CN106599958A - 一种基于rfid的农产品追溯批量标签信息获取方法 - Google Patents

Abstract

一种基于RFID的农产品追溯批量标签信息获取方法,基于RFID的农产品追溯***，建立了追溯***全程跟踪溯源模型和仓储模型，设计了基于EPCglobal C1 Gen2标准的DFSA标签防碰撞方法，并给出一种新的帧长调整方法，利用第一帧成功时隙数、空时隙数和碰撞时隙数估计初始标签数，并在后续识别中自适应调整帧长度时隙全局吞吐量性能的最优,与EPCglobal C1 Gen2等广泛应用的标准所采用的Q算法相比，本发明给出的改进方法吞吐量性能提高了30%。

Description

一种基于RFID的农产品追溯批量标签信息获取方法

技术领域

本发明属于农产品追溯技术领域，具体涉及一种基于RFID的农产品追溯批量标签信息获取方法。

背景技术

近年来射频识别技术(Radio Frequency Identification,RFID)由于其具有可以非接触读取、标签存储容量大、所存信息可写可读、信息传输安全可靠等优势，已经普遍应用在各种工商业领域当中。特别是作为物联网的关键技术，RFID在农产品追溯与跟踪中得到了广泛应用，可以满足农产品追溯与跟踪管理的需要。Wagne提出在农产品生产和物流运输全过程通过监测、抽样等方式校验食品标签的数据。相对于传统的条形码，将RFID技术引入农产品追溯***，具有更加灵活、准确的优势，应用前景更加广阔。Bernard分析了将射频识别技术引入农产品跟踪链的可行性，认为RFID编码空间能够实现供应链全程的所有数据的采集和存储。

在农产品追溯***中，尤其在运输和仓储过程中，需要对货运车辆入、出库时实现整车货品标签的批量识别。对频繁使用的叉车转运，也需要对整叉车货品批量识别，以实现搬运、装载、库位匹配等自动快速处理。标签批量识别是RFID最明显的优势，但是批量识别会产生标签信号互相干扰，形成标签碰撞，因此，标签防碰撞方法是农产品追溯***中极为关键的技术。并且农产品包装盒大小不等，形状各异，所以批量识别的规模差异较大，从几十个到几千个不等，因此标签防碰撞方法需要适应大动态变化范围。当前技术无法满足大规模移动标签环境下追溯***批量识别的实时性要求。

发明内容

为了克服上述现有技术的不足，本发明给出一套基于RFID的农产品追溯***，建立了追溯***全程跟踪溯源模型和仓储模型，设计了基于EPCglobal C1Gen2标准的DFSA标签防碰撞方法，并给出一种新的帧长调整方法，利用第一帧成功时隙数、空时隙数和碰撞时隙数估计初始标签数，并在后续识别中自适应调整帧长度时隙全局吞吐量性能的最优。

为了实现上述目的，本发明采用的技术方案是：

一套基于RFID的农产品追溯***，包括以下步骤：

1)农产品追踪***模型建立，农产品追溯***包括从种养殖侧到消费侧的跟踪，以及从消费侧到种养殖侧的追溯两个方面；跟踪是从供应链的上游至下游，跟随一个特定的单元或一批产品运行路径；追溯是从供应链下游至上游识别一个特定的单元或一批产品的来源，通过追溯码的方法回溯某个农产品种植、养殖、生产加工、运输以及分发等各个环节；

2)仓储环节，对于需要入库保存的农产品，在货运车辆入库时通过进门固定阅读器读取车内所有商品信息，其包装规格、包装重量等自动获取并传输至处理中心，由处理中心处理后根据仓库特点形成库存的信息，并输出入货位等信息，实现货品与库位的最优配置；

3)批量标签信息获取方法，通过基于首帧识别标签数估计初始标签的动态帧时隙Aloha算法，称为DENFF(DFSA Algorithm based on Estimation Number of Tags inFirst Frame)算法，在第一帧结束后估计一次初始标签数目，此后利用每帧待识别标签数减去本帧成功识别标签，结果作为下一帧的帧长度，实现最优识别，标签数估计方法采用文献提出的Vogt算法。

