Research on Grain Food Blockchain Traceability Information Management Model Based on Master-Slave Multichain
Notice bibliographique
Résumé
Aiming at the problems such as slow traceability efficiency, poor sharing, and the difficulty of matching the throughput of a blockchain single chain structure due to the complexity of the grain food supply chain links, the large number of participants, and the large amount of data information, this paper proposes a grain food blockchain traceability information management model based on the master-slave multichain structure by analyzing the processes and data characteristics of each link in the grain food supply chain; on this basis, the PLEW consensus algorithm based on Raft + improved PoW algorithm is designed for the master chain, and the CI-PBFT consensus algorithm based on trusted information degree is designed for the slave chain. The master chain and slave chain are anchored to each other through hash locking, and the data is uploaded and queried through smart contracts. In order to verify the effectiveness of the model, the blockchain traceability system is designed and implemented based on Hyperledger Fabric2.2. At the same time, it is compared with the transaction throughput and traceability efficiency of the blockchain single chain structure. Through the safety analysis of the data information of a company in Hubei, the results show that the grain traceability system designed and implemented in this study has certain advantages over the blockchain single chain structure in all aspects. It can also solve the grain food security problems that consumers worry about, and provide reference for the research of grain blockchain traceability information management.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».