基于区块链技术的产品追溯方法及系统技术方案

本发明专利技术涉及用于产品数据质量监督的数据分析技术领域，具体涉及基于区块链技术的产品追溯方法及系统，包括：采集区块链中每个批次产品的人为因素序列

【技术实现步骤摘要】
基于区块链技术的产品追溯方法及系统


[0001]本专利技术涉及产品数据质量监督的数据分析
，具体涉及基于区块链技术的产品追溯方法及系统
。

技术介绍

[0002]区块链的本质是分布式数据库，具有分散化
、
防篡改
、
可追溯性的特性
。
因而区块链技术可以确保了产品数据的透明性
。
有助于防止假冒伪劣产品的出现，提高产品质量，促进食品安全和溯源
。
因而传统的产品追溯系统以区块链技术作为基础，透明化的展示产品的上下游数据；但是产品追溯系统无法保障区块链中展示产品数据的真伪情况
。

技术实现思路

[0003]本专利技术提供基于区块链技术的产品追溯方法及系统，以解决现有的问题：如何辩证区块链中产品数据的真伪
。
[0004]本专利技术的基于区块链技术的产品追溯方法及系统采用如下技术方案：本专利技术一个实施例提供了基于区块链技术的产品追溯方法，该方法包括以下步骤：采集区块链中每个批次产品的人为因素序列
、
自然因素序列
、
加工工艺序列以及质检因子；根据每个批次产品的人为因素序列与自然因素序列的匹配情况得到每个批次产品的最佳极值点对集合，根据每个批次产品的最佳极值点对集合中极值点对中两极值点的关联性得到每个批次产品的加工补偿系数；根据每个批次产品的加工补偿系数与每个批次产品的加工工艺序列的相关关系得到产品的预测权重，根据每个批次产品的加工工艺序列与质检因子的关联规律以及产品的预测权重得到每个批次产品的预测质量数据，根据每个批次产品的预测质量数据与质检因子的差异性得到每个批次产品的真实性指标；根据每个批次产品的真实性指标对每个批产品的质检因子进行真伪性判定
。
[0005]优选的，所述根据每个批次产品的人为因素序列与自然因素序列的匹配情况得到每个批次产品的最佳极值点对集合，包括的具体方法为：将每个批次产品的人为因素序列拟合曲线，记为每个批次产品的人为因素曲线，将每个批次产品的自然因素序列拟合曲线，记为每个批次产品的自然因素曲线，获取人为因素曲线中的极值点和自然因素曲线的极值点，将每个批次产品的两曲线中极值点少的曲线称为基准曲线，将极值点多的曲线称为分析曲线，获取基准曲线的极值点数量
R
，以任意一种选取方式在分析曲线中选取
R
个极值点构成极值点集合，若干选取方式得到若干极值点集合；根据每个批次产品的分析曲线的任意一种选取方式下的极值点集合以及基准曲线的所有极值点得到一种选取方式下的待选极值点对集合；
在所有选取方式中获取每个批次产品的待选极值点对集合的综合匹配值最小值对应的选取方式，记为最佳选取方式，将最佳选取方式对应的待选极值点对集合称为每个批次产品的最佳极值点对集合
。
[0006]优选的，所述根据每个批次产品的分析曲线的任意一种选取方式下的极值点集合以及基准曲线的所有极值点得到一种选取方式下的待选极值点对集合，包括的具体方法为：对于每个批次产品的分析曲线的任意一种选取方式下的极值点集合，以任意一种组合方式将集合中每个极值点与基准曲线的每个极值点组合得到若干极值点对，将一种组合方式下的若干极值点对构成极值点对集合，若干组合方式得到若干极值点对集合，获取极值点对中两极值点的欧氏距离，记为极值点对的匹配值，获取一种组合方式下极值点对集合中所有极值点的匹配值的均值，记为一种组合方式下的综合匹配值，在所有组合方式下的极值点对集合中获取综合匹配值的最小值对应的极值点对集合，记为一种选取方式下的待选极值点对集合