所述的农产品追踪***模型建立环节，包括以下步骤：

1)农产品种植环节信息处理，农产品种植环节是农产品追溯***的起点，利用RFID技术对每一地块的施药信息、施肥信息等农事信息，以及采摘信息等与地块信息进行绑定，并将农事人员信息、农事计划代码等强制植入RFID存储器，为下游进一步完善信息和信息查询提供原始数据。采摘时只需要利用阅读器对地块标签进行扫描即可获取本地块所有种植品种植环节的所有信息；

2)加工环节信息处理，在加工好的包装盒上粘贴RFID标签，将种植环节信息导入标签，在此基础上岗新增本环节信息，包括农药检测信息、加工信息、出入库批次信息等；

3)仓储环节信息处理，仓储环节利用加工环节所含信息进行批次管理、入出库时间及叉车转运管理，在加工环节采集信息基础上添加分装人员信息、分装流水线号等信息。该环节充分利用RFID技术批量识别优势实现运输车辆和转运叉车的整车批量信息获取，大幅提高仓储管理效率，提高仓库利用率；

4)运输环节信息处理，增加车辆信息和驾驶员信息，并利用GPS定位、远程传输信道实现货品批次的远程位置实时查询；

5)分法和派送环节信息处理，增加配送信息，提供自动分拣功能；

6)终端消费环节信息处理，在前面各环节基础上终端消费环节增加查询访问功能，给消费者提供全程追溯功能，保障消费者的知情权。

所述的仓储环节，从农产品入门到分拣、叉车转运、入库位、出库位、叉车转运、装载以及整车出库，每个环节均基于RFID自动识别技术实现。

所述的DENFF算法处理流程，包括以下步骤：

假设阅读器覆盖范围内的标签数为n，将n个标签全部识别一次的过程定义为一个识别周期，每个识别周期由若干个识别帧组成，在一个识别帧里，每个标签只响应一次阅读器轮询命令ReadNext，每帧有若干时隙组成，每帧所含时隙个数定义为帧长度，所有标签的应答均在时隙的起始时刻开始；

处理流程由Query(Q₀)命令启动识别周期的第一帧识别，Q₀参数为初始参数，收到Query(Q₀)命令后，第i个标签产生一个小于等于Q₀的随机自然数RS_i作为期望响应阅读器的时隙号，并在阅读器发送第RS_i次ReadNext命令后响应阅读器回传自己的UID_i；

阅读器利用曼彻斯特编码识别标签信号碰撞情况，如果第k时隙只有一个标签响应，则成功识别标签，该时隙记为成功时隙S_s，成功时隙计数器N_s增加1；如果多余一个标签响应，则发生信号碰撞，该时隙记为碰撞时隙S_c，碰撞时隙计数器N_c增加1；如果没有标签响应，则该时隙记为空时隙S_e，空时隙计数器N_e增加1；

完成Q₀个时隙识别后，阅读器根据N_s、N_c和N_e的值估计初始标签数因为当待识别标签数等于帧长度时识别效率最高，所以令启动第2帧识别，以此类推，直到完成所有标签的识别，从而结束本识别周期；

第1帧帧长为Q₀，待识别标签数为n，则每个标签产生RS_i＝m，m小于等于Q₀的概率为P＝1/Q₀，则同一个时隙有r个标签选择的概率为：

显然，根据r取值为1、0和大于等与2三种情况可以相应得到成功时隙、空闲时隙和碰撞时隙的概率，当r＝1时得成功时隙概率为：

因此，在一帧内成功时隙数的期望值为：

当r＝0时得空闲时隙概率为：

同理，空闲时隙的期望值为

因为，一个时隙只有成功、空闲和碰撞三种情况，所以容易求得碰撞时隙概率为：

P(Q₀,n,r|r≥2)＝1-P(Q₀,n,0)-P(Q₀,n,1) (6)

碰撞时隙期望值为

E[P(Q₀,n,r|r≥2)]＝Q₀-E[P(Q₀,n,1)]-E[P(Q₀,n,0)] (7)

利用Vogt算法可得初始标签数的估计为

本发明的有益效果：

1)本发明建立了基于射频识别技术的农产品追溯***模型，并给出了仓储环节实现方法。追溯过程中对货运车和转运叉车进行整车批量识别,可以极大提高管理效率，缩短产品流通时间，全信息化的跟踪过程能够确保产品的流向可控可管，遇到问题产品能够及时限制其流通或召回。另一方面，跟踪路径所采集到的信息可以在一定时间内得以完整保存，以提供给消费者查询所购买农产品每个流通环节的详细信息，以及农产品生长期的农事信息，实现全程可追溯。

