李佳利，陈 宇，钱建平，张保岩，杨 涵，陈 谦

融合HACCP体系的农产品区块链追溯系统精准上链机制改进

李佳利1，陈 宇2，钱建平1※，张保岩3，杨 涵1，陈 谦1

（1. 中国农业科学院农业资源与农业区划研究所/农业农村部农业遥感重点实验室，北京 100081；2. 农业农村部工程建设服务中心，北京 100081；3. 天津市农业科学院，天津 300192）

利用区块链技术实现可信追溯已成为追溯技术发展的重要趋势，区块链技术核心是解决上链以后信息不能篡改，而如何确定哪些信息上链并进行上链前信息验证是目前区块链应用亟待解决的问题。该研究以果品为例，融合危害分析与关键控制点体系（Hazard Analysis And Critical Control Point，HACCP）和区块链技术，改进农产品区块链追溯系统的上链机制并设计实现系统。通过对果品供应链进行危害分析挖掘其关键信息作为上链信息，并提取五个关键控制点（CCP1生产、CCP2加工、CCP3仓储、CCP4物流、CCP5销售）；在确定关键信息的基础上，对上链信息进行限值判定，在阈值范围内进行上链；构建数据异常和质量安全预警模型，对关键控制点处上链后的信息实时监控，智能反馈；从而构建“上链前关键信息挖掘-上链中信息事实判定-上链后信息智能反馈”的上链机制改进方法；围绕改进后的上链机制，编写阈值判定、数据上链以及数据智能反馈3种合约实现改进后的上链机制，并基于Fabric环境完成系统的设计和开发。将改进后的系统应用于北京市某果品企业，结果发现改进后的追溯系统平均吞吐量350交易量/s（Transactions per Second，TPS），每秒内可完成40条关键交易数据并发上链，相较于原有追溯系统提高14.85%，满足追溯系统的需求。此外，在3个月的现场监测中，共预警通知13次风险，企业根据预警级别作出相应的应急措施，可有效减少企业损失和和保障产品的质量安全。研究结果对于优化区块链追溯系统、提升关键环节追溯可信度具有重要意义。

农产品；区块链；追溯系统；HACCP；智能合约

0 引 言

食品安全是保障人民群众身体健康、生命安全的基础，但是近年来，诸如“毒奶粉”“镉大米”“地沟油”“三聚氰胺”等食品安全事件不断发生，日益威胁人民群众的健康安全。追溯系统作为解决农产品安全的重要手段，能够识别产品来源，保障运输中的安全，并减少食品召回的相关时间和成本，提高透明度、增加盈利能力和加强知情的决策，帮助改善整个供应网络的业务流程[1-3]。区块链追溯系统是通过在传统追溯中引入区块链技术，利用区块链的去中心化、不可篡改、可追溯等特性，建立多方参与、共同维护的分布式数据库，并利用密码学和共识机制建立信任关系，具有数据无法篡改、追溯信息真实性以及透明度高等优势[4-6]。区块链是解决上链以后信息不能篡改的问题，而上链之前如何确定哪些信息上链、如何进行信息的验证仍然是目前区块链应用亟待解决的问题。

危害分析与关键控制点（Hazard Analysis And Critical Control Point，HACCP）体系是国际公认的食品安全控制方法，可以有效控制微生物、化学和物理危害以及提高肉类、家禽、海鲜和果汁等产品质量，保证农产品质量安全以及控制[7-9]。目前已有相关学者通过进行危害分析（Conduct Hazard Analysis，HA），确定关键控制点（CCP，Critical Control Point），最后确定溯源信息，将其运用到水果产业链[10-12]、猪肉生产[13]、羊肉屠宰加工[14-15]、罗非鱼养殖[16]等农产品追溯系统追溯信息的确认中。也有学者将HACCP、区块链以及追溯相结合来保障产品质量[17-19]。Li等[20]基于HACCP分析鲜食葡萄供应链各环节潜在或存在的危害，确定可追溯单元，并基于区块链实现溯源系统。Tian等[21]基于HACCP分析食品供应链各个环节，并结合区块链和物联网构建食品供应链实时追溯系统，为所有供应链成员提供一个公开、透明、中立、可靠、安全的信息平台。葛艳等[22]以生食牡蛎为例，通过结合HACCP体系和区块链溯源模型，借助智能合约监控数据上下链并对质量进行自动判断，来提升质量溯源的可信度及有效度。然而以上研究只是利用HACCP解决上链前区块链溯源信息的确定和单条信息的判定问题，并未解决上链后的安全预警问题。同时也未考虑到在区块链上链存储过程中的负载问题，因此进一步完善改进现有上链机制具有重要意义。

