求数据：指的是在读取RFID标签数据时所需的特定数据要求或要获取的信息，包括标签的唯一标识符、存储的信息内容以及过往读取历史等。标准编码方式数据：指在处理RFID标签数据时采用的特定编码方式或格式，包括将数据转换成特定的数字、字母或符号序列的规则。标准存储位置标记数据：指的是在RFID标签中存储特定信息的位置或者标记。这些位置标记数据可以指示存储数据的起始位置、结束位置或者其他相关信息，以便于在读取时准确地定位和访问所需的数据。
具体地，从RFID标签供应商处获取标准的RFID标签数据，这些数据包括不同类型的标签、它们的读取需求、编码方式和存储位置标记，用于构建识别模型。
对所述标准RFID标签数据进行数据类型特征提取、读取需求特征提取以及历史使用频次特征提取，分别得到数据类型特征数据、读取需求特征数据以及历史使用频次特征数据；
具体地，对标准RFID标签数据进行特征提取，例如，从每种标签类型中提取数据类型特征，读取需求特征和历史使用频次特征。对于数据类型特征，识别不同标签类型的特定属性，如尺寸、形状和材料。对于读取需求特征，系统确定每种标签类型被读取的频率和条件。历史使用频次特征代表每种标签类型在过去的使用中有多常见。
对所述数据类型特征数据、所述读取需求特征数据以及所述历史使用频次特征数据进行回归模型构建，得到RFID数据类型读取需求识别模型，其中所述回归模型构建为对所述数据类型特征数据以及所述历史使用频次特征数据进行回归计算并通过所述读取需求特征数据进行标签分配。
具体地，使用收集到的特征数据构建回归模型，这个模型根据数据类型特征和历史使用频次特征来预测标签的读取需求。例如，使用机器学习算法或统计方法来构建模型，通过分析数据类型特征和历史使用频次特征，以及它们与读取需求之间的关系，来预测标签的读取需求。
具体地，通过回归计算和读取需求特征数据，为每个标签分配一个预测的读取需求值。这个值帮助系统决定如何处理每个标签的数据存储需求。
本发明中通过分析标准RFID标签数据中的数据类型、读取需求和历史使用频次特征，该方法能够构建个性化的RFID数据类型读取需求识别模型，该模型更好地适应特定应用场景和数据类型。通过识别不同的RFID标签数据类型和读取需求，该模型可以帮助系统更有效地处理和管理数据，例如，高读取需求数据可以更快速地被读取和处理，从而提高了数据处理的效率。通过对数据类型和读取需求进行准确的特征提取和分析，模型能够更准确地将标签数据分配到适当的存储方式中，有助于减少误读、错误或不必要的数据存储。通过根据历史使用频次特征对数据进行回归计算，模型可以更好地选择数据存储方式，从而降低了存储空间的浪费。这有助于减少存储成本。
可选地，所述对所述RFID标签区块数据进行供应链事件验证，得到供应链事件验证数据，包括：
对所述RFID标签区块数据进行时间验证，得到时间验证数据，其中时间验证数据包括合法时间验证数据以及非法时间验证数据；
具体地，检查RFID标签区块数据中的时间戳，确保它们与当前时间或预定的时间窗口内的数据一致。如果时间戳在合法时间窗口内，将数据标记为合法时间验证数据，否则标记为非法时间验证数据。
对所述RFID标签区块数据进行物体标识符验证，得到物体标识符验证数据，其中物体标识符验证数据包括合法物体标识符验证数据以及非法物体标识符验证数据；
具体地，验证RFID标签区块数据中的物品标识符是否与预期的物品标识符匹配。如果匹配，将数据标记为合法物体标识符验证数据，否则标记为非法物体标识符验证数据。
对所述RFID标签区块数据进行事件类型验证，得到事件类型验证数据，其中所述事件类型验证数据包括合法事件类型验证数据以及非法事件类型验证数据；
具体地，检查RFID标签区块数据中的事件类型字段，确保它们与已定义的合法事件类型匹配。如果事件类型合法，将数据标记为合法事件类型验证数据，否则标记为非法事件类型验证数据。
对所述RFID标签区块数据进行地点验证，得到地点验证数据，其中所述地点验证数据包括合法地点验证数据以及非法地点验证数据；
具体地，与一个或多个合法地点的坐标数据进行比对，以验证RFID标签区块数据中的位置信息是否与这些合法地点相符。如果位置合法，将数据标记为合法地点验证数据，否则标记为非法地点验证数据。
确定所述物体标识符验证数据为所述合法物体标识符验证数据且所述事件类型验证数据为所述合法事件类型验证数据且所述地点验证数据为所述合法地点验证数据时，则生成包含可靠事件数据的供应链事件验证数据；
具体地，物体标识符验证数据是合法的、事件类型验证数据是合法的、地点验证数据是合法的。在这种情况下，生成的供应链事件验证数据将包含可靠事件数据，这意味着事件是可信的，可以被记录在区块链上，因为所有验证条件都通过了。
确定所述物体标识符验证数据为所述合法物体标识符验证数据且所述事件类型验证数据为所述非法事件类型验证数据且所述地点验证数据为所述合法地点验证数据时，则生成包含可疑事件数据的供应链事件验证数据；或者，
具体地，物体标识符验证数据是合法的、事件类型验证数据是非法的、地点验证数据是合法的。在这种情况下，生成的供应链事件验证数据将包含可疑事件数据。尽管物体标识符和地点验证通过了，但由于事件类型验证失败，事件可能需要进一步审核。
确定所述物体标识符验证数据为所述合法物体标识符验证数据且所述事件类型验证数据为所述合法事件类型验证数据且所述地点验证数据为所述非法地点验证数据时，则生成包含可疑事件数据的供应链事件验证数据；