2)批量识别存在标签碰撞问题，因此防碰撞方法是农产品追溯***的关键技术。针对农产品追溯应用环境研究了标签防碰撞方法，给出一种自适应动态调整帧长度的帧时隙Aloha标签防碰撞方法，仅在首帧识别完成后根据统计得到的成功时隙数、空时隙数和碰撞时隙数估计初始标签规模，从而优化后续识别帧的帧长度，实现最优识别，显著提高了全局吞吐量性能。

3)与EPCglobal C1Gen2等广泛应用的标准所采用的Q算法相比，本发明给出的改进方法吞吐量性能提高了30％以上。

附图说明

图1为本发明所述农产品追溯***模型。

图2为本发明所述农场品追溯***模型仓储环节示意图。

图3为按照本发明所述方法多标签批量识别方法处理流程。

图4为按照本发明所述多标签批量识别方法实施例的吞吐量性能与EPCglobalC1Gen2标签对比结果。

具体实施方式

以下结合附图对本发明进一步说明。

如图1所示，一种基于RFID的农产品追溯批量标签信息获取方法，其处理流程为：

农产品追溯***包括从种养殖侧到消费侧的跟踪，以及从消费侧到种养殖侧的追溯两个方面。跟踪是从供应链的上游至下游，跟随一个特定的单元或一批产品运行路径。追溯是从供应链下游至上游识别一个特定的单元或一批产品的来源，通过追溯码的方法回溯某个农产品种植、养殖、生产加工、运输以及分发等各个环节。全信息化的跟踪过程能够确保产品的流向可控可管，遇到问题产品能够及时限制其流通或召回。另一方面，跟踪路径所采集到的信息可以在一定时间内得以完整保存，以提供给消费者查询所购买农产品每个流通环节的详细信息，以及农产品生长期的农事信息，实现全程可追溯。

如附图1所示，农产品追溯***包括以下处理环节：

1)农产品种植环节信息处理

农产品种植环节是农产品追溯***的起点，利用RFID技术对每一地块的施药信息、施肥信息等农事信息，以及采摘信息等与地块信息进行绑定，并将农事人员信息、农事计划代码等强制植入RFID存储器，为下游进一步完善信息和信息查询提供原始数据。采摘时只需要利用阅读器对地块标签进行扫描即可获取本地块所有种植品种植环节的所有信息。

2)加工环节信息处理

在加工好的包装盒上粘贴RFID标签，将种植环节信息导入标签，在此基础上岗新增本环节信息，包括农药检测信息、加工信息、出入库批次信息等。

3)仓储环节信息处理

仓储环节利用加工环节所含信息进行批次管理、入出库时间及叉车转运管理，在加工环节采集信息基础上添加分装人员信息、分装流水线号等信息。该环节充分利用RFID技术批量识别优势实现运输车辆和转运叉车的整车批量信息获取，大幅提高仓储管理效率，提高仓库利用率。

4)运输环节信息处理

增加车辆信息和驾驶员信息，并利用GPS定位、远程传输信道实现货品批次的远程位置实时查询。

5)分法和派送环节信息处理

增加配送信息，提供自动分拣功能。

6)终端消费环节信息处理

在前面各环节基础上终端消费环节增加查询访问功能，给消费者提供全程追溯功能，保障消费者的知情权。

如图2所示，仓储环节处理方法说明如下：

对于鲜活农产品，通常对仓储环境要求较高，应该减少蔬菜在仓库的存放时间。对于需要入库保存的农产品，在货运车辆入库时通过进门固定阅读器读取车内所有商品信息，其包装规格、包装重量等自动获取并传输至处理中心，由处理中心处理后根据仓库特点形成库存的信息，并输出入货位等信息，实现货品与库位的最优配置。

