定性分析与在线识别相结合的农产品溯源方法

2020-12-07王宏伟王华乔志伟

现代农业科技 2020年19期

王宏伟　王华　乔志伟

摘要针对现有的农产品产地溯源实验室定性分析、溯源系统中地域数据特征不明显、数据易被替代从而引起公信力不足的问题，本文突出采集数据的地理特性及产品品质的区域特性，提出一种采用定性分析与在线识别相结合的农产品溯源方法及体系，实现区块链技术与农产品产地、品质溯源的内在契合。通过赋予每个农产品唯一的带有国密算法的RFID标签并结合手机专用的电商App，可以获取农产品的生产、加工、品质检测、仓储、运输、销售等全流程数据，为消费者提供高效、真实、可信的农产品产地追溯平台，有助提升农产品品质的公信力。

关键词农产品;地理定性分析;品质分析;区块链;RFID;产地溯源

中图分类号 TS207.7 文献标识码 A

文章编号 1007-5739（2020）19-0223-05

来自瑞士联邦公共卫生组织的评估表明，食物产地是决定消费者购买食品的主要因素的比例占到82%，而其中71%的消费者选购畜肉产品的标准即是产品来源[1]。由于我国农产品市场准入制度和溯源体系的不完善，导致原产地保护产品和名优农产品以假乱真、以次充好现象严重[2]。农产品产地溯源技术是建立于农产品生产、加工、贮运、销售和消费过程的信息记录和信息追溯体系，即从“农田到餐桌”的过程跟踪或从“餐桌到农田”的源头追溯技术[3]，有利于保护农产品产地，保护地方特色产品，打击假冒产品，确保公平竞争，提高生产者积极性，保护消费者合法权益，并在农产品安全出现问题时能有效召回产品，防止食源性病原菌的扩散[4]。应用物联网、云计算技术加快建设追溯体系，实现产品来源可查、去向可追、责任可究，初步建成全国上下一体、物联网运作的重要产品追溯管理体制以及统一协调的追溯标准体系和追溯信息服务体系，部门、地区和行业企业追溯信息初步实现互通共享和通查通识，是国家对产品溯源的技术目标[5]。

目前，基于互联网、大数据模式下的常规防伪溯源方式，包括：通过识别产品盒上的二维码或者条形码[6]，消费者在购买之前可以进行一些基础认证，或产品包装上的二维码表面加涂层，刮开之后才能扫碼识别;稳定性同位素分析、矿物元素含量分析以及化学成分分析法[7]被认为是进行食品产地溯源的有效技术手段，具有很好的发展前景;目前区块链被业内认为是最适合溯源的技术之一，因为区块链的分布式记账、密码学以及智能合约这些技术具有去中心化、公开透明、不可篡改及可追溯等特点，恰恰契合了传统商品溯源防伪的需求[8]。

然而，传统防伪技术其实就是如何把二维码更好地“藏起来”，这类防伪技术都无法从根本上解决通过复制和转移防伪标识进行造假的问题[9];稳定性同位素分析、矿物元素含量分析以及化学成分分析法，只能以实验室离线分析并出具报告的形式存在[10];基于区块链技术的防伪溯源同样有个疑点，即链上某个厂商（节点）故意输入错误数据，用假货替换正版商品，从而导致溯源效果失效[11];另外，通过二维码扫描只能得到产品的通用属性，例如名称、价格、重量以及产品的产地、生产、流通等环节上的信息，但是对于扫描二维码得到的这些信息是否真实却存在公信力缺失的问题[12]。

目前还缺乏一种可在线、无损、准确度高的产地溯源检测技术。如何将区块链技术和产品溯源系统有机结合，有待于进一步改进和发展。本文从消费者角度出发，针对农产品流通环节提出一种全程在线识别的产地溯源方法，有机结合产地溯源与区块链溯源技术优势，引入无损、在线佐证产地溯源方法，补充区块空间地理信息，强化溯源接口的防伪性能，弥补目前技术的不足之处，做到溯源数据的真实可信，降低农产品信任成本。

