【摘 要】
：
近年来,农产品安全问题日益严峻,传统的农产品追溯体系面临公信力缺失、监管困境和扩展性问题,农产品质量安全追溯迫在眉睫.随着区块链技术不断发展,其具有的分布式、去中心化、不可篡改、可追溯等特性在改善农产品溯源系统数据安全性、透明性等方面发挥着重要作用,并受到了各个行业的广泛关注.在简述可追溯性和追溯系统概念的基础上,介绍物联网和区块链技术,并探讨了当前国内外学者将区块链和物联网框架融合应用到农产品溯源中的一些相关研究,同时阐述了溯源系统在物联网与区块链结合下带来的安全、可靠、透明等好处及面临可扩展性、效率问
【机 构】
：
浙江万里学院,浙江 宁波 315100
论文部分内容阅读
近年来,农产品安全问题日益严峻,传统的农产品追溯体系面临公信力缺失、监管困境和扩展性问题,农产品质量安全追溯迫在眉睫.随着区块链技术不断发展,其具有的分布式、去中心化、不可篡改、可追溯等特性在改善农产品溯源系统数据安全性、透明性等方面发挥着重要作用,并受到了各个行业的广泛关注.在简述可追溯性和追溯系统概念的基础上,介绍物联网和区块链技术,并探讨了当前国内外学者将区块链和物联网框架融合应用到农产品溯源中的一些相关研究,同时阐述了溯源系统在物联网与区块链结合下带来的安全、可靠、透明等好处及面临可扩展性、效率问题、资源浪费等挑战,最后对当前农产品溯源体系建设提出建议以及未来的研究方向.
其他文献
针对传统医学图像检索存储体量大、检索效率低等问题,提出一种基于加权深度特征的医学图像并行检索方法.利用基于部分语义加权的卷积神经网络进行图像深度特征提取,筛选深层网络中对图像信息有效表达的特征;建立图像分布式乘积量化哈希编码模型,实现对高维特征的分布式编码压缩;最后,结合Spark并行模型对查询的医学图像执行分布式并行检索.在医学图像数据集上的实验证明,所提出的方法与传统方法相比具有更好的检索精度和检索效率表现.
针对一些电量预测模型缺乏对季节、节假日等特殊时间节点处理的过程,以及单一Prophet模型在节假日等特殊时间点易陷入过拟合,导致预测置信值偏差较大的问题,提出了一种改进Prophet预测方法.方法 在原有Prophet模型的基础上,增加了一个预测值优化模块,通过模块融合Prophet模型和XGBoost模型,利用XGBoost模型正则化项可有效防止过拟合的特点,对不同子模型的预测结果进行加权求和,减小预测误差.实验结果表明,与原始Prophet预测模型相比,改进后的预测模型X-Prophet有效减小了预测
针对自然语言处理情感分析领域中情感分类的问题,提出了一种基于多特征LSTM-Self-Attention的文本情感分类方法.方法 以词向量和词性向量为输入,利用LSTM网络模型提取文本的序列特征,并通过在模型中引入自注意力机制(self-attention),从序列特征中提取出句子的语法和语义特征,减少了任务的复杂度.上述方法避免了传统循环神经网络存在的梯度消失和梯度爆炸的问题,极大缩短单词长距离依赖特征之间的距离,提高了分类效果.最后使用中文电影评论数据集进行实验验证,结果表明该方法特征提取能力更强,使
数据采集时产生的数据缺失对多目标规划结果有着直接影响,将其作为考量因素,构建一种基于协变量缺失的集值映射多目标规划模型.根据下层决策者的反应,完成上层决策者的最优决策制定,采用目标函数值集代替最优反应集,架构集值映射多目标规划问题的数学模型及对应约束条件,从模型参数与非参数两个角度,实现协变量缺失下的经验似然推断.依据不同缺失概率的经验似然检验效果、各层函数不同等级的函数评估次数以及由目标函数取得的相关指标数据等各研究成果可知,所建模型具有一定的有效性与显著的性能优越性,大幅缩减了函数评估次数,对决策变量