从农产品入门到分拣、叉车转运、入库位、出库位、叉车转运、装载以及整车出库，每个环节均基于RFID自动识别技术实现。

批量标签信息获取方法：

从本发明所述农产品追溯***模型可知，在仓储环节、运输环节、配送分法环节等都需要采用RFID批量识别，尤其在仓储环节的车辆入出门、货品流水线分拣、叉车装运、库存盘点等多个具体环节，标签批量识别性能对追溯***的处理效率起着重要的影响。目前射频识别技术领域广泛应用的EPCglobal C1_G2标准采用Q算法动态调整帧长度。在Q算法里，Q为整数，用来指示标签产生随机数的范围，Q_fp为浮点数，是Q的精确值，Q是最接近Q_fp的整数。

但是，Q算法中调整步进C在标准里只给出了取值范围为0.1到0.5，并没有给出取值的规则，实际应用中如果C值过高会导致频繁调整帧长度，***不稳定。反之，如果C值过低，则会导致调整迟滞无法跟踪剩余标签数的变化，降低***识别效率。本发明对此加以改进，给出一种基于首帧识别标签数估计初始标签的动态帧时隙Aloha算法，称为DENFF(DFSAAlgorithm based on Estimation Number of Tags in First Frame)算法。仅在第一帧结束后估计一次初始标签数目，此后利用每帧待识别标签数减去本帧成功识别标签，结果作为下一帧的帧长度，实现最优识别，标签数估计方法采用Vogt算法。

如图3所示，DENFF算法处理流程如下：

假设阅读器覆盖范围内的标签数为n，将n个标签全部识别一次的过程定义为一个识别周期，每个识别周期由若干个识别帧组成，在一个识别帧里，每个标签只响应一次阅读器轮询命令ReadNext，每帧有若干时隙组成，每帧所含时隙个数定义为帧长度，所有标签的应答均在时隙的起始时刻开始。

处理流程由Query(Q₀)命令启动识别周期的第一帧识别，Q₀参数为初始参数，收到Query(Q₀)命令后，第i个标签产生一个小于等于Q₀的随机自然数RS_i作为期望响应阅读器的时隙号，并在阅读器发送第RS_i次ReadNext命令后响应阅读器回传自己的UID_i。

阅读器利用曼彻斯特编码识别标签信号碰撞情况，如果第k时隙只有一个标签响应，则成功识别标签，该时隙记为成功时隙S_s，成功时隙计数器N_s增加1；如果多余一个标签响应，则发生信号碰撞，该时隙记为碰撞时隙S_c，碰撞时隙计数器N_c增加1；如果没有标签响应，则该时隙记为空时隙S_e，空时隙计数器N_e增加1。

完成Q₀个时隙识别后，阅读器根据N_s、N_c和N_e的值估计初始标签数因为当待识别标签数等于帧长度时识别效率最高，所以令启动第2帧识别，以此类推，直到完成所有标签的识别，从而结束本识别周期。

第1帧帧长为Q₀，待识别标签数为n，则每个标签产生RS_i＝m，m小于等于Q₀的概率为P＝1/Q₀，则同一个时隙有r个标签选择的概率为

显然，根据r取值为1、0和大于等与2三种情况可以相应得到成功时隙、空闲时隙和碰撞时隙的概率，当r＝1时得成功时隙概率为

因此，在一帧内成功时隙数的期望值为

当r＝0时得空闲时隙概率为

同理，空闲时隙的期望值为

因为，一个时隙只有成功、空闲和碰撞三种情况，所以容易求得碰撞时隙概率为

P(Q₀,n,r|r≥2)＝1-P(Q₀,n,0)-P(Q₀,n,1) (6)

碰撞时隙期望值为

E[P(Q₀,n,r|r≥2)]＝Q₀-E[P(Q₀,n,1)]-E[P(Q₀,n,0)] (7)

利用Vogt算法可得初始标签数的估计为

本发明的具体实施方式：

如图4所示，一种基于RFID的农产品追溯批量标签信息获取方法，给出其实施例。

全局吞吐量性能是衡量RFID批量识别性能的重要指标，全局吞吐量定义为在整个识别周期内完成阅读器覆盖范围内全部标签识别，传输有用信息所占用的时间与识别周期所消耗的总时间之比。将本文提出的DENFF算法全局吞吐量性能与Q算法进行仿真对比分析。DENFF算法里Q₀值为首帧帧长度的真值，而Q算法中Q值为帧长度的对数值(以2为底)，为了保持参数一致性以便于对比，DENFF算法中Q₀设为1024，而Q算法中Q值设为10(即对应真值为1024)。