本文针对以上问题，融合HACCP体系和区块链技术构建“上链前关键信息挖掘-上链中信息事实判定-上链后信息智能反馈”的上链机制改进方法，并编写部署改进后的上链机制合约，基于Fabric环境完成系统的设计开发以及测试，以期有效优化区块链追溯系统、全面提升关键环节追溯可信度。

1 融合HACCP体系的上链机制改进方法

由于农产品供应链涉及环节多、链条长，有效追溯信息对农产品追溯和问题农产品召回具有重要意义。但是目前的上链机制没有考虑危害信息这一重要因素，同时上链后的信息并没有得到充分利用，因此本文提出融合HACCP体系的上链机制改进方法，将整个过程分为上链前关键信息挖掘、上链中信息事实判定以及上链后信息智能反馈，上链机制改进框架图如图1所示。

图1 融合HACCP体系的上链机制改进框架图

1.1 上链前关键信息挖掘

农产品供应链包括生产、加工、仓储、物流、销售等五大环节。在整个环节会产生海量的数据，因此确定供应链中哪些关键信息上链至关重要。本文以果品为例，通过对供应链的各个环节进行危害分析，分析存在的物理（金属、沙、石）、化学（农药、肥料残留）以及生物（微生物、病菌）等危害因素，确定关键控制点，并挖掘上链前的关键信息。

生产环节主要包括建园、种植以及采收三个过程。化学危害主要包括施肥、灌溉可能会引入重金属以及农药残留[11,23]。物理性危害主要包括农产品在收获时所携带的石块、碎玻璃、金属碎片等硬物[24]。加工环节主要包括分级、预冷以及包装三个过程[25]。在这一环节中可能由于机械设备携带外来杂质或者操作不符合标准要求，导致产品质量受损或者下降。仓储过程中温度、相对湿度、气体成分、微生物数量、储藏方法、环境条件不适宜、操作不规范、卫生不达标、冷藏设施不完备等产生微生物引起的食源性污染，进而引起的品质下降甚至腐败变质。物流环节主要包括分拣、搬运、运输以及装卸。在这一环节，运输车辆温度不达标，不同农产品交叉感染，影响农产品中的致病微生物含量，导致产品质量下降。销售过程中超市陈列柜以及仓库未达到温湿度要求，引起产品腐败变质等引起危害。

根据对果品供应链环节产品质量影响因素的危害分析，确定关键控制点CCP1生产、CCP2加工、CCP3仓储、CCP4物流、CCP5销售，挖掘关键信息主要包括基本信息、危害信息、环境信息、企业信息、交易信息、监管信息以及检测信息，具体如图2所示。

1.2 上链中信息的事实判定

关键限值（Critical Limit，CL）是区分可接受水平与不可接受水平的判定指标，是关键控制点预防性措施必须符合的标准[8]。通过设定关键限值能够保证关键控制点受控，即保证产品的质量。在上文确定的CCP1、CCP2、CCP3、CCP4、CCP5五个关键控制点的基础上，首先利用物联网对关键信息进行采集获取，减少人为干预，并依据果品相关的法律法规、安全标准等，对每个关键控制点确定关键限值，结合智能合约机制判定信息是否在阈值范围，若上传的信息在阈值范围内，则进行区块链存储，若不在，则提示报警，剔除不合理的信息上链。对于通过判定要求的数据，公开数据直接进行上链存储，而敏感隐私数据，实行加密处理后再进行上链。各个关键控制点的判定情况如下所示：