具体地，物体标识符验证数据是合法的、事件类型验证数据是合法的、地点验证数据是非法的。在这种情况下，同样会生成可疑事件数据。尽管物体标识符和事件类型验证通过了，但由于地点验证失败，事件也需要进一步审核。
确定所述物体标识符验证数据为所述非法物体标识符验证数据且所述事件类型验证数据为所述合法事件类型验证数据且所述地点验证数据为所述合法地点验证数据时，则生成包含非法事件数据的供应链事件验证数据；或者，
具体地，物体标识符验证数据是非法的、事件类型验证数据是合法的、地点验证数据是合法的。在这种情况下，生成的供应链事件验证数据将包含非法事件数据，因为物体标识符验证未通过。
确定所述物体标识符验证数据为所述合法物体标识符验证数据且所述事件类型验证数据为所述非法事件类型验证数据且所述地点验证数据为所述非法地点验证数据时，则生成包含非法事件数据的供应链事件验证数据。
具体地，根据各个验证步骤的结果，生成供应链事件验证数据。例如，如果物体标识符验证、事件类型验证和地点验证都合法，则生成包含可靠事件数据的供应链事件验证数据。如果物体标识符验证合法但事件类型验证非法，生成包含可疑事件数据的验证数据。其他情况下，生成包含非法事件数据的供应链事件验证数据。
本发明中该方法通过对RFID标签区块数据进行多维度的验证，包括时间、物体标识符、事件类型和地点验证，从而能够更全面地验证供应链事件的合法性，有助于提高事件验证的准确性和可靠性。根据验证结果，该方法将供应链事件分类为可靠事件、可疑事件和非法事件，有助于对供应链中发生的事件进行明确的分类和处理。通过不同验证维度的组合，可以确定事件数据的可信度，合法验证数据表明事件数据可信，而非法验证数据表明事件数据存在问题。这有助于提高数据的可信度和数据质量。对于可疑事件或非法事件，该方法可以生成相应的供应链事件验证数据，并触发相应的警告作业，有助于及时发现和处理问题，减少潜在风险。通过事件验证，可以提高供应链的透明度和可追溯性，使供应链管理更加有效和可控。
可选地，所述对所述RFID标签区块数据进行地点验证，得到地点验证数据，包括：
对所述RFID标签区块数据中的位置数据以及预设的合法地点列表数据进行比对处理，得到第一地点验证数据，其中所述第一地点验证数据包括第一合法地点验证数据以及第一非法地点验证数据；
具体地，从RFID标签区块数据中提取位置信息，例如经纬度坐标，然后将其与预设的合法地点列表中的地点进行比对。如果位置信息与合法地点匹配，将数据标记为第一合法地点验证数据，否则标记为第一非法地点验证数据。
具体地，预设的地区范围或者合法地点数据进行比对处理，得到第一地点验证数据。
确定所述第一地点验证数据为所述第一非法地点验证数据时，则生成包含非法地点验证数据的地点验证数据；
具体地，根据第一地点验证数据的结果，如果第一地点验证数据为第一非法地点验证数据，则生成包含非法地点验证数据的地点验证数据。
确定所述第一地点验证数据为所述第一合法地点验证数据时，则获取运输始发地标签数据以及运输目的地标签数据，并对所述运输始发地标签数据以及所述运输目的地标签数据进行相对位置计算，得到第一运输相对位置数据；
具体地，如果第一地点验证数据为第一合法地点验证数据，那么从RFID标签区块数据中获取运输始发地标签数据和运输目的地标签数据。
对所述RFID标签区块数据中的位置数据以及所述运输目的地标签数据进行相对位置计算，得到第二运输相对位置数据；
具体地，使用运输始发地标签数据和运输目的地标签数据，进行相对位置计算，以确定第一运输相对位置数据和第二运输相对位置数据。
具体地，对标签数据进行解析，提取出始发地和目的地的地理坐标或标识符，这些数据可以表示为经度、纬度、地名或其他地理信息。相对位置计算是通过比较两个位置的坐标或其他地理信息来确定它们之间的相对关系。以下是相对位置计算的方法：坐标比较法：如果标签数据包含地理坐标，可以直接比较两个位置的经度和纬度。通过计算两者之间的距离和方向，可以确定相对位置。地名匹配法：如果标签数据包含地名或地标，可以将其与地图数据进行匹配，从而确定物品所在的城市、地区或国家，进而确定位置的相对关系。标识符匹配法：如果标签数据包含唯一标识符，可以将其与地理位置数据库中的标识符进行匹配，以确定位置的相对关系。一旦相对位置计算完成，可以确定第一运输相对位置数据和第二运输相对位置数据，这些数据通常以数值形式表示，可以包括距离、方向、区域等信息，以描述物品在不同地点之间的相对位置关系。
获取所述RFID标签区块数据中的上一个位置数据，并对所述RFID标签区块数据中的位置数据以及所述RFID标签区块数据中的上一个位置数据进行相对位置计算，得到第三运输相对位置数据；
具体地，从RFID标签区块数据中获取上一个位置数据，并与当前位置数据进行相对位置计算，以得到第三运输相对位置数据。
确定所述第二运输相对位置数据小于或等于所述第一运输相对位置数据且所述第二运输相对位置数据小于或等于所述第三运输相对位置数据时，则生成包含合法地点验证数据的地点验证数据；
具体地，比较第二运输相对位置数据与第一和第三运输相对位置数据的关系。如果第二运输相对位置数据小于第一和第三运输相对位置数据，生成包含合法地点验证数据的地点验证数据。
确定所述第二运输相对位置数据小于或等于所述第一运输相对位置数据且所述第二运输相对位置数据大于所述第三运输相对位置数据时，则进行运输异常检测作业，以得到地点验证数据；
具体地，如果第二运输相对位置数据在这两者之间，则进行运输异常检测作业，以进一步验证地点验证数据。