在附图2所示的农产品追溯***仓储环节，需要对入出库区的货运车辆和转运叉车进行整车批量识别。以常用的转运叉车为例，叉车一次能够承运5个茶叶运输大箱，1个大箱装6个批发小箱，1小箱装6个最小销售单元的茶叶礼盒，每个礼盒内壁贴有RFID标签作为一个识别单元，则对一个转运叉车的整车批量识别标签数为180。以西湖龙井茶某规格礼品包装盒为32cm*21cm*8cm为例，每盒体积为5376cm³。以常见的2.5吨箱式货运车辆为例，其容积为12m³计算，每辆可以装载12*10⁶/5376＝2232个礼品盒。因此防碰撞算法需要能够适应180到2232个标签规模的批量识别，实验参数：标签数n从100到2500变化，步进为20。实验结果如如图4所示。

从附图4可以看出，与Q算法相比，DENFF算法全局吞吐量性能得到了明显提高，大约提高了30％以上。将本文提出的DENFF算法作为EPCglobal_C1G2标准的标点防碰撞方法用于本文设计的农产品追溯模型，假设每个标签仅传输64位UID信息，物理层通信速率为标准规定的最低速率26.7kbps，从附图4查出当n＝180时采用DENFF算法的吞吐量为0.158，则叉车整车识别所需时间为180*64/(26.7*10³)/0.158≈2.7s，实际叉车转运中扫描停留时间小于3秒完全可以满足转运要求。n＝2232时吞吐量大约为0.19，可以计算装载2232个茶叶礼盒的货运车辆整车批量识别所需时间为2232*64/(26.7*10³)/0.19≈28.2s，实际货运入、出库门等待识别时间在半分钟以内可以满足实际等待要求。

Claims (4)

1.一种基于RFID的农产品追溯批量标签信息获取方法，其特征在于，包括以下步骤：

1)农产品追踪***模型建立，农产品追溯***包括从种养殖侧到消费侧的跟踪，以及从消费侧到种养殖侧的追溯两个方面；跟踪是从供应链的上游至下游，跟随一个特定的单元或一批产品运行路径；追溯是从供应链下游至上游识别一个特定的单元或一批产品的来源，通过追溯码的方法回溯某个农产品种植、养殖、生产加工、运输以及分发等各个环节；

2)仓储环节，对于需要入库保存的农产品，在货运车辆入库时通过进门固定阅读器读取车内所有商品信息，其包装规格、包装重量等自动获取并传输至处理中心，由处理中心处理后根据仓库特点形成库存的信息，并输出入货位等信息，实现货品与库位的最优配置；

3)批量标签信息获取方法，通过基于首帧识别标签数估计初始标签的动态帧时隙Aloha算法，称为DENFF(DFSA Algorithm based on Estimation Number of Tags inFirst Frame)算法，在第一帧结束后估计一次初始标签数目，此后利用每帧待识别标签数减去本帧成功识别标签，结果作为下一帧的帧长度，实现最优识别，标签数估计方法采用文献提出的Vogt算法。

2.根据权利要求1所述的一种基于RFID的农产品追溯批量标签信息获取方法，其特征在于，所述的农产品追踪***模型建立环节，包括以下步骤：

1)农产品种植环节信息处理，农产品种植环节是农产品追溯***的起点，利用RFID技术对每一地块的施药信息、施肥信息等农事信息，以及采摘信息等与地块信息进行绑定，并将农事人员信息、农事计划代码等强制植入RFID存储器，为下游进一步完善信息和信息查询提供原始数据，采摘时只需要利用阅读器对地块标签进行扫描即可获取本地块所有种植品种植环节的所有信息；

2)加工环节信息处理，在加工好的包装盒上粘贴RFID标签，将种植环节信息导入标签，在此基础上岗新增本环节信息，包括农药检测信息、加工信息、出入库批次信息等；

3)仓储环节信息处理，仓储环节利用加工环节所含信息进行批次管理、入出库时间及叉车转运管理，在加工环节采集信息基础上添加分装人员信息、分装流水线号等信息，该环节充分利用RFID技术批量识别优势实现运输车辆和转运叉车的整车批量信息获取，大幅提高仓储管理效率，提高仓库利用率；

