农超对接中物联网技术配送生鲜果蔬的应用研究∗

濮永仙

（德宏师范高等专科学校计算机科学系德宏678400）

农超对接中物联网技术配送生鲜果蔬的应用研究∗

濮永仙

（德宏师范高等专科学校计算机科学系德宏678400）

针对农超对接模式中生鲜果蔬的小生产、大流通，致使产品质量追溯困难、运输损耗大、成本降低困难等问题，提出了基于物联网的生鲜果蔬配送方案。通过利用GPS、RFID、GIS、GPRS、传感器、数据库等技术，构建了物流配送监控服务系统，以实现果蔬产品从生产，收购加工到配送环节，产品质量追溯，结合遗传算法实现配送路线的智能规划，配送车辆的实时跟踪监控及全程可视化管理，异常报警。这样，实现了产品质量溯源，缓解了货物损耗，最大限度保持产品的新鲜度、安全性，满足了供应链上各主体利益，推动了生鲜农产品在农超对接中的发展。

农超对接；物联网；配送；新鲜果蔬；追溯体系

Class NumberTN929

1 引言

生鲜果蔬产品对比其他产品，具有购买频率高、消费量大、易腐烂、流转过程损耗大等特点。果蔬产品的生产者多数是分布在农村的散户，数量众多，城市是重点消费市场，这就使种植和销售之间存在着小生产、大流通的问题。农超对接是一种农产品的生产者与终端零售市场跳过多个环节进行直接合作的供应链形式，是解决小生产与大市场矛盾的有效途径之一。通过农户与超市直接对接，市场需要什么，农户就生产什么，可避免生产的盲目性，减少产品供应环节，减少销售成本，满足供应链上各主体的利益。虽然农超对接有许多优势，但也存在无法回避的问题。1）产品种植分散，来源分散，一旦有问题产品进入市场，将无法追溯是哪个环节出问题；2）超市距种植地较远，目前对生鲜农产品的物流管理主要是依靠人为监控，信息共享失真，无法实现需求引导生产，生鲜农产品物流过程损耗大。据统计数据显示，每年在运输过程中腐烂变质的蔬菜、水果等易损坏食品的总价值达1000亿元以上，损失率高达25%～30%，而发达国家果蔬的损失率一般控制在5%左右。农超对接模式下，生鲜果蔬产品的配送问题，己成为目前我国最迫切需要解决的问题之一。国务院关于加大统筹城乡发展力度的若干意见中指出：要全面推进农超对接及农产品冷链物流，减少流通环节，降低流通成本。近年来，很多学者致力于农产品供应链的物流研究［1～5］。这些研究从不同角度，采用不同技术推进了物流业的发展，如齐林研究了物联网的三个核心技术，即数据自动采集、高速传输及应用的智能化，并构建基于物联网技术的可追溯系统数据采集与建模方法。孟安就我国肉产品供应链中出现的问题，提出了利用物联网技术构建肉类追溯系统的构想。本文提出将物联网技术用于农超对接模式下生鲜果蔬的配送方案。

本文提出将物联网技术用于农超对接模式下生鲜果蔬的配送方案。物联网是用射频识别（RFID）、红外感应、GPS、无线通讯等技术，按照一定协议把不同的设备与互联网连接，实现物与物、人与物之间的信息交换，以实现对物体智能化的识别、定位、跟踪、监控、管理的一种网络［6～7］。本文通过应用RFID技术、传感器、视频监控、GPS、GIS、数据库等技术集成应用，构建了物流配送监控系统，实现果蔬产品从生产、收购加工到配送各环节的信息溯源，结合遗传算法实现配送路线智能规划，对配送车辆进行实时监控，全程可视化，保证产品准时、无损到达，以最大幅度缓解产品在物流中的损失。这将促进农超对接的发展，尤其是生鲜农产品，保持其新鲜、安全，避免物流库存成本不断增加及缺货损失加剧现象发生。

2 材料与方法

2.1 配送对象与设备

农超对接模式下，针对新鲜水果、蔬菜这类产品特性，其关键环节是基本质量控制、收购标准、配送管理等方面。应用物联网技术配送生鲜果蔬，应包含产品标识、数据库和信息传递三个基本要素。本研究的配送对象是生鲜的蔬菜和水果，系统使用者分为合作社、农户、配送中心、超市、加盟的果蔬种植户及消费者几类。环境需求：智能车载终端、移动通讯设备、GPS、GPRS、RFID，GIS、局域网、In⁃ternet、数据库等技术。