具体地，运输异常检测：相对位置数据比较：将第二运输相对位置数据与第一和第三运输相对位置数据进行比较，通过计算差异或百分比来完成。例如，可以计算相对位置变化量，即第二运输相对位置数据减去第一运输相对位置数据和第三运输相对位置数据的平均值。设定异常阈值：根据历史数据或供应链管理策略，设定/生成运输异常的阈值，如位置变化量的标准偏差、百分比变化或其他衡量异常的指标。异常检测：将第二运输相对位置数据与设定的异常阈值进行比较，如果第二运输相对位置数据超出了阈值范围，则触发异常检测。异常类型识别：根据异常检测的结果，确定异常的类型，如地点异常、运输时间异常、路线异常等。根据运输异常检测的结果，生成地点验证数据，具体生成哪种地点验证数据（合法地点验证数据或非法地点验证数据）取决于异常检测的类型和结果。如果检测到异常，系统可以触发警报通知供应链管理人员，并采取适当的措施，如重新安排物流计划、联系运输商或进行进一步的异常分析。
确定所述第二运输相对位置数据大于所述第一运输相对位置数据时，则生成包含非法地点验证数据的地点验证数据。
具体地，如果第二运输相对位置数据大于第一和第三运输相对位置数据，生成包含非法地点验证数据的地点验证数据。
本发明中该方法通过对RFID标签区块数据中的位置数据和预设的合法地点列表数据进行比对处理，进行多维度的地点验证，有助于确保供应链事件发生的地点合法性。通过不同验证维度的组合，可以确定地点数据的可信度，合法地点验证数据表明事件发生地点可信，而非法地点验证数据表明事件发生在不合法的地点。这有助于提高数据的可信度和数据质量。对于运输异常情况，该方法可以触发运输异常检测作业，以及时检测和处理地点异常，有助于减少潜在的问题和风险。通过地点验证，可以提高供应链的透明度和可追溯性，使供应链管理更加有效和可控。
可选地，所述进行运输异常检测作业，以得到地点验证数据，包括：
对所述第二运输相对位置数据以及所述第三运输相对位置数据进行相减计算，得到相对位置变化量数据；
具体地，从第三运输相对位置数据中减去第二运输相对位置数据，得到相对位置变化量数据。
确定所述相对位置变化量数据小于或等于预设的第一相对位置阈值数据时，则生成包含合法地点验证数据的地点验证数据；
具体地，将相对位置变化量数据与预设的第一相对位置阈值数据进行比较。如果相对位置变化量数据小于或等于第一相对位置阈值数据，则生成包含合法地点验证数据的地点验证数据。
确定所述相对位置变化量数据大于所述预设的第一相对位置阈值数据且所述相对位置变化量数据小于或等于预设的第二相对位置阈值数据时，对所述相对位置变化量数据进行时序相关性异常识别，得到地点验证数据，其中时序相关性异常识别为利用预设的相对位置时序变化异常识别模型对所述相对位置变化量数据进行识别处理，所述预设的相对位置时序变化异常识别模型通过对预设的标准相对位置变化量数据、预设的标准时序变化数据以及预设的标准位置变化标签数据进行机器学习算法或者统计规律进行构建，其中所述预设的第一相对位置阈值数据小于所述预设的第二相对位置阈值数据。
具体地，如果相对位置变化量数据大于第一相对位置阈值数据且小于或等于第二相对位置阈值数据，则进行时序相关性异常识别。
具体地，利用预设的相对位置时序变化异常识别模型对相对位置变化量数据进行识别处理。这个模型可以通过机器学习算法或者统计规律进行构建，使用预设的标准相对位置变化量数据、标准时序变化数据以及标准位置变化标签数据。如果模型识别相对位置变化量数据为合法，则生成包含合法地点验证数据的地点验证数据。如果模型识别相对位置变化量数据为非法，则生成包含非法地点验证数据的地点验证数据。
确定所述相对位置变化量数据大于所述预设的第二相对位置阈值数据时，则生成包含非法地点验证数据的地点验证数据。
具体地，如果相对位置变化量数据小于或等于第二相对位置阈值数据，则生成包含非法地点验证数据的地点验证数据。
本发明中该方法在地点验证中引入了多层次的验证，包括相对位置变化量数据的基础验证和时序相关性异常识别，使得地点验证更加全面和准确。通过基础验证，可以在相对位置变化量数据小于或等于预设的第一相对位置阈值数据时，直接生成包含合法地点验证数据的地点验证数据，降低了误报的风险。当相对位置变化量数据大于第一相对位置阈值数据且小于第二相对位置阈值数据时，通过时序相关性异常识别可以更敏感地检测地点异常，有助于在早期阶段发现潜在的问题。通过使用机器学习算法或统计规律构建预设的相对位置时序变化异常识别模型，可以根据历史数据学习模式，提高地点验证的智能性和自适应性。通过及时检测和处理地点异常，有助于提高供应链的可靠性和安全性，减少不合法活动和数据错误的风险。
可选地，本申请还提供了一种基于RFID的数字化供应链数据管理系统，用于执行如上所述的基于RFID的数字化供应链数据管理方法，所述基于RFID的数字化供应链数据管理系统包括：
RFID标签数据采集模块，用于通过RFID进行RFID标签数据采集，得到RFID标签数据；
RFID标签区块生成模块，用于对所述RFID标签数据进行RFID标签区块生成，得到RFID标签区块数据；
供应链事件验证模块，用于对所述RFID标签区块数据进行供应链事件验证，得到供应链事件验证数据，其中所述供应链事件验证数据为可靠事件数据、可疑事件数据以及非法事件数据的其中一种；
供应链事件验证处理模块，用于确定所述供应链事件验证数据为所述可靠事件数据时，则将所述RFID标签区块数据加入至预设的供应链区块链；确定所述供应链事件验证数据为所述可疑事件数据时，则根据所述供应链事件验证数据对所述RFID标签区块数据进行供应链事件审核作业；确定所述供应链事件验证数据为所述非法事件数据时，则将所述RFID标签区块数据进行供应链警告作业。
