- · 《计算技术与自动化》栏[08/03]
- · 《计算技术与自动化》刊[08/03]
- · 《计算技术与自动化》征[08/03]
- · 《计算技术与自动化》投[08/03]
- · 《计算技术与自动化》数[08/03]
基于云计算的蔬菜产品质量安全追溯系统(2)
作者:网站采编关键词:
摘要:1.3 系统应用模块设计 图2 系统总体架构 1.3.1 生产基地管理 下设基地管理、地块管理和农资管理3个子模块,基地管理对企业所属生产基地进行编号,录入
1.3 系统应用模块设计
图2 系统总体架构
1.3.1 生产基地管理 下设基地管理、地块管理和农资管理3个子模块,基地管理对企业所属生产基地进行编号,录入基地名称、所属部门、土壤及水质检测报告等基础信息;地块管理包括地块编号、所属基地、地理坐标等信息;农资管理可对各基地农药、肥料、农膜等农资的采购、出入库及供货商等情况进行管理。
1.3.2 产品管理 下设产品类型、产品信息、产品批次和认证信息4个子模块,对企业蔬菜产品的类型、包装产品基本信息(名称、品牌、包装规格、产地等)、产品认证情况进行管理。产品批次模块对产品进行批次编码,并可执行批次二维码打印,居于以产品批次为单位的信息追溯设计;批次管理内置追溯信息录入入口,用于客户端PC录入追溯信息。
1.3.3 追溯信息管理 下设追溯事件管理和追溯信息管理2个子模块,追溯事件管理包括对事件类型及具体事件的管理,系统将追溯事件分为生长与采后两类,生长事件主要包括育苗、播种、定植、施肥、浇水、打药、采收等田间农事操作信息,并可自定义添加事件,采集信息包括操作地块、时间、责任人、工具等,备注栏记录肥料、农药、品种等的具体信息;采后事件包括分级、加工、预冷、检验、包装、运输、销售等具体事件的时间、地点、责任人等信息,备注栏可附加加工方法、预冷时间及温度、包装规格、车辆号牌及驾驶员、销售对象数量及电话等信息。所有事件信息均可录入文字、图片和视频信息。追溯信息管理可查询和管理所有批次产品的已录入信息。
1.3.4 二维码管理 下设批次码管理和产品召回管理2个子模块,批次码管理主要执行各批次产品追溯二维码标签的打印功能,打印的溯源标签粘贴于产品包装上,供用户溯源查询;产品召回管理模块执行问题产品的批次查询与召回功能。
1.3.5 终端管理 执行终端设备(PDA、监控摄像头等)及其用户和权限的管理功能。
1.3.6 系统管理 执行企业部门及系统用户的角色和权限管理功能。
1.3.7 移动数据采集系统 安装于手持智能终端实现追溯信息数据采集的应用系统,执行产品管理模块下产品批次管理子模块内追溯信息录入的相同功能,并具备追溯查询、追溯事件以及个人信息、密码修改等功能。
2 关键技术
2.1 追溯编码体系
追溯编码是产品唯一性的身份标识,也是追溯信息附着的主体,根据《NY/T 1761农产品质量安全追溯操作规程通则》的要求,结合企业易用性特点,本系统采用基于产品批次码的追溯编码方法,并以快速响应矩阵二维条码(郭建宏和钱莲文,2010)作为信息载体。产品批次码在播种/定植时录入生成,由2位产品编码、4位年码和2位批号共8位组成,如0代表XX蔬菜2018年第1批次,批次码生成时实际已经关联了部门、基地和地块信息,为方便记忆此处仅选取了产品代码和批号组成批次编码,批次码及其生成的二维码作为内部流通码使用,可粘贴于地块标识牌、采收容器等流通介质上,使用手持智能终端扫描批次二维码即可进入该批次产品相应环节的追溯信息录入。在批次码基础上,增加2位部门编码和2位基地编码组成12位的产品追溯码,如图3示例,代表公司XX部门XX基地XXXX年第XX批XX蔬菜产品,该追溯码生成的二维码打印在追溯标签粘贴于产品包装上供消费者查询。批次码标签和追溯标签如图4示例。
图3 追溯码编码示例
图4 批次码标签(左)和追溯标签(右)示例
2.2 数据库技术
数据库是系统运行的核心,是长期存储在服务器内有组织的、大量的、可共享的数据集合,可供各种用户共享且具有最小冗余度和较高的数据与程序独立性。在多用户同时使用数据库时,能进行并发控制,及时有效地处理数据,提供安全性和完整性保护,并在发生故障后能够对系统进行恢复。本系统以SQL Server 2012作为数据库管理工具,构建了部门、用户、基地与地块、蔬菜种类与品种、设备、追溯事件与类型、图文与视频等数据库。Microsoft SQL Server 2012是微软发布的新一代关系型数据库平台产品,运行性能增强,并且支持云计算和云管理(石爱好,2017);具备可伸缩性、可靠性以及前所未有的高性能。Power View为用户对数据的转换和勘探提供强大的交互操作能力,并协助做出正确的决策,有着开放、可伸缩性、安全性、可扩展性、高性能、操作简单等优势。
文章来源:《计算技术与自动化》 网址: http://www.jsjsyzdhzz.cn/qikandaodu/2020/1005/487.html
上一篇:突破与重构:大数据时代的计算广告学研究
下一篇:大数据时代全网算力共享初探