由于三维虚拟人物动作高精度图像在预处理时存在噪声,降低了图像对比程度,导致图像重构效果较差,重构时间较长,由此提出基于视觉重要性的三维虚拟人物动作高精度图像重构方法.利用中值滤波器去除三维虚拟人物动作高精度图像噪声,引入直方图均衡化法,消除图像亮度差异,提高图像对比程度,采用拉普拉斯算法对图像进行锐化,使动画虚拟人物动作图像重构时细节与边缘更加显著;在图像预处理的基础上,对三维虚拟人物图像中对象视觉重要程度进行计算,根据计算结果,引入细节层次选择法LOD生成可视化效果最优图像,实现三维虚拟人物动作高精度重
现有的数据库丢失数据恢复重构方法大部分直接应用于随机丢失模式下,导致数据恢复重建准确度较差,提出基于遗传优化的数据库丢失数据恢复重构方法.综合考虑数据库内丢失数据与时间、空间之间的相关性,将丢失数据及其前一时刻的数据所在矩阵的行和列作为输入,以数据库丢失数据判断值为输出,构建支持向量机多输入单输出判断模型.在优化过程中,将Nelder-Mead的初始值设定为遗传算法进化值某代的最优参数,将该参数代入模型内,完成数据库丢失数据恢复重构.仿真结果显示所提方法能有效提升对丢失数据恢复重构的准确性.
为快速准确地检测出混凝土桥梁上的裂缝,提出一种基于改进卷积神经网络的混凝土桥梁裂缝图像识别方法.为提高图像质量,先采用熵阈值法处理图像,后从3个方面对传统的卷积神经网络进行改进:设计双通道结构的卷积神经网络,充分提取图像特征;改进的传统的Relu激活函数,避免模型欠拟合;使用支持向量机(SVM)替代Softmax分类器,提高计算效率.桥梁裂缝图像识别实验表明,改进后的卷积神经网络对桥梁裂缝识别率显著提高,平均识别率高达96.26％,训练时间632s,可运用于实际桥梁修复检测中.
针对超采样图像缩放至较小程度分辨率降低,导致原始图片场景中的细节信息丢失等问题,提出了基于异构融合网络的超采样图像细节增强方法.在异构融合网络中,通过双三次插值法采集训练样本,建立一个奇异值算法模型稀疏表示超采样图像;通过差值算法得获取图像初始超分辨率,利用块匹配搜索匹配像素对应点,根据奇异值阈值算法找出匹配最佳的图像,对此做加窗处理后增强超采样图像细节.仿真结果表明,峰值信噪比较高,且结构相似度值接近于1,对图像有很好的细节增强效果.
通过对安全相关控制系统进行SIL等级计算可以很好的量化控制系统的安全性.针对传统分析方法建模时拓展性差、表达能力差的问题,提出基于随机Petri网和蒙特卡洛模拟(SPN-M C)的SIL等级验证方法.首先建立了可拓展多种状态的“MooN”系统petri网模型;然后在不同参数条件下利用蒙特卡洛模拟计算出系统的PFH,求得安全相关控制系统的SIL等级.通过与传统的可靠性框图建模法所得结果进行对比分析,证明了SPN-MC法在SIL等级验证领域的可行性和准确性.
随着组学新测序技术的不断涌现和推广,产生了大量的组学数据,这些数据对人们深入研究和揭示生命奥秘有着极重要的意义.利用多组学数据整合技术分析生命科学问题可获得更丰富更全面的生命系统相关信息,已成为研究者探索生命机制的新方向.介绍了多组学数据整合分析的研究背景和研究意义,综述了近年来多组学数据整合分析的方法和相关领域的应用研究,探讨了多组学数据整合分析方法当前所存在的问题以及未来展望.