本发明的目的在于通过RFID标签的数据采集和区块生成，该方法能够追踪物品在供应链中的实时位置和状态，提高了供应链的可追溯性，可以更容易地定位问题和监控物品的流动。通过供应链事件验证，该方法能够检测到可疑和非法事件，包括假冒、盗窃或未经授权的物品操作，有助于减少供应链中的欺诈和非法活动，提高了数据的安全性。一旦发现可疑事件或非法活动，方法中的供应链事件审核作业可以立即采取措施，意味着管理人员可以实时做出决策，以解决问题并减轻潜在的损失。将RFID标签区块数据加入预设的供应链区块链后，这些数据将永久存储在区块链上，不可篡改，增强了数据的可信度和可靠性，有助于保护供应链的数据完整性。整合RFID技术和区块链技术，可以自动化数据采集、验证和存储过程，降低了人为错误的风险，并提高了供应链管理的效率。通过自动化供应链事件验证和警告作业，减少了对人为干预的需求，减轻了人力资源成本。通过区块链技术，多个参与方可以在同一区块链上共享和查看数据，提高了供应链各方之间的协作和透明度。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附申请文件而不是上述说明限定，因此旨在将落在申请文件的等同要件的含义和范围内的所有变化涵括在本发明内。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。
Claims (6)
1.一种基于RFID的数字化供应链数据管理方法，其特征在于，所述方法包括：
S1、通过RFID进行RFID标签数据采集，得到RFID标签数据；
S2，包括：
S21、对所述RFID标签数据进行存储数据选择处理，得到RFID待存储数据；
S22、对所述RFID待存储数据进行数据编码，得到RFID待存储编码数据；
S23、对所述RFID待存储编码数据进行存储区块生成，得到RFID标签区块数据；
S3、对所述RFID标签区块数据进行供应链事件验证，得到供应链事件验证数据，其中所述供应链事件验证数据为可靠事件数据、可疑事件数据以及非法事件数据的其中一种；
S4、确定所述供应链事件验证数据为所述可靠事件数据时，则将所述RFID标签区块数据加入至预设的供应链区块链；确定所述供应链事件验证数据为所述可疑事件数据时，则根据所述供应链事件验证数据对所述RFID标签区块数据进行供应链事件审核作业；确定所述供应链事件验证数据为所述非法事件数据时，则将所述RFID标签区块数据进行供应链警告作业；
其中所述对所述RFID标签数据进行存储数据选择处理，得到RFID待存储数据，包括：
S211、对所述RFID标签数据进行数据筛选，得到同批次RFID标签数据；
S212、对所述同批次RFID标签数据进行数据融合，得到RFID待存储数据；
其中对所述同批次RFID标签数据进行数据融合，得到RFID待存储数据包括以下步骤：
S201、利用预设的RFID数据类型读取需求识别模型对所述同批次RFID标签数据进行识别，得到所述同批次RFID标签数据中的RFID标签子数据对应的读取需求数据，其中所述读取需求数据包括高读取需求数据以及低读取需求数据；
S202、确定所述读取需求数据为所述高读取需求数据时，则对所述读取需求数据对应的RFID标签子数据进行二进制编码并通过预设的第一RFID存储标记数据进行存储标记，得到第一RFID待存储数据；
S203、确定所述读取需求数据为所述低读取需求数据时，则对所述读取需求数据对应的RFID标签子数据进行二进制压缩编码并通过预设的第二RFID存储标记数据进行存储标记，得到第二RFID待存储数据，其中所述预设的第一RFID存储标记数据为所述二进制编码对应的标识数据，所述预设的第二RFID存储标记数据为所述二进制压缩编码对应的标识数据，所述预设的第一RFID存储标记数据对应的访问难度数据小于所述预设的第二RFID存储标记数据对应的访问难度数据；
S204、对所述第一RFID待存储数据以及所述第二RFID待存储数据进行数据打包，得到RFID待存储数据；
其中所述预设的RFID数据类型读取需求识别模型的构建步骤包括以下步骤：
S2011、获取标准RFID标签数据，其中所述标准RFID标签数据包括标准RFID标签类型数据、标准读取需求数据、标准编码方式数据以及标准存储位置标记数据，所述RFID标签数据为从RFID标签中读取到的原始数据，所述标准RFID标签数据为预先获取的经过标准化处理用于模型训练用途的RFID标签数据；
S2012、对所述标准RFID标签数据进行数据类型特征提取、读取需求特征提取以及历史使用频次特征提取，分别得到数据类型特征数据、读取需求特征数据以及历史使用频次特征数据；
S2013、对所述数据类型特征数据、所述读取需求特征数据以及所述历史使用频次特征数据进行回归模型构建，得到RFID数据类型读取需求识别模型，其中所述回归模型构建为对所述数据类型特征数据以及所述历史使用频次特征数据进行回归计算并通过所述读取需求特征数据进行标签分配；
其中所述对所述RFID标签区块数据进行供应链事件验证，得到供应链事件验证数据，包括：
对所述RFID标签区块数据进行时间验证，得到时间验证数据，其中时间验证数据包括合法时间验证数据以及非法时间验证数据；
对所述RFID标签区块数据进行物体标识符验证，得到物体标识符验证数据，其中物体标识符验证数据包括合法物体标识符验证数据以及非法物体标识符验证数据；
对所述RFID标签区块数据进行事件类型验证，得到事件类型验证数据，其中所述事件类型验证数据包括合法事件类型验证数据以及非法事件类型验证数据；
