A Reliable Traceability Model for Grain and Oil Quality Safety Based on Blockchain and Industrial Internet
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle