基于大数据联动的智能食品赋码溯源管理分析方法与流程

本发明涉及数据分析，具体为基于大数据联动的智能食品赋码溯源管理分析方法。

背景技术：

1、当前食品质量安全溯源领域普遍采用传统二维码、rfid标签或独立顺序码作为信息载体，此类技术存在严重安全漏洞，现有码值生成算法多为明文或简单随机序列，缺乏密码学层面的单向映射保护与全局重码校验机制，导致表层码与内层码之间可被暴力推演或逆向还原；

2、在物理防伪与验证环节，现有方案通常仅设置单一查询码或易碎纸标签，未将破坏开启式物理结构与人工智能视觉校验深度融合，由于缺乏逻辑映射校验与物理破坏特征的联合判定能力，系统无法精准区分正品首次开启、码对不匹配及二次封装三种关键情形，同时，云平台缺少强制约束，导致已使用的正品包装可被回收并二次流通，严重削弱防伪可信度，现有追溯体系普遍存在数据碎片化与状态流转滞后问题，从原料入库到终端验证的各环节依赖人工记录或半自动上传，未实现全链条数据自动绑定与电子凭证链的穿透式审计；

3、因此，亟需构建一种基于大数据联动的智能赋码溯源分析方法，解决上述安全、校验与流程管控难题。

技术实现思路

1、本发明的目的在于提供基于大数据联动的智能食品赋码溯源管理分析方法，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：基于大数据联动的智能食品赋码溯源管理分析方法，包括以下步骤：

3、s1、实时接收溯源数据后，利用ai赋码引擎以生产节拍、批次号、时间戳、随机数种子及校验因子为输入，经分析后生成候选码对，确认候选码对有效后，将其写入待校验队列，印制成功后回传状态，码对被标记为已占用并永久锁定；

4、s2、利用待校验队列中的有效码对生成待印制数据包，在涂布时上报工艺参数，偏离模板则告警并暂停任务，由云平台自动下发修正指令，固化后视觉检测内层码，将不合格品标记为废品，对于摩擦及蒸煮测试不合格批次，则锁定码对禁止出库；

5、s3、包装封口时，通过云平台记录内层码完好状态，消费者扫描表层码发起验证并上传码对信息，云平台查询码对状态，若状态为已首次开启，则提示已使用并终止，若为内层码完好，则允许继续并返回校验规则；

6、s4、用户破坏包装暴露内层码后，终端拍摄并提取特征片段及破坏向量上传至云平台，云平台记录破坏事件，校验引擎执行逻辑映射与物理破坏双重比对，两项均通过则返回正品及溯源数据，状态更新为已首次开启，任一不通过则触发防伪报警。

7、优选的，所述s1具体包括以下步骤：

8、s101、实时接收从原料入库至终端验证各环节所产生的溯源数据，按原料批次id、生产工单id、码对id、物流单号及销售记录建立多级索引；

9、s102、对溯源数据进行格式校验与清洗，转换为统一存储格式，将校验通过的数据及索引写入分布式数据库，通过外键约束关联同一码对id下的各环节数据，完成后执行写入一致性校验；

10、s103、利用ai动态赋码引擎提取生产节拍信号、当前生产批次号、时间戳、随机数种子以及校验因子作为输入参数后，采用hmac-sm3算法对其进行运算，生成12-16位候选表层动态码，以该动态码为输入，通过sha-256哈希函数计算得到16-32位候选内层电子码，将其与动态码组合成候选码对。

11、优选的，所述s1中具体还包括以下步骤：

12、s104、以候选码对中的表层码及内层码作为待查询的目标码值，向分布式数据库发起待生成码查重请求，依据多级索引，检索历史码对表中是否已存在与该目标码值完全一致的记录，若检索结果显示存在重复，则向ai赋码引擎返回重码告警及重新生成指令，反之则返回可生成确认指令；

13、s105、收到可生成确认指令后，通过ai动态赋码引擎将该候选码对正式确定为有效码对，并封装为json格式，将有效码对的唯一标识符发送至待校验队列；

14、s106、完成码对的实际印制操作后，回传印制确认状态信息，将码对从待校验队列移入已确认队列，将该码对在历史码对表中标记为已占用，写入永久锁定规则，禁止该码对重复使用。

15、优选的，所述s2中具体包括以下步骤：

16、s201、利用待校验队列中已通过查重确认的有效码对，生成待印制数据包，该数据包内包含表层动态码文本、内层电子码的点阵图形数据、包装规格参数以及预定印制位置坐标；

17、s202、在执行涂布过程中，实时上报工艺参数至云平台的质量追溯数据库，并将工艺参数与当前生产工单进行绑定，云平台内置工艺参数库，每次生产前下发对应食品品类的推荐工艺参数模板，该模板包括油墨型号、湿膜厚度范围、固化能量及固化温度，当实测的工艺参数超出预设范围时，发出偏差告警，并自动暂停该批次的赋码任务；