对所述RFID标签区块数据进行地点验证，得到地点验证数据，其中所述地点验证数据包括合法地点验证数据以及非法地点验证数据；
确定所述物体标识符验证数据为所述合法物体标识符验证数据且所述事件类型验证数据为所述合法事件类型验证数据且所述地点验证数据为所述合法地点验证数据时，则生成包含可靠事件数据的供应链事件验证数据；
确定所述物体标识符验证数据为所述合法物体标识符验证数据且所述事件类型验证数据为所述非法事件类型验证数据且所述地点验证数据为所述合法地点验证数据时，则生成包含可疑事件数据的供应链事件验证数据；或者，
确定所述物体标识符验证数据为所述合法物体标识符验证数据且所述事件类型验证数据为所述合法事件类型验证数据且所述地点验证数据为所述非法地点验证数据时，则生成包含可疑事件数据的供应链事件验证数据；
确定所述物体标识符验证数据为所述非法物体标识符验证数据且所述事件类型验证数据为所述合法事件类型验证数据且所述地点验证数据为所述合法地点验证数据时，则生成包含非法事件数据的供应链事件验证数据；或者，
确定所述物体标识符验证数据为所述合法物体标识符验证数据且所述事件类型验证数据为所述非法事件类型验证数据且所述地点验证数据为所述非法地点验证数据时，则生成包含非法事件数据的供应链事件验证数据。
2.根据权利要求1所述的方法，其特征在于，所述通过RFID进行RFID标签数据采集，得到RFID标签数据，包括：
控制预设于终端设备的RFID读写器发射射频信号至附近的RFID标签，从而获取标识号码数据；
对所述标识号码数据进行数据读取，得到RFID标签数据，以发送至云端服务器。
3.根据权利要求2所述的方法，其特征在于，所述控制预设于终端设备的RFID读写器发射射频信号至附件的RFID标签，从而获取标识号码数据，包括：
控制预设于终端设备的第一预设位置的第一RFID读写器发射第一射频信号至附近的RFID标签，从而获取第一标识号码数据；
确定所述第一标识号码数据为标识号码非空值数据时，则将所述第一标识号码数据确定为标识号码数据；
确定所述第一标识号码数据为标识号码空值数据时，则控制预设于终端设备的第二预设位置的第二RFID读写器发射第二射频信号至附近的RFID标签，从而获取第二标识号码数据；
确定所述第二标识号码数据为标识号码空值数据时，则进行非法识别警告作业；
确定所述第二标识号码数据为标识号码非空值数据时，则将所述第二标识号码数据视为标识号码数据。
4.根据权利要求1所述的方法，其特征在于，所述对所述RFID标签区块数据进行地点验证，得到地点验证数据，包括：
对所述RFID标签区块数据中的位置数据以及预设的合法地点列表数据进行比对处理，得到第一地点验证数据，其中所述第一地点验证数据包括第一合法地点验证数据以及第一非法地点验证数据；
确定所述第一地点验证数据为所述第一非法地点验证数据时，则生成包含非法地点验证数据的地点验证数据；
确定所述第一地点验证数据为所述第一合法地点验证数据时，则获取运输始发地标签数据以及运输目的地标签数据，并对所述运输始发地标签数据以及所述运输目的地标签数据进行相对位置计算，得到第一运输相对位置数据；
对所述RFID标签区块数据中的位置数据以及所述运输目的地标签数据进行相对位置计算，得到第二运输相对位置数据；
获取所述RFID标签区块数据中的上一个位置数据，并对所述RFID标签区块数据中的位置数据以及所述RFID标签区块数据中的上一个位置数据进行相对位置计算，得到第三运输相对位置数据；
确定所述第二运输相对位置数据小于或等于所述第一运输相对位置数据且所述第二运输相对位置数据小于或等于所述第三运输相对位置数据时，则生成包含合法地点验证数据的地点验证数据；
确定所述第二运输相对位置数据小于或等于所述第一运输相对位置数据且所述第二运输相对位置数据大于所述第三运输相对位置数据时，则进行运输异常检测作业，以得到地点验证数据；
确定所述第二运输相对位置数据大于所述第一运输相对位置数据时，则生成包含非法地点验证数据的地点验证数据。
5.根据权利要求4所述的方法，其特征在于，所述进行运输异常检测作业，以得到地点验证数据，包括：
对所述第二运输相对位置数据以及所述第三运输相对位置数据进行相减计算，得到相对位置变化量数据；
确定所述相对位置变化量数据小于或等于预设的第一相对位置阈值数据时，则生成包含合法地点验证数据的地点验证数据；
确定所述相对位置变化量数据大于所述预设的第一相对位置阈值数据且所述相对位置变化量数据小于或等于预设的第二相对位置阈值数据时，对所述相对位置变化量数据进行时序相关性异常识别，得到地点验证数据，其中时序相关性异常识别为利用预设的相对位置时序变化异常识别模型对所述相对位置变化量数据进行识别处理，所述预设的相对位置时序变化异常识别模型通过对预设的标准相对位置变化量数据、预设的标准时序变化数据以及预设的标准位置变化标签数据进行机器学习算法或者统计规律进行构建，其中所述预设的第一相对位置阈值数据小于所述预设的第二相对位置阈值数据；
确定所述相对位置变化量数据大于所述预设的第二相对位置阈值数据时，则生成包含非法地点验证数据的地点验证数据。
6.一种基于RFID的数字化供应链数据管理系统，其特征在于，用于执行如权利要求1所述的基于RFID的数字化供应链数据管理方法，所述基于RFID的数字化供应链数据管理系统包括：
RFID标签数据采集模块，用于通过RFID进行RFID标签数据采集，得到RFID标签数据；
RFID标签区块生成模块，用于对所述RFID标签数据进行存储数据选择处理，得到RFID待存储数据；对所述RFID待存储数据进行数据编码，得到RFID待存储编码数据；对所述RFID待存储编码数据进行存储区块生成，得到RFID标签区块数据；