4)运输环节信息处理，增加车辆信息和驾驶员信息，并利用GPS定位、远程传输信道实现货品批次的远程位置实时查询；

5)分法和派送环节信息处理，增加配送信息，提供自动分拣功能；

6)终端消费环节信息处理，在前面各环节基础上终端消费环节增加查询访问功能，给消费者提供全程追溯功能，保障消费者的知情权。

3.根据权利要求1所述的一种基于RFID的农产品追溯批量标签信息获取方法，其特征在于，所述的仓储环节，从农产品入门到分拣、叉车转运、入库位、出库位、叉车转运、装载以及整车出库，每个环节均基于RFID自动识别技术实现。

4.根据权利要求1所述的一种基于RFID的农产品追溯批量标签信息获取方法，其特征在于，所述的DENFF算法处理流程，包括以下步骤：

假设阅读器覆盖范围内的标签数为n，将n个标签全部识别一次的过程定义为一个识别周期，每个识别周期由若干个识别帧组成，在一个识别帧里，每个标签只响应一次阅读器轮询命令ReadNext，每帧有若干时隙组成，每帧所含时隙个数定义为帧长度，所有标签的应答均在时隙的起始时刻开始；

处理流程由Query(Q₀)命令启动识别周期的第一帧识别，Q₀参数为初始参数，收到Query(Q₀)命令后，第i个标签产生一个小于等于Q₀的随机自然数RS_i作为期望响应阅读器的时隙号，并在阅读器发送第RS_i次ReadNext命令后响应阅读器回传自己的UID_i；

阅读器利用曼彻斯特编码识别标签信号碰撞情况，如果第k时隙只有一个标签响应，则成功识别标签，该时隙记为成功时隙S_s，成功时隙计数器N_s增加1；如果多余一个标签响应，则发生信号碰撞，该时隙记为碰撞时隙S_c，碰撞时隙计数器N_c增加1；如果没有标签响应，则该时隙记为空时隙S_e，空时隙计数器N_e增加1；

完成Q₀个时隙识别后，阅读器根据N_s、N_c和N_e的值估计初始标签数因为当待识别标签数等于帧长度时识别效率最高，所以令启动第2帧识别，以此类推，直到完成所有标签的识别，从而结束本识别周期；

第1帧帧长为Q₀，待识别标签数为n，则每个标签产生RS_i＝m，m小于等于Q₀的概率为P＝1/Q₀，则同一个时隙有r个标签选择的概率为：

$P(Q_0,n,r)=C_n^r\×{\left(\frac{1}{Q_0}\right)}^r\×{\left(1-\frac{1}{Q_0}\right)}^{n-r}---\left(1\right)$

显然，根据r取值为1、0和大于等与2三种情况可以相应得到成功时隙、空闲时隙和碰撞时隙的概率，当r＝1时得成功时隙概率为：

$P(Q_0,n,1)=\frac{n}{Q_0}\×{\left(1-\frac{1}{Q_0}\right)}^{n-1}---\left(2\right)$

因此，在一帧内成功时隙数的期望值为：

$E\[P(Q_0,n,1)\]=Q_0\×P(Q_0,n,1)=n\×{\left(1-\frac{1}{Q_0}\right)}^{n-1}---\left(3\right)$

当r＝0时得空闲时隙概率为：

$P(Q_0,n,0)={\left(1-\frac{1}{Q_0}\right)}^n---\left(4\right)$

同理，空闲时隙的期望值为

$E\[P(Q_0,n,0)\]=Q_0{\left(1-\frac{1}{Q_0}\right)}^n---\left(5\right)$

因为，一个时隙只有成功、空闲和碰撞三种情况，所以容易求得碰撞时隙概率为：

P(Q₀,n,r|r≥2)＝1-P(Q₀,n,0)-P(Q₀,n,1) (6)

碰撞时隙期望值为

E[P(Q₀,n,r|r≥2)]＝Q₀-E[P(Q₀,n,1)]-E[P(Q₀,n,0)] (7)

利用Vogt算法可得初始标签数的估计为

$d(Q_0,N_s,N_c,N_e)=min\left|\left(\begin{array}{c}E\[P(Q_0,n,1)\]\\ E\[P(Q_0,n,0)\]\\ E\[P(Q_0,n,r|r\≥2)\]\end{array}\right)-\left(\begin{array}{c}{N}_s\\ N_e\\ N_c\end{array}\right)\right|---\left(8\right).$