2.2 农超对接模式下基于物联网的生鲜果蔬物流配送

根据农超对接理念，借助超市优势，本文重构了面向超市的专门从事生鲜果蔬收购加工与配送为中心的供应链，“农户——生鲜果蔬收购加工配送中心——超市——消费者”，其中，配送中心是整个供应链的中心枢纽。逻辑结构如图1所示。

图1面向超市的生鲜果蔬加工配送供应流程

将物联网技术用于农超对接中，设计构建基于物联网的配送监控平台，实现单品可溯源，配送路线智能规划，配送车辆的实时监控、全程可视化、异常报警，以实现产品从种植、收购加工及配送环节的跟踪与监控。逻辑结构图如图2所示。工作原理：1）信息采集，包括种植、收购加工的基本信息，以及配送过程中GPS、RFID、各传感器的、监控摄像头拍摄的画面等信息；2）信息传输，将采集的各种信息，通过3G、GPRS、Internet上传至配送中心服务器中，完成相关分析处理；3）监控处理：（1）根据GPS采集车辆途中的经纬度、速度及方向信息，用GIS功能在电子地图上显示，若与预设的不一致，通过3G向管理员及驾驶员发出异常报警信息；（2）RFID定时采集物品的基本信息［8］，如物品编码、数量、价格、目的地等信息，与RFID的初始信息对比，若不一致，则发出报警信息；（3）根据传感器釆集到的温湿度、压力等信息，计算是否在适宜值范围内，否则发出预警信息，并通知运输人员采取相应措施，实现对环境精准调控，以满足产品对保鲜保质的需求。

图2果蔬物流配送预警软件架构

2.2.1 产品追踪溯源

1）编码选择

RFID标签能够存储可供识别的信息，主要由一块晶片和天线组成，可用不同材质将外部封装成各种造型，以适用各种场合，本方案中RFID标签制作成可粘贴形式，如图3所示。针对生鲜果蔬的产品特征，必须在种植环节、收购标准、运输管理等进行质量控制。可在种植时为每个地块进行编号，利用EPC编码规则生成编码，并分配一个RFID标签，将作物的基本状态、农事操作与无线传感器收集的信息录入其中。在收购环节，收购人员扫描产品对应的射频卡，读取其中信息，并将收购信息写入其中。在以后各环节可利用RFID读写器对射频卡的信息进行对应更新，最后将EPC编码转换成对应的追溯码。基于RFID果蔬产品EPC编码流程，如图4所示。

图3RFID标签

图4基于RFID的果蔬产品EPC编码逻辑图

（1）EPC编码

EPC系统是由国际物品编码协会提出的最新编码规则，是实现物联网的核必基础，以RFID标签作为载体，随着实物在现实社会中流通，通过网络进行电子数据交换。它与EAN/UCC编码体系相兼容，具有容量大、安全性好、可扩展性强等特点［8］。EPC编码能够提供实体信息的唯一标识，由标头、厂商识别代码、对象分类代码和序列号等数据字段组成的256位、96位或者64位数字，因容量大，可为物理世界中的每一个对象分配一个唯一的标识符。EPC结构有EPC-64、EPC-96及EPC-256三种，如表1所示。本文使用EPC-96结构，其序列号可把35位独特的标识号提供给每种产品对象，与管理者及产品代码相结合，用RFID标签，可将所有货物使用EPC-96编码来进行唯一标识。

（2）果蔬溯源EPC编码设计

编码设计是否合理是溯源系统能否高效运行的关键因素之一。果蔬产品从种植户手中到超市，中间经过收购、加工、物流等环节。本文依据《EPC电子产品编码》、《农产品追溯编码导则》等相关规定，结合果蔬特性，采用EPC-96编码及RFID标签识别。本文将种植阶段的编码叫种植编码，收购和检验合格后的编码称为收购编码，运输环节产生的信息存储编码称为物流码，仓储环节的编码称为位置码。这四种编码段和起来称之为溯源码［9］（种植编码段+收购编码段+物流编码段+位置编码段），总长96位，各段位长分配分别为26、38、20及13位。