其中所述对所述RFID标签数据进行存储数据选择处理，得到RFID待存储数据，包括：
S211、对所述RFID标签数据进行数据筛选，得到同批次RFID标签数据；
S212、对所述同批次RFID标签数据进行数据融合，得到RFID待存储数据；
其中对所述同批次RFID标签数据进行数据融合，得到RFID待存储数据包括以下步骤：
S201、利用预设的RFID数据类型读取需求识别模型对所述同批次RFID标签数据进行识别，得到所述同批次RFID标签数据中的RFID标签子数据对应的读取需求数据，其中所述读取需求数据包括高读取需求数据以及低读取需求数据；
S202、确定所述读取需求数据为所述高读取需求数据时，则对所述读取需求数据对应的RFID标签子数据进行二进制编码并通过预设的第一RFID存储标记数据进行存储标记，得到第一RFID待存储数据；
S203、确定所述读取需求数据为所述低读取需求数据时，则对所述读取需求数据对应的RFID标签子数据进行二进制压缩编码并通过预设的第二RFID存储标记数据进行存储标记，得到第二RFID待存储数据，其中所述预设的第一RFID存储标记数据为所述二进制编码对应的标识数据，所述预设的第二RFID存储标记数据为所述二进制压缩编码对应的标识数据，所述预设的第一RFID存储标记数据对应的访问难度数据小于所述预设的第二RFID存储标记数据对应的访问难度数据；
S204、对所述第一RFID待存储数据以及所述第二RFID待存储数据进行数据打包，得到RFID待存储数据；
其中所述预设的RFID数据类型读取需求识别模型的构建步骤包括以下步骤：
S2011、获取标准RFID标签数据，其中所述标准RFID标签数据包括标准RFID标签类型数据、标准读取需求数据、标准编码方式数据以及标准存储位置标记数据，所述RFID标签数据为从RFID标签中读取到的原始数据，所述标准RFID标签数据为预先获取的经过标准化处理用于模型训练用途的RFID标签数据；
S2012、对所述标准RFID标签数据进行数据类型特征提取、读取需求特征提取以及历史使用频次特征提取，分别得到数据类型特征数据、读取需求特征数据以及历史使用频次特征数据；
S2013、对所述数据类型特征数据、所述读取需求特征数据以及所述历史使用频次特征数据进行回归模型构建，得到RFID数据类型读取需求识别模型，其中所述回归模型构建为对所述数据类型特征数据以及所述历史使用频次特征数据进行回归计算并通过所述读取需求特征数据进行标签分配；
供应链事件验证模块，用于对所述RFID标签区块数据进行供应链事件验证，得到供应链事件验证数据，其中所述供应链事件验证数据为可靠事件数据、可疑事件数据以及非法事件数据的其中一种；
供应链事件验证处理模块，用于确定所述供应链事件验证数据为所述可靠事件数据时，则将所述RFID标签区块数据加入至预设的供应链区块链；确定所述供应链事件验证数据为所述可疑事件数据时，则根据所述供应链事件验证数据对所述RFID标签区块数据进行供应链事件审核作业；确定所述供应链事件验证数据为所述非法事件数据时，则将所述RFID标签区块数据进行供应链警告作业；
其中所述对所述RFID标签区块数据进行供应链事件验证，得到供应链事件验证数据，包括：
对所述RFID标签区块数据进行时间验证，得到时间验证数据，其中时间验证数据包括合法时间验证数据以及非法时间验证数据；
对所述RFID标签区块数据进行物体标识符验证，得到物体标识符验证数据，其中物体标识符验证数据包括合法物体标识符验证数据以及非法物体标识符验证数据；
对所述RFID标签区块数据进行事件类型验证，得到事件类型验证数据，其中所述事件类型验证数据包括合法事件类型验证数据以及非法事件类型验证数据；
对所述RFID标签区块数据进行地点验证，得到地点验证数据，其中所述地点验证数据包括合法地点验证数据以及非法地点验证数据；
确定所述物体标识符验证数据为所述合法物体标识符验证数据且所述事件类型验证数据为所述合法事件类型验证数据且所述地点验证数据为所述合法地点验证数据时，则生成包含可靠事件数据的供应链事件验证数据；
确定所述物体标识符验证数据为所述合法物体标识符验证数据且所述事件类型验证数据为所述非法事件类型验证数据且所述地点验证数据为所述合法地点验证数据时，则生成包含可疑事件数据的供应链事件验证数据；或者，
确定所述物体标识符验证数据为所述合法物体标识符验证数据且所述事件类型验证数据为所述合法事件类型验证数据且所述地点验证数据为所述非法地点验证数据时，则生成包含可疑事件数据的供应链事件验证数据；
确定所述物体标识符验证数据为所述非法物体标识符验证数据且所述事件类型验证数据为所述合法事件类型验证数据且所述地点验证数据为所述合法地点验证数据时，则生成包含非法事件数据的供应链事件验证数据；或者，
确定所述物体标识符验证数据为所述合法物体标识符验证数据且所述事件类型验证数据为所述非法事件类型验证数据且所述地点验证数据为所述非法地点验证数据时，则生成包含非法事件数据的供应链事件验证数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410180334.5A CN117725954B (zh) | 2024-02-18 | 2024-02-18 | 一种基于rfid的数字化供应链数据管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410180334.5A CN117725954B (zh) | 2024-02-18 | 2024-02-18 | 一种基于rfid的数字化供应链数据管理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117725954A CN117725954A (zh) | 2024-03-19 |
