农产品流通溯源方法及系统与流程

本发明涉及农产品流通管理与溯源，尤其涉及农产品流通溯源方法及系统。

背景技术：

1、农产品溯源在现代农业中具有重要意义，能够为消费者提供产品来源、生产条件和运输环境的透明化信息，增强消费者信心，同时为监管机构提供精准的质量监控工具。然而，由于农产品在流通过程中的环境复杂性（如温湿度、光照等条件变化）和运输环节的动态性，实现实时监控和异常检测面临技术挑战。高效的溯源系统要求不仅能记录历史信息，还能预测未来环境状态，以实现智能化决策支持。

2、现有技术采用（中国发明专利，公开号：cn118152633a，名称：用于农业信息数字化管理平台的数据校验管理系统及方法）数据采集、校验和分类管理的方式，通过卫星遥感技术、物联传感设备和高分辨率监测设备收集农业信息，并对数据进行校验和分类。然而，这些技术存在以下不足：

3、现有方案主要针对静态数据的采集和处理，缺乏对流通过程中动态环境状态的实时监控能力；现有方案依赖于预定义的校验规则进行异常数据识别，未能根据实际数据的动态变化自适应调整，导致在复杂场景下检测精度下降；现有方案未能基于流通数据进行状态预测，难以为潜在风险提供提前预警和优化建议；现有方案在数据管理中仅进行静态分类，而未对农产品状态与环境信息进行关联分析，限制了数据的应用深度。

技术实现思路

1、针对上述现有技术存在的诸多问题，本发明提供农产品流通溯源方法及系统，本发明基于数字孪生体构建、动态监控与状态预测，通过智能材料标签记录环境数据，将实时状态动态绑定至数字孪生体，并结合改进型孤立森林算法和递归神经网络模型进行异常检测与趋势预测。同时，通过构建知识图谱关联历史、当前及未来状态，生成包含环境变化与潜在风险提示的溯源路径，提升了农产品流通管理的透明性与智能化水平。

2、一种农产品流通溯源方法，包括以下步骤：

3、获取农产品的rgb图像数据、环境数据和地理位置信息，将所有数据整合后生成数字孪生体，所述数字孪生体包括农产品的唯一标识符、记录的环境状态以及地理位置；

4、在农产品流通环节中，利用智能材料标签实时记录温湿度、光照和其他环境状态的变化，将标签记录的状态数据动态绑定至数字孪生体；对动态绑定的数据进行异常检测，结合改进型孤立森林算法识别环境状态中的异常点，生成异常检测结果；

5、基于数字孪生体和异常检测结果，进行数据关联分析，通过优化数字孪生体的结构生成重构后的数字孪生体；使用递归神经网络模型结合多变量插值算法对异常点进行补全和未来状态预测，生成预测状态数据；

6、提取重构后的数字孪生体数据和预测状态数据，构建包含农产品状态、流通路径及未来预测状态的知识图谱；基于知识图谱生成包括历史状态、当前状态及未来风险提示的溯源路径。

7、优选的，所述生成数字孪生体的步骤包括：

8、通过rgb成像设备获取农产品的rgb图像数据，利用形态学梯度增强算法对rgb图像数据中的边缘特征进行处理，以突出叶片脉络或果实表面的纹理特征；结合深度对比学习模型对处理后的纹理特征数据进行特征嵌入，生成每个农产品的生物纹理标识数据，并将生物纹理标识数据与环境数据和地理位置信息整合生成数字孪生体。

9、优选的，所述环境数据包括温湿度数据和气体浓度数据，温湿度数据通过温湿度传感器采集，气体浓度数据通过检测乙烯气体的浓度水平获取；所述地理位置信息通过高精度gnss设备获取，并基于动态地理标记算法对弱信号区域的数据进行校正。

10、优选的，所述智能材料标签包括热变色微粒膜和光谱响应涂层，其中热变色微粒膜根据环境温度的变化在特定阈值范围内改变颜色，光谱响应涂层在不同光照条件下反射特定波长的光信号；所述标签的颜色变化和光谱反射特性通过高分辨率影像采集设备记录，并生成实时标签状态数据。