表1 EPC结构

2）种植标识编码

用RFID技术对种植地块标识，记录其种植信息。利用EPC编码信息规范中的GID-96编码格式26位十进制标识，具体编码结构见图5。种植编码=产地编码（7位）+管理者编码（3位）+种植项目代码（6位）+生产批号（10位）。产地编码由7位组成，前4位为基地编号，后3位为该基地不同地块编号。批号用10位表示，前6位标识种植日期，后4位标识顺序号。其中，年编码范围为00～99，月范围为01～12，日范围为01～31。

图5果蔬种植标识编码结构

3）收购加工标识码

收购加工环节是物流配送的起点，负责制作要发送的果蔬产品的电子标签、电子封条和配送车辆电子标签，并将相关电子信息传入到管理中心。收购果蔬产品时可能会存在两种情况：一是签约农户采用标准化种植的产品，此类产品具有标准的种植信息，在采购时只需审核录入即可；另一类是分散种植的非标准化产品，这类产品的种植信息可能不完整，需对产品进行检测，合格后建立交易号，并记录收购时间、地点、交易人、经手人等信息。果蔬产品在收购加工阶段的溯源标签在包装前预先打印好，方便操作员快速包装，并记录加工时间、经手人、加工工序、农药残留检验等关键信息，写到RFID标签中。收购编码采用GTIN-14结构，结合应用标识符（AI）对果蔬编码，采用GS1-128条码标准打印，将其张贴到包装上的固定位置，具体格式见图6。该编码通过产地编码或交易号与种植编码标识间建立关联，在标签上能查到准确的种植信息。其中，加工批号（AOT）由加工日期（如170123）与两位流水号组成，规定同一地块、同一类产品、同一采收日期为同一批次。

图6果蔬收购标识编码结构

4）物流标识编码

该阶段需将运输编号与产品批次号相关联，并对产品的生产者、参与者进行记录。利用GPS自动记录运输车辆的出发地和目的地，并最大限度保障农产品运输环节的安全性。在运输途中，需配备环境信息采集设备，对果蔬在运输环境中的信息（如温湿度、CO2浓度等）进行实时感知，并通过GPRS上传至数据库中，以备溯源。

物流编码利用SSCC-18编码标识，并用GS1-128条码标准打印。SSCC-18编码结构由18位十进制编码组成，具体编码格式见图7。其中，N1是扩展位，第8位至第17位为系列号，由生产商根据当天的流水号分配唯一编码，校验码由系统据规则自动生成。

图7果蔬物流标识编码结构

5）位置编码

仓储编码标识反映的是产品仓储的位置，其信息来源是仓储操作。编码采用GIN-13编码，仓储编码由厂商识别码和位置识别码组成，具体见图8。

图8果蔬仓储标识编码结构

2.2.2 基于物联网的配送路线智能规划

实际配送中，产品种类及订单需求具有多样性与复杂性，必须根据客户的订单信息、货主需求、运输资源，合理选择配送路线，配送产品合理配载，在客户要求的时间内将产品送达，并使配送成本最低。其中，物流配送路线选择对于配送成本、效率有重要的影响，也是物流配送中心重视和关注的问题——车辆路径问题（Vehicle Routing Problem，VRP）。VRP问题是指在客户位置已知，受到诸如车辆载重、交货时间窗等条件约束下，确定车辆数量［10］、配送路径，以此确定车辆行程的最短时间或最低成本［11］。VRP问题在不同情形下有不同的形式，有VRPTW、DVRP、CVRP等［12］。求解VRP问题的算法很多，有遗传算法、拉格朗日法、模拟退火算法、粒子群算法等［13］。常见的VRP算法中，GA遗传算法具有鲁棒性强、寻优速度快，可并行化的特点被广泛应用。本文用VRPTW模型（带时间窗的VRP问题），结合遗传算法（GA）求解，建立基于物联网的生鲜果蔬物流配送的智能路线选择。