| CN117725954B true CN117725954B (zh) | 2024-06-07 |
Family
ID=90203884
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410180334.5A Active CN117725954B (zh) | 2024-02-18 | 2024-02-18 | 一种基于rfid的数字化供应链数据管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117725954B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1728162A (zh) * | 2005-07-07 | 2006-02-01 | 复旦大学 | 一种基于射频识别技术的防伪验证方法及防伪系统 |
| CN107430755A (zh) * | 2014-12-05 | 2017-12-01 | 识库链公司 | 供应链中来源的加密验证 |
| CN108053001A (zh) * | 2017-12-14 | 2018-05-18 | 上海密尔克卫化工储存有限公司 | 电子仓单的信息安全认证方法和系统 |
| CN111988413A (zh) * | 2020-08-25 | 2020-11-24 | 烟台大学 | 一种基于区块链技术的海产品溯源管理系统及方法 |
| CN113902384A (zh) * | 2021-12-09 | 2022-01-07 | 广州优刻谷科技有限公司 | 一种基于rfid和智能合约的溯源方法及系统 |
| KR20220047132A (ko) * | 2020-10-08 | 2022-04-15 | 한국과학기술원 | 강인한 데이터 모델 및 검증 메커니즘을 갖춘 블록체인 플랫폼을 이용한 공급망의 신뢰 강화 방법 및 시스템 |
| CN117522263A (zh) * | 2023-11-09 | 2024-02-06 | 北京天易数聚科技有限公司 | 基于区块链技术的供应链物资专业仓控制方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100651744B1 (ko) * | 2005-11-10 | 2006-12-01 | 한국전자통신연구원 | 다중 무선주파수 식별자 단일화 장치 및 그 방법 |
| US7768404B2 (en) * | 2006-06-30 | 2010-08-03 | RFID Mexico, S.A. DE C.V. | System and method for optimizing resources in a supply chain using RFID and artificial intelligence |
| US20170032381A1 (en) * | 2015-07-28 | 2017-02-02 | Anand Vaidyanathan | System and method for detecting counterfeiting product using encryption and decryption methodologies |
| US10447480B2 (en) * | 2016-12-30 | 2019-10-15 | Guardtime Sa | Event verification receipt system and methods |
| IT202000000091A1 (it) * | 2020-01-07 | 2021-07-07 | Genuino Blockchain Tech S R L | Sistema e procedimento per la autenticazione e la certificazione di un articolo fisico, ed articolo fisico certificato corrispondente |
-
2024
- 2024-02-18 CN CN202410180334.5A patent/CN117725954B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1728162A (zh) * | 2005-07-07 | 2006-02-01 | 复旦大学 | 一种基于射频识别技术的防伪验证方法及防伪系统 |
| CN107430755A (zh) * | 2014-12-05 | 2017-12-01 | 识库链公司 | 供应链中来源的加密验证 |
| CN108053001A (zh) * | 2017-12-14 | 2018-05-18 | 上海密尔克卫化工储存有限公司 | 电子仓单的信息安全认证方法和系统 |
| CN111988413A (zh) * | 2020-08-25 | 2020-11-24 | 烟台大学 | 一种基于区块链技术的海产品溯源管理系统及方法 |