。
[0007]优选的，所述根据每个批次产品的最佳极值点对集合中极值点对中两极值点的关联性得到每个批次产品的加工补偿系数，包括的具体方法为：获取每个批次产品的最佳极值点对集合的每个极值点对中两极值点的欧氏距离，记为每个批次产品的最佳极值点对集合的每个极值点对的欧氏距离，将每个批次产品的最佳极值点对集合的极值点对中的极值点称为匹配极值点，将每个批次产品的人为因素曲线和自然因素曲线中不是匹配极值点的极值点称为每个批次产品的未匹配极值点；每个批次产品的加工补偿系数的计算方法为：；其中，表示第
j
个批次产品的最佳极值点对集合的第
i
个极值点对的欧氏距离，表示第
j
个批次产品的最佳极值点对集合的所有极值点对的欧氏距离的均值，表示第
j
个批次产品的最佳极值点对集合中极值点对的数量，表示第
j
个批次产品的未匹配极值点的数量，
exp()
表示以自然常数为底的指数函数，表示反比例正切函数，表示第
j
个批次产品的加工补偿系数
。
[0008]优选的，所述根据每个批次产品的加工补偿系数与每个批次产品的加工工艺序列的相关关系得到产品的预测权重，包括的具体方法为：获取每个批次产品的加工工艺序列的二次波动程度和加工补偿系数的二次波动程度；产品的预测权重的计算方法为：；其中，表示第
k
个批次产品的加工工艺序列的二次波动程度，表示所有批次
产品的加工工艺序列的二次波动程度的均值，表示第
k
个批次产品的加工补偿系数的二次波动程度，表示所有批次产品的加工补偿系数的二次波动程度的均值，表示产品的总的批次数量，表示产品的预测权重
。
[0009]优选的，所述获取每个批次产品的加工工艺序列的二次波动程度和加工补偿系数的二次波动程度，包括的具体方法为：计算每个批次产品的加工工艺序列与下一批次产品的加工工艺序列的欧氏距离，记为每个批次产品的加工工艺序列的一次波动程度，将每个批次产品的加工工艺序列的一次波动程度与下一批次产品的加工工艺序列的一次波动程度的差值绝对值，记为每个批次产品的加工工艺序列的二次波动程度；计算每个批次产品的加工补偿系数与下一批次产品的加工补偿系数的差值绝对值，记为每个批次产品的加工补偿系数的一次波动程度，将每个批次产品的加工补偿系数的一次波动程度与下一批次产品的加工补偿系数的波动程度的差值绝对值，记为每个批次产品的加工补偿系数的二次波动程度
。
[0010]优选的，所述根据每个批次产品的加工工艺序列与质检因子的关联规律以及产品的预测权重得到每个批次产品的预测质量数据，包括的具体方法为：获取每个批次产品的加工工艺序列中所有加工工艺数据的极差值，所述极差值是指最大值与最小值的差值，将每个批次产品的加工工艺序列中的极差值作为横坐标，将每个批次的质检因子作为纵坐标，构建坐标系，在坐标系中获取每个批次产品的坐标点，利用所有批次产品的坐标点拟合曲线，记为产品质量曲线，根据产品质量曲线获取每个批次产品的斜率；每个批次产品的预测质量数据的计算方法为：；其中，表示第
k
个批次产品的斜率，表示产品的总的批次数量，表示第
v
个批次产品的加工工艺序列的极差值，表示产品的预测权重，表示第
v
个批次产品的预本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于区块链技术的产品追溯方法，其特征在于，该方法包括以下步骤：采集区块链中每个批次产品的人为因素序列
、
自然因素序列
、