1）基于VRPTW的物流果蔬产品配送模型

（1）问题描述

本文VRPTW模型建立在如下假设之上：

①只有一个配送中心，运输车辆从配送中心出发，完成后，再回到配送中心。

②配送中心所有货物可混装，可一辆车为多个客户配送。

③配送客户的货物需求量、配送地点、时间窗、服务时间范围，以及配送客户之间的距离己知。

④不考虑交通流量、车辆事故等特殊情况对配送服务的影响。

（2）参数变量。参考文献［10］，对模型的参数和变量进行描述如下。

I={i|i=0，1，2，…}，n表示配送中心与所有客户的集合，i=0配送中心。

V={v|v=0，1，2，…}，m表示车辆集合；

tij表示配送车辆在客户i和j（包括配送中心）的运行时间；

Di表示配送客户i的需求量；

P表示车辆的最大载重；

Dr表示客户i和j（包括配送中心）的距离；

xijv表示配送车辆v是否从点i到点j进行配送，当配送车辆从点i到点j进行配送时取1，否则取0；

yyi表示配送车辆y是否为客户i提供配送，当提供时为1；否则取0。

2）模型建立

车辆数、车辆总运行时间、车辆运行距离最小为目标函数；

式（1）表示需求的车辆数量。

式（2）表示车辆总的行驶时间。

式（3）表示车辆总的行驶距离。约束条件：

式（4）～式（6）保证车辆从配送中心出发回到配送中心。

式（7）表示每个客户点只能被一辆车访问而且只能访问一次。

式

（8）车辆到达客户需求点的时间约束。

式（9）为服务时间窗约束。

式（10）为车辆载重量约束。

3）基于GA的生鲜果蔬物流配送VRPTW模型求解与分析

遗传算法核心算子是交叉算子、选择算子及变异算子。参考Solomon的VRPTW模型库［15］设计算例。以笔者实际调研的云南德宏某配送中心为例，该配送中心地理位置优越，交通便利，基础设施较为完善。笔者实际调研的某天统计为例，该配送中心对10个客户需求进行配送，需对其配送客户合理安排运输车辆和运输路线，使配送成本最低。将客户服务实际分为两种情况，一种是物联网技术未用的服务时间，另一种是应用物联网技术后可能需要的服务时间。利用Matlab设计开发程序，最大进化迭代数设置为500，种群规模设置为100，最大交叉概率为化0.7，变异概率为化0.01。分别在有无物联网技术应用条件下求解，结果见表2。

从表2可见，在算例中，无论是车辆的数量，还是车辆的行驶距离和总运行时间，应用物联网技术可减少车辆的行驶距离、运行时间，从而能有效降低物流配送成本，提高物流园区经营管理效益。

表2 配送中心VRPTW模型求解结果

2.2.3 实时跟踪监控

实时跟踪监控是利用GPS、RFID、GIS和无线传感技术相结合的IT技术，获取配送车辆所经过的空间、地理位置等信息，将信息上传至监控中心、处理，对整个配送过程进行监控，并及时解决发现问题的过程。工作原理：首先，将贴有RFID电子标签的果蔬产品周转箱，装载在按一定密度摆放微型温湿度及压力传感器的物流车内，实时收集车内状态信息，将其通过GPRS无线通信传至监控中心，方便管理人员对车内环境进行监控，这些信息可存储在RFID标签中，若出现异常，便采取相关措施，以避免不必要的损失；其次，在物流车上安装GPS系统，通过GPS提供车辆经纬度、方向、速度、路况等信息上传至监控中心，借助GIS系统，展现车辆运行轨迹画面，以实现车辆定位、跟踪，以实时监控车辆及货物到达超市门店的整个配送状况。

2.2.4 全程可视化

基于物联网的果蔬产品物流监控平台提供物流全程可视化功能，其中的服务内容就是可在GIS地图上看到车辆实时位置、配载状况、货物流向等信息，还可查阅车辆历史的运行轨迹，这些功能是由GPS技术、GPRS技术、GIS技术共同组合完成。

本文利用谷歌建立的地图数据Maps Data，采用Google Maps API提供的功能，将需要地图展现的功能通过脚本程序，按照相关规范进行交互，实现配送车辆定位识别、轨迹回放等功能。调用Google Maps API的逻辑结构如图9所示。

车载GPS设备在设定的时间间隔获取车辆地理信息，该信息被包装为socket请求方式，通过集成在车载设备中的GPRS模块，上传至监控中心。监控中心收到GPRS客户端模块发来的信号，对其进行转换，并提供给平台GIS信息采集模块。GIS采集模块不断接收着车载设备发送来的地理点位信息，连同时间一起保存在平台数据库中，形成一条含有经纬度及时间的数据记录。