1 农产品产地溯源方法及系统架构

一般而言，农产品主要从4个方面辨识产地：外形特点、产地地理特点、口感及营养特点。对于消费者而言，除了通过外形特点上“第一眼”识别市场上的商品外，产地地理特点、口感及营养特点较难第一时间获取[13]。

以五常大米为例，真正的五常大米种植环境主要有以下特点[14]：种植于黑龙江省南部，气温属于大陆气候，平均年降水量608 mm，年日照2 629 h，充沛的日照，天然河水灌溉。这样得天独厚的环境造就了五常大米异于别的大米：在没有碾米前一侧的稻壳有微小的裂缝，长粒米，颜色清白，胚芽会有一点白点，呈半透明状居多;煮熟后，香味清淡，口感略甜，饭粒表面油光艳丽，微软筋道;营养丰富，含有多种有益人体健康的矿物质、微量元素和维生素，并且支链淀粉含量高。

消费者可以通过外包装及包装内可视的大米外形，判断是否符合五常大米的外形特点，然而获取其他特性则需要通过技术手段先验获取。

1.1 产地地理特性定性分析

农产品生长的地理特性，可以通过前端部署有地理信息的传感器自动获取。如图1所示，光照度传感单元、水质传感单元、雨量传感单元、温湿度传感单元、GNSS分别实时感知农作物生长环境的光照度、浇灌用水水质（pH值、TOC、SiO2、总磷、总氮、重金属等）、降雨量、生长环境温湿度、地理位置坐标等信息，控制单元获取各传感单元数据后经处理后，可无线传输给后端平台。后端平台统计地理相关数据（譬如地理位置坐标、年日照量、年均温、降水量等），与当地地理信息（气象、测绘公共数据）对照，并通过后端平台展示给消费者，从而可确定农产品产地的地理特性。农产品的产地地理特性判定流程如图2所示。

1.2 产地品质特性定性分析

某特定的农产品由于产地不同，生长地域的经度、纬度、海拔和降雨等因素，引起同类农产品的稳定性同位素、矿物元素、有机成分等具有独特的地域特性。然而，稳定同位素组成分析的仪器设备昂贵，分析成本较高[15];矿物元素指纹分析在食品产地溯源方面的应用日益增大，但试验过程仍然需要粉碎样品，且由于元素间的相互关联，需要同时检测多种元素[16];红外光谱检测方式对样品无损，主要反映的是食品中有机成分的组成、含量、结构和功能团等特征，食品在贮藏、加工过程中由于有机成分的组成、含量等变化而使红外光谱特征发生变化，致使与食品产地溯源的光谱指纹特征不稳定[17]。目前急需一种无损、可以快速判定农产品产地品质特性的技术手段。

基于雷達的农产品定性分析是指利用电磁波在一定频段（例如X波段）对一定厚度的农产品以一定的强度进行“照射”，不同产地农产品所含有机物质的不同，而造成电磁波的透射损耗与相移量的变化较大，因而可确定未知样品的归属[18]。

以五常大米为例，经研究发现其支链淀粉含量要高于普通产地大米，而支链淀粉含几千个葡萄糖单元，显著影响农产品的介电参数。对于该类农产品，可以采用基于雷达的定性分析方式。

其主要的分析过程如图3所示，一是采集已知样品的电磁波透射及相位变化图谱;二是处理采集到的已知样品的电磁图谱，生成定性判据;三是用该定性判据判断未知样品同已知样品同属地的概率;四是若概率大于既定值1（如70%），则可判断该未知样品与已知样品来源地一致;若小于既定值2（如30%），则判断该未知样品与已知样品不是一个来源地;若介于两者之间（如>30%，但<70%），则无法判断。

针对“电磁图谱”的获取和分析，通过训练集建立数学模型，用经过训练的数学模型来识别未知样本，具体分析可参考神经网络方法[19]。

1.3 全程数据在线获取

农产品可追溯体系要求在农产品生产、运输以及销售的每个环节都要做到准确记录，任何环节的错误都将导致整体可追溯性的失败。基于区块链的农产品产地溯源系统，主要包括终端数据采集单元、监控单元、事件生成单元、云端管控平台等几部分组成。

