RFID以其扫描快、体积小、形式多、穿透力强及安全性好等特点被广泛运用于物流供应链系统、生产制造行业、交通运输管理等。带有RFID标签的物品在移动过程中会产生大量的RFID路径数据,如何从中提取有用的信息和知识,已经成为目前研究的重点。本文详细的介绍了RFID技术及其原理,并且结合RFID农产品追溯系统,分析了RFID路径数据特点,设计并且实现RFID技术在农产品追溯系统各个环节中的应用。由于射频识别技术容易受到外界环境的影响,导致RFID阅读器的准确率较低,造成了数据的不确定性,需要在数据存储之前对RFID数据进行预处理。针对自适应滑动窗口清洗算法SMURF(Statistical sMoothing for Unreliable RFid data),本文提出基于动态标签的RFID不确定性数据清洗算法DSMURF(Dynamic tags-based SMURF),通过构建真实的实验平台来分析阅读器准确率与标签距离、天线角度、标签速度之间的关系。自适应滑动窗口算法SMURF对于动态标签窗口设置过大,导致读取值与实际值之间存在较大误差。DSMURF算法通过设定标签的速度、阅读器的时隙、阅读器的阅读范围来构建滑动窗口的大小。此外,SMURF算法没有对冗余数据进行处理,本文提出了RFID数据冗余清洗框架,有效地降低了数据的冗余量,并通过实验平台和仿真数据集验证DSMURF算法的性能。本文提出基于在线微聚类和离线宏聚类的RFID数据流聚类算法RCluStream。路径对象的相似性度量是聚类分析的基础,首先提出RFID路径数据相似性定义。RFID路径数据具有流的特征,在聚类过程中,簇会因为数据的流入而不断地发生变化。在线微聚类设立簇的聚类特征,当簇发生改变时,记录簇的聚类特征；同时,离线宏聚类可以根据用户输入的时间参数,通过返回簇的聚类特征,获得这段时间簇的变化情况,从而有利于决策和分析。最后,开发了RFID农产品追溯系统和信息处理系统,将路径数据可视化,直观地表现路径数据的分布和挖掘结果,实验表明RCluStream算法的有效性。