11、优选的，所述对动态绑定的数据进行异常检测的步骤包括：

12、结合改进型孤立森林算法，通过构建多维数据的随机分区树，对标签状态数据中记录的温湿度值、纹理特征值及时间序列进行逐层分割；对每一分割区域的分布密度和数据点离群程度进行分析，识别异常点并生成异常检测结果，所述异常检测结果包括异常点的发生时间、影响范围和离群评分。

13、优选的，所述改进型孤立森林算法对标签状态数据的随机分区采用动态调整策略，根据数据分布的非均匀性设置分区深度和分区树数量，并通过计算离群点的累积分布概率确定异常点的可信度。

14、优选的，所述重构数字孪生体的步骤包括：

15、通过对数字孪生体的结构新增关联维度，包括环境状态的光谱变化特性和温湿度变化趋势；结合多变量插值算法对异常点附近的数据进行补全，采用拉格朗日插值法对连续时间序列的数值进行平滑处理，生成补全后的时间序列数据，并基于此重构数字孪生体。

16、优选的，所述未来状态预测的步骤包括：

17、利用递归神经网络模型对补全后的时间序列数据进行学习，构建预测模型；通过输入连续的环境状态时间序列，生成未来时间段的预测状态数据，所述预测状态数据包括未来环境的温湿度趋势、光谱特征变化及潜在异常点的位置和影响范围。

18、优选的，所述知识图谱的构建包括：

19、从重构后的数字孪生体数据中提取包含农产品状态信息的节点和关联路径，将节点定义为状态类型或位置信息，将路径定义为数据之间的关联关系；结合预测状态数据将未来状态映射为知识图谱中的虚拟节点，生成包含历史状态、当前状态及未来状态关联路径的知识图谱，并将其转化为基于资源描述框架的结构化数据用于存储和查询。

20、一种农产品流通溯源系统，用于实施所述的农产品流通溯源方法，该系统包括：

21、数据采集模块，用于获取农产品的rgb图像数据、环境数据和地理位置信息，所述数据采集模块包括rgb成像设备、温湿度传感器、气体传感器和高精度地理定位设备，以采集农产品的纹理特征数据、温湿度数据、气体浓度数据以及地理标记数据；

22、数字孪生体生成模块，用于整合数据采集模块获取的rgb图像数据、环境数据和地理标记数据，生成包含唯一标识符、环境状态和地理位置的数字孪生体；

23、状态记录模块，包括智能材料标签和状态采集设备，所述智能材料标签用于实时记录温湿度、光照变化和其他环境状态，状态采集设备用于从智能材料标签中提取状态数据，并动态绑定至数字孪生体；

24、异常检测模块，用于基于状态记录模块生成的动态绑定数据，结合改进型孤立森林算法检测环境状态中的异常点，并生成异常检测结果，所述异常检测结果包括异常点的发生时间、维度及离群评分；

25、孪生体重构与预测模块，用于根据异常检测结果优化数字孪生体的结构生成重构后的数字孪生体，并结合多变量插值算法对异常点附近的数据进行补全，通过递归神经网络模型对时间序列数据进行分析，生成预测状态数据；

26、知识图谱构建模块，用于从重构后的数字孪生体数据和预测状态数据中提取关键节点和关联路径，构建包含历史状态、当前状态及未来预测状态的知识图谱，并生成溯源路径数据；

27、反馈生成模块，用于基于知识图谱生成针对消费者、生产者和监管机构的定制化反馈报告，所述反馈报告包括农产品的溯源路径、状态历史记录和未来风险提示。

28、相比于现有技术，本发明的优点及有益效果在于：

29、本发明通过智能材料标签与数字孪生体动态绑定技术，实现了流通过程中温湿度、光照等环境状态的实时监控；

30、本发明通过改进型孤立森林算法，结合动态分区策略和累积分布概率计算，提高了异常检测的精度和鲁棒性；

31、本发明通过递归神经网络模型和多变量插值算法，实现了流通过程中未来环境状态的精准预测，为风险预警和优化决策提供了可靠依据；

32、本发明通过构建包含历史、当前和未来状态的知识图谱，生成溯源路径和风险提示，提供了农产品全生命周期的可视化信息展示和智能化查询支持；

33、本发明通过新增关联维度和动态优化孪生体结构，实现了数据的高效整合与动态更新，为异常分析与溯源提供了全面支持。