A Reliable Traceability Model for Grain and Oil Quality Safety Based on Blockchain and Industrial Internet
Notice bibliographique
Résumé
Gain and oil are important compounds in global food supplies, and ensuring the quality and safety of grains and oil is a critical issue in the food supply chain security. Data traceability is the key factor in quality and safety management. Currently, it is a big challenge to ensure the reliability of data and guarantee the efficient exchange of data in various highly heterogeneous systems. To address this challenge, we develop a reliable traceability model applied to the grain and oil industry. In this paper, we first analyze the characteristics of the whole chain traceability information flow, and then we propose the concept that the connector for blockchain and industrial internet is suitable for data traceability in the grain and oil industry. Based on this concept, a reliable traceability model of grain and oil quality and safety is constructed. Finally, a reliable traceability prototype system for wheat quality and safety was designed, and the system implementation of the model was validated. The overall advantage of the proposed model is that the traceability information is safe and credible, the interaction is concise and efficient, and the security and full-process traceability of cross-chain information interaction are guaranteed. This paper fills the gap in the application of research chain network in the field of grain and oil traceability. Reference to this model can also be used to implement and adjust the traceability system, which is adaptable to stakeholders in the grain and oil industry. The model and techniques in this paper not only demonstrate value in real-world applications but also inspire further research in the field.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».