1）当平台提供定位服务时，将平台数据库保存的空间点位和时间信息调取出来，在电子地图上的相应坐标位置上显示出来。车辆定位信息在后台用saveVehcileLocation方法保存车辆信息，然后用Google Maps API实现在地图上展示和操作。

2）当平台提供轨迹回放服务时，平台从数据库中提取出一个时间段内的信息点，按照时间顺序依次在GIS地图上，形成一条动态、连续的轨迹，以直观重现车辆运行的历史轨迹。轨迹回放由后台Java代码和前台JavaScript代码共同实现，后台核心代码为trackHistoryServ对象的getCmlsHisLoca⁃tionList方法。使用者可通过车牌号、时间段进行筛选回放，回放过程可随时加速、减速和停止播放，轨迹信息还可导出车本地文件以备用。回放时可随时放大缩小地图，可掌握诸如车辆是否在指定路线上行驶，是否在指定地点休息等。

3 结果与分析

农超对接模式下，基于物联网的生鲜果蔬配送，利用EPC编码、RFID、GPS、GIS、数据库等技术，构建物流监控中心服务平台，实现产品信息采集、追溯、监控等，解决了农超对接中，小生产、大流通的问题。从根本上解决了物流和信息流脱节的问题，减少产品货损及变质问题，满足了各主体利益，实现了以下功能。

1）产品溯源。以EPC为基础的RFID标签通过微型芯片对信息存储，并采取特殊方法包装，可记录产品从种植、采购加工至配送各环节的信息，确保信息安全可靠，并保证每一箱产品的代码具有唯一性，方便消费者溯源产品质量信息。

2）路线智能规划。利用基于物联网及GA的生鲜果蔬物流配送VRPTW模型规划配送路线，当遇到不可抗拒的原因时，如天气或车辆故障导致运输出现问题时，可根据实际情况在原先设定路线基础上，按照一定要求和规定，自动选择最佳的路线。

3）车辆追踪与控制。根据货单与车辆的车牌号可锁定车辆在途信息，实时监控车辆的地理位置、运行轨迹、速度、油耗，以及车内温湿度传感器等信息，监控人员可随时通过控制中心向司机发送信息，司机也可通过紧急按钮直接向监控中心发送报警信息；

4）轨迹回放。监控中心信息平台可存储货运的所有信息，利用描线方法可记录车辆运输的历史轨迹，借助轨迹点对车辆行驶过程重放。

4 结语

将物联网技术用于农超对接模式下生鲜果蔬的物流配送，利用GPS、RFID、GIS和无线传感技术相结合的IT技术，构建生鲜果蔬配送管理平台，实现果蔬产品从加工配送中心到各超市、消费者手中的全程跟踪、监管。这样降低了运作成本，产品可追溯性较强，在配送中实现配送路线的智能规划、实时监控及全程可视化，使产品安全得到最大限度的保障。对于农户，该模式降低了产品销售市场给农户带来的难以预测种植风险，一定程度上可保障农户的种植收益；对于超市，能够对产品的质量进行更高程度的控制，并节约了流通成本；对于消费者而语言，当超市降低产品价格，消费者可低价购买到高品质的产品。因此，农超对接模式下基于物联网的生鲜农产品配送方案，是一个农户、超市、消费者三赢的模式。

［1］齐林.面向可追溯的物験网数据采集与建模方法研巧［D］.北京：中国农业大学博士学位论文，2014：12. QI Lin.The research for the traceability of the Internet of data acquisition and modeling method［D］.Beijing：China agricultural university，Ph.D.Thesis，2014：12.

［2］温琳.煤炭智能物流园区平台运营模式研究［D］.北京：中国地质大学博士学位论文，2013：12. WEN Ling.The research of Coal intelligence platform of logistics park operation pattern［D］.Beijing：China univer⁃sity of geosciences Ph.D.Thesis，2013：12.

［3］Wei Liu，Zhijun Gao.Study on IOT based Architecture of Logistics Supply Chain［J］.International Journal of Grid and Distributed Computing，2014，7（1）：169-178.

［4］Xiang T.R.Kong，Ji Fang，Hao Luo，et，al.Cloud-enabled real-time platform for adaptive planning and control in auction logistics center［J］.Computers&Industrial Engi⁃neering，in PRESS，2014.