终端数据采集单元涉及图1所示的农产品产地地理特性获取终端、产品包装过程单品识别终端、产品加工过程单品识别终端、运输过程车载识别终端及最终成品识别终端。终端数据采集单元均需包括GNSS定位模块、无线传输模块，其中GNSS定位模块实时或定时对目标的位置进行采集，并通过无线传输模块将定位数据发送到云端管控平台，如图4所示。以苹果为例，苹果生产过程中涉及的终端数据采集单元包括：苹果基地田间地头所安装的产地地理特性获取终端（如小型气象站）、用筐/篓等容器所装苹果所产地块标识的单品识别终端（如识别各地块送往加工车间的筐/篓的扫描设备）、加工完成苹果装箱并以箱为单元的单品识别终端、与成箱苹果关联的运输/仓储装置识别终端（如运输车辆车载设备终端）及最终成品待售的可面向消费群体的识别终端。

监控单元涉及农产品生产、加工、运输、仓储及销售环节的视频采集终端，该视频采集终端均需包括GNSS定位模块、无线传输模块，其中GNSS定位模块实时或定时对目标位置进行监控，并通过无线传输模块将定位数据发送到云端管控平台，如图5所示。以苹果为例，苹果生产过程中涉及的监控单元包括：苹果基地田间地头所安装的生长环境视频采集终端（监控农事行为，包括施肥、施药、除草、套袋、采收等）、苹果加工车间视频采集终端、苹果仓储环境视频采集终端、苹果运输环境视频采集终端等。

事件生成单元涉及农产品产地品质特性定性分析及样品检验过程，可包含品质特性分析过程视频采集终端（包含但不限于上述基于雷达的农产品定性分析方式）及样品检验结果公示数据（检验报告、证书或相关研究成果），该过程需要有资质的机构提供，譬如有影响力的研究机构、检验机构，以提高公信力度，具体如图6所示。以苹果为例，事件生成单元涉及采样过程视频采集终端（证实采样样品确为所需检测地块所出）、品质特性定性分析过程（例如苹果产地矿物元素含量分析以及与之匹配的土壤矿物元素分布特征等）、SGS等机构所提供的农药残留检测报告等。其中采样过程视频采集终端及品质特性定性分析过程包括GNSS定位模块、无线传输模块，其中GNSS定位模块实时或定时对目标位置进行监控，并通过无线传输模块将定位数据发送到云端管控平台。

以上所述各单元组成的农产品产地溯源系统，生成数据及视频（图片）等数据存储到云端管控平台，并得到与数据采集时间相对应的数据链接，如表1所示。

生成时间、生成地点、数据链接分别对应相应环节产生的数据对应的产生时间、地理信息及生成的图片/视频等数据。如表1所示，此表按照时间序列，可生成（n+w+m+p+r+t）个区块。每个区块的结构如图7所示，区块头至少包含当前区块的哈希值、父哈希值及时间戳;区块主体包括各对应环节的具体名称、时间段、地点、数据链接等加密数据。

1.4 基于区块链的产地溯源

通过前端带有地理标识的传感设备累积获取农产品生长的地理特性，并采用基于雷达等技术在线获取农产品品质特性，关联生产、加工、检测、仓储、运输、销售等数据，利用区块链技术的可追溯性、不可篡改、去中心化、智能合约等特点解决农产品产地溯源无法回避的信任问题。如图8所示，通过将定性分析与在线识别相结合，运用区块链、物联网技术，构建新型农产品产地溯源体系，做到溯源数据的真实可信，降低农产品信任成本。

2 消费端验证过程

本文所述防伪溯源系统按照统一的编码机制，为每件农产品的最小包装赋予唯一的身份标识，实现消费者线上验真伪。

系统采用高频安全电子标签芯片，每颗芯片拥有唯一的UID，具有较好的射频性能和兼容性，保证了更远的操作距离和更可靠的读写功能;存储器划分为64个Block，总容量达2 Kbits;内置国家商用密码算法SM7的单向认证和双向认证功能，支持基于流加密方式的安全通信;具有物理不可克隆功能（PUF），并与SM7算法相结合，升级算法的安全性。图9为某农产品所选用RFID标签Inlay及标签成品样例。图10和图11分别为防伪标签加密、发行流程及与京东App端的交互流程，从而保证标签的防伪能力，提升通信过程的安全性。