CCP1：农药、化肥使用应符合GB 2763—2021《食品安全国家标准食品中农药最大残留限量》和GB/T 20014.3—2013 《良好农业规范作物基础控制点与符合性规范》，如农药残留含量不得超过最大残留限量，一旦判定不符合，拒绝错误的信息上链并提醒更换、合理施药。

CCP2：包装材料、预冷方式应符合国家安全标准GB/T 33129—2016 《新鲜水果、蔬菜包装和冷链运输通用操作规程》。如果包装不符合，提醒更换或者销毁。预冷库的温度应符合NY/T 4168—2022《果蔬预冷技术规范》，一般不超过-1～13 ℃，如果规定时间内没有达到标准温度，及时提醒调整预冷库温度。

CCP3：不同种类的果品储存温度存在差异，在果品储藏时，根据不同种类进行调整，应控制果品的温度、湿度以及气体环境处在一个合适的范围，如水果的相对湿度保持在85%～90%，空气的循环速度一般不超过0.3～0.7 m/s[24]。

CCP4：物流过程应符合GB/T 33129—2016 《新鲜水果、蔬菜包装和冷链运输通用操作规程》和 GB/T 29372—2012《食用农产品保鲜贮藏管理规范标准》，使运输车温度维持在0～4 ℃，相对湿度保持在80%～90%以及装卸搬运作业时间≤15 min/次[26]。

图2 追溯系统上链前关键信息

CCP5：仓库、陈列柜和货架的温度、湿度应处在一个合适的温度同时果品的销售时间应在保质期范围内，如果不在这个阈值范围内，快速进行通知进行调整、果蔬下架或者召回。

在对上链信息进行判定后，对符合要求的信息上链存储。星际文件系统（Inter Planetary File System，IPFS）是为海量数据共享提供分布式存储的系统，减少区块回溯次数，可为区块链系统减轻存储压力，提升追溯效率[27-29]。考虑到物联网等设备采集的数据量大，采用“IPFS+区块链”进行上链存储，减少区块链的存储压力，提高区块的交易处理速度。如图3所示，在链下存储阶段，对关键控制点产生的数据加密存储到IPFS上，并返回对应的哈希值，在链上存储阶段，通过智能合约将IPFS返回的哈希值以交易的形式存储在区块链上。信息上链的具体步骤如下：

Step1：原始数据加密。系统密钥中心通过非对称加密技术来生成公钥和私钥，Data为加密后的的数据。

图3 数据存储模型图

Step 6：区块共识验证。记账节在点收到广播后，验证交易的合法性，如果验证成功，在全网达成共识，那么区块将会存储到区块链上。

1.3 上链后信息的智能反馈

在完成果品关键信息上链后，持续对关键控制点CCP1、CCP2、CCP3、CCP4、CCP5上链后的信息实时监控，通过对上链后的信息进一步分析，从数据异常和质量安全两方面对信息监测，实现风险智能反馈和最大可控，具体流程如图4所示。

图4 上链后信息智能反馈流程图（以CCP1关键控制点为例）

数据异常预警是针对已经完成上链的部分关键信息，存在在链中符合要求，链上不符合要求的情况实行的二次异常数据反馈，质量安全保证。以CCP1关键控制点为例，在该关键控制点，果品的农药施用累计用药次数不能超过允许的最大次数，累计用药量的有效成分不能超过允许的最大值，同时施药时两次施药之间的间隔需要满足允许的最大天数、在采收时也需要保证采收日期在安全日期范围内。因此，对于此类数据尽管在上链中单条信息已经满足判定，仍需在上链后长期监测，一旦发现异常，立刻反馈给企业和监管部门采取措施。

质量安全预警是通过利用机器学习算法以及大数据分析等方法对关键信息构建预警模型，一旦发现可能出现的问题或者安全隐患，立刻反馈给供应链企业和监管部门，对链上数据信息进行原因分析，采取措施，下架或者召回果品并对责任主体进行追究，最大程度保证消费者权益，同时做好相关问题的记录与验证，避免下次出现相同的问题，优化系统管理，减少风险。