加工工艺序列以及质检因子；根据每个批次产品的人为因素序列与自然因素序列的匹配情况得到每个批次产品的最佳极值点对集合，根据每个批次产品的最佳极值点对集合中极值点对中两极值点的关联性得到每个批次产品的加工补偿系数；根据每个批次产品的加工补偿系数与每个批次产品的加工工艺序列的相关关系得到产品的预测权重，根据每个批次产品的加工工艺序列与质检因子的关联规律以及产品的预测权重得到每个批次产品的预测质量数据，根据每个批次产品的预测质量数据与质检因子的差异性得到每个批次产品的真实性指标；根据每个批次产品的真实性指标对每个批产品的质检因子进行真伪性判定
。2.
根据权利要求1所述基于区块链技术的产品追溯方法，其特征在于，所述根据每个批次产品的人为因素序列与自然因素序列的匹配情况得到每个批次产品的最佳极值点对集合，包括的具体方法为：将每个批次产品的人为因素序列拟合曲线，记为每个批次产品的人为因素曲线，将每个批次产品的自然因素序列拟合曲线，记为每个批次产品的自然因素曲线，获取人为因素曲线中的极值点和自然因素曲线的极值点，将每个批次产品的两曲线中极值点少的曲线称为基准曲线，将极值点多的曲线称为分析曲线，获取基准曲线的极值点数量
R
，以任意一种选取方式在分析曲线中选取
R
个极值点构成极值点集合，若干选取方式得到若干极值点集合；根据每个批次产品的分析曲线的任意一种选取方式下的极值点集合以及基准曲线的所有极值点得到一种选取方式下的待选极值点对集合；在所有选取方式中获取每个批次产品的待选极值点对集合的综合匹配值最小值对应的选取方式，记为最佳选取方式，将最佳选取方式对应的待选极值点对集合称为每个批次产品的最佳极值点对集合
。3.
根据权利要求2所述基于区块链技术的产品追溯方法，其特征在于，所述根据每个批次产品的分析曲线的任意一种选取方式下的极值点集合以及基准曲线的所有极值点得到一种选取方式下的待选极值点对集合，包括的具体方法为：对于每个批次产品的分析曲线的任意一种选取方式下的极值点集合，以任意一种组合方式将极值点集合中每个极值点与基准曲线的每个极值点组合得到若干极值点对，将一种组合方式下的若干极值点对构成极值点对集合，若干组合方式得到若干极值点对集合，获取极值点对中两极值点的欧氏距离，记为极值点对的匹配值，获取一种组合方式下极值点对集合中所有极值点的匹配值的均值，记为一种组合方式下的综合匹配值，在所有组合方式下的极值点对集合中获取综合匹配值的最小值对应的极值点对集合，记为一种选取方式下的待选极值点对集合
。4.
根据权利要求2所述基于区块链技术的产品追溯方法，其特征在于，所述根据每个批次产品的最佳极值点对集合中极值点对中两极值点的关联性得到每个批次产品的加工补偿系数，包括的具体方法为：获取每个批次产品的最佳极值点对集合的每个极值点对中两极值点的欧氏距离，记为
每个批次产品的最佳极值点对集合的每个极值点对的欧氏距离，将每个批次产品的最佳极值点对集合的极值点对中的极值点称为匹配极值点，将每个批次产品的人为因素曲线和自然因素曲线中不是匹配极值点的极值点称为每个批次产品的未匹配极值点；每个批次产品的加工补偿系数的计算方法为：；其中，表示第
j
个批次产品的最佳极值点对集合的第
i
个极值点对的欧氏距离，表示第
j
个批次产品的最佳极值点对集合的所有极值点对的欧氏距离的均值，表示第
j
个批次产品的最佳极值点对集合中极值点对的数量，表示第
j
个批次产品的未匹配极值点的数量，
exp()
表示以自然常数为底的指数函数，表示反比例正切函数，表示第
j
个批次产品的加工补偿系数
。5.
根据权利要求1所述基于区块链技术的产品追溯方法，其特征在于，所述根据每个批次产品的加工补偿系数与每个批次产品的加工工艺序列的相关关系得到产...

【专利技术属性】
技术研发人员：陈辉，杨忠祥，范高策，
申请(专利权)人：山东五棵松电气科技有限公司，
类型：发明
国别省市：