采用的双向验证芯片具备如下优势：读写器端，采用哈希算法，确保数据完整、不可篡改;签名算法，确保某一授权读写器对芯片进行了操作，避免冒充、篡改和否认读写情况;签名数据包括时间戳及当前读写器的ID信息，保证每一芯片的独立操作具有唯一性;兼容通讯协议ISO/IEC15693，利用手持NFC模块可远距离（5～10 cm）读取。

不同于常见的NFC读取应用，仅支持专属App（譬如京东主站App端）“NFC扫”功能，方可获取农产品防伪溯源信息。图12为通过专属App获取的完整追溯信息，而图13则为其他App读取到的内容。

显然，此种实现方式凸显了防伪溯源系统的防伪性能，即难以复制性。

3 后续研究方向

如图14所示，为了实现标签的防转移性，可采取把标签嵌入到包装袋的方式：将上述RFID标签Inlay经包装生产工艺调整后，嵌入到包装袋中;在外包装表面，嵌入Inlay区域作为标示，提示用户可在此区域手机操作，获取商品的溯源数据。此种包装方式可有效防止标签转移，结合标签的难以复制性，可有效解决现有技术的防伪标识造假的问题。

4 结论

本文针对当前农产品溯源技术各自分离、信任成本較高的问题，从消费者角度提出一种可信度较高的农产品溯源方法，采用农产品产地溯源融合区块链技术，定性分析与在线识别相结合，全面降低农产品信任成本。通过传感设备的地理位置信息、统计传感设备年度气候数据并与当年气候数据对比，从而确定农产品产地;基于雷达技术的产地品质特性定性分析方法，根据产地及农产品特色，实现农产品产地的无损、快速判断;强调获取全程数据的地理位置信息重要性，截取带有时间戳的数据链接作为区块单元，利用区块链实现农产品的有效溯源;基于射频识别技术的面向消费者的溯源数据获取入口方式，提高溯源入口的防复制能力，并结合新型包装形式，有效防转移，从而提升溯源标签的防伪水平。

5 参考文献

[1] FRANKE B M，GREMAUD G，HADORN R，et al.Geographic origin of meat-elements of an analytical approach to its authentication[J].European Food Research and Technology，2005，221：493-503.

[2] 刘萍，郭昌芬，梁波，等.关于新时代农产品质量安全问题的几点思考[J].中国农业文摘·农业工程，2020（2）：30-32.

[3] 曾楚锋，张丽芬，徐娟娣，等.农产品产地溯源技术研究进展[J].食品工业科技，2013，34（6）：367-371.

[4] 李政，赵姗姗，郄梦洁，等.动物源性农产品产地溯源技术研究[J].农产品质量与安全，2019（3）：57-64.

[5] 王红梅，於跃成.基于区块链的食品安全溯源技术研究[J].电子设计工程，2019，27（13）：16-25.

[6] 石玉芳，卜耀华，张杰.二维条码在农产品溯源系统中的应用[J].农产品加工（学刊），2014（2）：67-68.

[7] 项洋，柴沙驼，郝力壮，等.化学方法在农产品产地溯源中的研究进展[J].食品工业科技，2015，36（20）：371-376.

[8] 刘晓云，王晓春.“物联网+区块链”的农产品质量溯源体系研究[J].常州工学院学报，2018，31（5）：60-65.

[9] 焦玉聪，张立新，黄庆林，等.基于RFID 及二维码的肉制品质量安全溯源系统[J].江苏农业科学，2017，45（5）：215-218.

[10] 钱丽丽，于果，迟晓星，等.农产品产地溯源技术研究进展[J].食品工业，2018，39（1）：246-249.

[11] 何宏浩.区块链上基于所有权的溯源防伪系统的设计与实现[D].杭州：浙江工商大学，2019.

[12] 马腾，孙传恒，李文勇，等.基于NB-IoT的农产品原产地可信溯源系统设计与实现[J].中国农业科技导报，2019， 21（12）：58-67.

[13] 童成英，何守阳，丁虎.茶叶产地与品质的元素、同位素鉴别技术研究进展[J].生态学杂志，2018，37（5）：1574-1583.