［5］Z.X.Guo，E.W.T.Ngai，Can Yang et.al.An RFID-based in⁃telligent decision support system architecture for produc⁃tion monitoring and scheduling in a distributed manufac⁃turing environment［J］.Int.J.Production Economics，2015，159（10）：16-28.

［6］International Telecommunication Union.ITU Internet Re⁃ports 2005：The Internet of Things［R］.Geneva：ITU，2005.

［7］宁焕生.RFID重大工程与国家物联网［M］.北京：机械人民出版社，2010：48-52. NI Huansheng.RFID major projects and national Internet of things［M］.Beijing：Mechanical press，2010：48-52.

［8］Guido L.Geerts Daniel E.Oleary A supply chain of thing：The EAGLET ontology for highly visible supply chains［J］.Decision Support Systems，2014，63：3-22.

［9］刘成生.基于EPC标准的农产品溯源平台设计与实现［D］.北京：中国科学院大学，2014. LIU Chensheng.Design and implementation based on EPC standards of agricultural products traceability plat⁃form［D］.Beijing：University of Chinese academy of sci⁃ences，2014.

［10］刘欣萌，何世伟.带时间窗VRP问题的多智能体进化算法［J］.交通运输工程学报，2014，22（6）：92-97．LIU Xinmeng，HE Shiwei.VRP with time Windows of multi-agent evolutionary algorithm［J］.Journal of trans⁃portation engineering，2014，22（6）：92-97.

［11］公双雷.物联网环境下集装箱堆场管理系统探讨［J］.综合运输，2013，7（7）：115-119. GONG Shuanglei.Under the environment of Internet of container yard management system study［J］.Integrated transport，2013，7（7）：115-119.

［12］于滨，斬鹏欢，杨忠振.两阶段启发式算法求解带时间窗的多中必车辆路径问题［J］.系统工程理论与实践，2012，32（8）：1799-1800. YUBin，ZHANPenghuan，YANGZhongzheng. Two-phase heuristic algorithm for solving more with time window will vehicle routing problem in［J］.Journal of systems engineering theory and practice，2012，32（8）：1799-1800.

［13］陈建军.蚁群算法在物流配送路径优化中的研究［J］计算机仿真，2011，28（2）：268-271. CHEN Jianjun.The research of ant colony algorithm in the logistics distribution path optimization［J］.The com⁃puter simulation，2011，28（2）：268-271.

［14］李松，刘兴，李瑞彩.基于混合禁忌搜索算法的物流配送路径优化问题研巧［J］.铁道运输与经济，2007，6（3）：66-69. LI Song，LIU Xing，LI Ruicai.Logistics distribution based on mixed tabu search algorithm path optimization research practice［J］.Journal of railway transportation and economy，2007，6（3）：66-69.

［15］职治亚.基于改进遗传算法的物流配送路径优化［J］.系统工程，2012，30（8）：118-122. ZHI Zhiya.Logistics distributionroute optimization based on improved genetic algorithm［J］.Journal of sys⁃tems engineering，2012，30（8）：118-122．

Application Research in Farmers and the IOT Technology on Distribution of Fresh Fruits and Vegetables

PU Yongxian
（Computer Science Department，Dehong Teachers'College，Dehong678400）

In view of the farmers and mode of small-scale production of fresh fruits and vegetables，big circulation，the prod⁃uct quality tracking，large transport loss，cost，reduce difficulties and other issues，the fresh fruits and vegetables distribution scheme is put forward based on Internet of things.In order to realize the fruit and vegetable products from the production，acquisi⁃tion processing to the distribution link，the product quality tracking，genetic algorithm is combined to realize the distribution route of intelligent planning，distribution of the vehicle real-time tracking and monitoring the whole visual management，abnormal alarm. So，the product quality is implemented，the loss of the goods is eased，the product freshness，safety are maintained to maximum，the interests of the subject of the supply chain on each are satisfied，and the development of fresh agricultural products in farmers is promoted.

link between farmers and supermarkets，the internet of things，distribution，fresh fruits and vegetables，tracing system

TN929

10.3969/j.issn.1672-9722.2017.07.042

2017年1月8日，

2017年2月26日

国家自然科学基金子课题项目（编号：31260240）资助。

濮永仙，女，硕士，副教授，研究方向：物联网精准农业系统，农产品溯源，物联网应用技术等。