| KR20220047132A (ko) * | 2020-10-08 | 2022-04-15 | 한국과학기술원 | 강인한 데이터 모델 및 검증 메커니즘을 갖춘 블록체인 플랫폼을 이용한 공급망의 신뢰 강화 방법 및 시스템 |
| CN113902384A (zh) * | 2021-12-09 | 2022-01-07 | 广州优刻谷科技有限公司 | 一种基于rfid和智能合约的溯源方法及系统 |
| CN117522263A (zh) * | 2023-11-09 | 2024-02-06 | 北京天易数聚科技有限公司 | 基于区块链技术的供应链物资专业仓控制方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于容器标准化和区块链的智能物流集成技术研究;李慧;;长春工程学院学报(自然科学版);20191215(第04期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117725954A (zh) | 2024-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8077038B2 (en) | Systems and methods for RFID surveillance | |
| CN103530808B (zh) | 一种果品物流全程质量安全追溯系统 | |
| US20180107914A1 (en) | System for tracking inventory (used or new) using one or more of a multiplicity of identification methods optionally including but not limited to rfids and a database management system | |
| CN109978573B (zh) | 一种基于区块链的信息溯源系统 | |
| US10769399B2 (en) | Method for improper product barcode detection | |
| CN101685503B (zh) | 产品信息查询方法和产品信息查询系统 | |
| CN1950834A (zh) | 用于产品验证的方法和设备 | |
| CN113574843B (zh) | 用于异常监测的分布式日志 | |
| US9715670B2 (en) | Industrial identify encoding and decoding language | |
| CN117725954B (zh) | 一种基于rfid的数字化供应链数据管理方法及系统 | |
| CN111371581A (zh) | 物联网卡业务异常检测的方法、装置、设备和介质 | |
| Bose et al. | Facing the challenges of RFID data management | |
| Masciari | RFID data management for effective objects tracking | |
| CN111091015A (zh) | 基于物联网和大数据技术的智能仓储管理系统及方法 | |
| KR100859635B1 (ko) | 무선전파식별 기반의 자동화 게이트 인식시스템 및 방법 | |
| CN114664174B (zh) | 一种不可逆的电子铅封封签方法及终端 | |
| KR100705953B1 (ko) | Ｒｆｉｄ를 이용한 제품 위조 방지 방법 및 그 시스템 | |
| US20150073580A1 (en) | Method and system for dynamic and adaptive collection and use of data and metadata to improve efficiency and reduce leakage and theft | |
| Patil et al. | Probable causes of RFID tag read unreliability in supermarkets and proposed solutions | |
| EP1978475A1 (en) | A commodity logistics service system and a counterfeit-impeding method thereof | |
| Rosa et al. | An Industry 4.0 conceptual model proposal for cable harness testing equipment industry | |
| CN101354797A (zh) | 联合检测系统及联合检测方法 | |
| CN111932175B (zh) | 基于物联网的物流信息处理方法及装置 | |
| CN116563989A (zh) | 一种基于rfid采集及机器视觉结合的双校验控制方法及系统 | |
| CN117057372B (zh) | 一种基于射频识别技术的多目标识别方法 |
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 |