18、s203、实时上传实测的温度与膜厚数据，当实测值偏离模板所规定的范围时，云平台自动下发修正指令，并同时记录工艺自适应调整事件；

19、s204、在执行固化过程中，将固化温度、uv-led功率及照射时间实时上传至云平台，固化完成后，通过在线视觉检测初步判断内层码是否合格，并将检测结果回传至云平台，对于被判定为不合格的产品，将其标记为废品，且不生成码对绑定记录。

20、优选的，所述s2中具体还包括以下步骤：

21、s205、每批次内层电子码固化完成后，由质检设备自动执行摩擦测试及蒸煮测试，并将测试数据自动上传至云平台，与该批次的码对范围进行绑定，若出现测试性能不合格批次，云平台自动锁定该批次对应的所有码对，禁止其出库并触发质量报警；

22、s206、喷印表层动态码之后，通过在线扫码器读取已喷印的表层码，并将读取结果回传至云平台，云平台将该读取结果与预期表层码进行比对，确认印制准确无误后，更新该码对的状态；

23、s207、云平台内置包装适配数据库，该数据库存储不同包装材质所对应的最佳涂布与固化参数，当生产过程中切换包装材质时，由云平台自动推送适配参数。

24、优选的，所述s3中具体包括以下步骤：

25、s301、在包装封口环节，破坏开启式配对验证结构处于未破坏状态，云平台将该码对对应的内层码完好状态记录于分布式数据库中该码对的状态字段；

26、s302、当用户使用专用终端扫描包装外部的表层动态码时，该终端向云平台发起首次验证请求，上传的表层码文本、可选的扫描地理位置信息、扫描时间戳以及设备标识；

27、s303、云平台接收到请求后，根据表层码查询分布式数据库，获取对应的内层电子码标准完整图形、哈希映射校验规则以及当前码对的状态字段，若状态字段显示该码对被标记为已首次开启，则直接返回该码已使用的提示信息，终止本次验证流程，不再进入后续步骤，若状态字段显示为内层码完好，则允许流程继续，并返回相应的校验规则信息。

28、优选的，所述s4中具体包括以下步骤：

29、s401、用户物理破坏包装以暴露内层电子码，此时破坏开启式配对验证结构产生不可逆的物理形变，利用专用终端拍摄被破坏后的内层电子码图像，在本地终端上进行图像预处理和特征片段提取，并执行物理破坏特征检测，完成处理后，将提取的特征片段数据及破坏特征向量上传至云平台；

30、s402、云平台检测到内层码的物理破坏特征时，将该事件作为破坏事件加以记录，在分布式数据库中写入该码对的首次破坏时间戳、破坏图像特征哈希值以及执行检测的设备id。

31、优选的，所述s4中具体还包括以下步骤：

32、s403、云平台的配对校验引擎从数据库中读取原始内层电子码的完整数据后，执行逻辑映射校验，将上传的表层码经预设的哈希函数计算后，比对是否与内层码特征片段相匹配，执行物理破坏校验，将上传的破坏特征向量与预设破坏模型进行比对，若两项校验均通过，则返回正品且首次开启的验证结果，并附带从原料至物流的全流程溯源数据，同时将该码对的状态字段更新为已首次开启，此后对于同一码对的再次验证请求均被拒绝并返回首次开启时间提示；

33、s404、若物理破坏校验通过而逻辑映射校验不通过，则返回防伪报警，提示码对不匹配，若逻辑映射校验通过但物理破坏校验不通过，则返回防伪报警，提示疑似非破坏读取或二次封装，同时云平台记录每一次验证请求及其结果；

34、s405、每个码对在其全生命周期中状态自动流转为待生成、已生成、已印制、已绑定、已出库、已销售、已验证以及已报警，云平台为每个码对生成不可篡改的电子凭证链，该凭证链包含时间戳、数据哈希值及上一记录哈希值。

35、与现有技术相比，本发明的有益效果是：

36、本发明通过hmac-sm3与sha-256构成链式单向映射关系，使表层码与内层码一一对应且不可逆推，结合历史码对表的查重与永久锁定机制，从生成源头杜绝码值复用，有效防止伪造与重放攻击，将破坏开启式物理结构与ai视觉双重校验深度融合，通过逻辑映射校验与物理破坏特征校验的联合判定，能够精准区分正品首次开启、码对不匹配及二次封装三种情形，且云平台仅接受一次成功验证，彻底阻断码重用与包装复用，实现从原料入库、生产赋码、印制检测、成品入库、物流发货到终端验证的全链条数据自动绑定与状态流转，为每个码对生成不可篡改的电子凭证链，大幅提升全流程可追溯性与监管效率。