1）预警指标选取。首先是对区块链上的信息，依据指标选取原则进行筛选，选择合适的预警指标，运用层次分析法构建果品质量安全风险指标，并对各级指标权重进行确定。其中一级指标分别为生产、加工、仓储、物流以及销售；二级指标为建园、种植、采收、分级、包装、预冷、仓储等；三级指标为五个关键控制点的基本溯源信息。

2）数据预处理。由于预警指标数据涵盖多，具有不同的单位和量级，为了消除指标之间的相互影响，对选取的各级指标进行规范化处理，使指标数据处在0～1范围内，如式（1）所示

3）构建基于BP神经网络的预警模型。反向传播（Back Propagation，BP）神经网络结构简单，训练与调控参数丰富，具有高度的非线性映射能力，是目前应用较广的网络模型，在食品安全预警中得到成功应用[30-31]。本研究采用输入、输出以及隐含层三层BP神经网络构建果品预警模型，预警评价指标共个，因此，输入的是一个维的向量。输出为预警等级。激活函数选用Sigmoid函数，使得输出结果在0～1之间。BP 神经网络隐含层神经元个数的计算式如下所示

4）模型结果。果品预警模型根据输入的指标数据，输出警情信息，反馈给监管部门和主体企业。警情信息等级设置为重警、轻警、安全三个等级。

2 系统实现

2.1 智能合约机制构建

智能合约是一种由数据和代码组成的数字化协议，通过对外部输入数据预先设置一些响应条件，在触发事件发生时会自动执行一些如信息监控、传递、验证以及访问等功能[32-35]。在追溯系统中，常见的智能合约类型有信息上传、环境警告、风险评估和追踪查询等[36]。通过编写智能合约，可以简化工作流程、减少人工干预，提高工作效率[37]。在本研究中，智能合约的编写可由生产企业、加工企业、仓储企业、物流企业、销售企业以及政府监管部门共同商定各自应负责录入的字段信息及录入规则。根据改进的上链机制，研究共设计数据阈值判定合约（Data Threshold Decide Contract，DTDC）、数据上链合约（Data Upload Chain Contract，DUCC）、以及数据智能反馈合约（Data Intelligent Feedback Contract，DIFC）三种合约来实现，合约关系如图5所示。

DTDC合约负责实现对果品供应链的五个关键控制点CCP1、CCP2、CCP3、CCP4、CCP5的关键信息阈值与关键限值进行比较判定，杜绝不合理的信息。首先通过预先设置数据准入条件，以果品物流环节CCP4关键控制点中的环境温度和相对湿度等危害信息为例，在物联网设备采集温度、湿度等数据后，会触发条件合约开始执行，如果保持在阈值内，即满足数据准入条件，则可进入下一环节，否则系统会进行提示警告，及时进行排查，具体算法伪代码如表1所示。

DUCC合约负责对通过限值判定的关键信息，即上一步DTDC合约的数据，实现信息的自动化上链，如果对上链后的信息执行完后各个节点验证失败，返回false，如果验证通过后，系统将会先对数据上传IPFS上，并生成哈希值，然后将执行结果广播至全网各个节点，全网达成共识后将结果存储到区块链上，具体算法伪代码如表2所示。

表1 数据阈值判定合约DTDC算法

DIFC合约负责上链后信息的自动化预警通知，主要包括数据异常预警通知和质量安全预警通知，合约根据不同的预警等级，通知相应的负责人，采取不同的措施。对异常数据而言，如果数据异常次数不超过三次，则通知轻警，如果超过三次及以上，则向相关企业和监管部门发出重警通知。对质量安全预警来说，如果经过预警模型分析处理，输出结果为重警，则会通知给相关企业和监管部门；如果轻警，只通知相关主体企业；如果安全，合约结束，具体算法伪代码如表3所示。

表2 数据上链合约DUCC算法

表3 数据智能反馈DIFC算法

注：DTDC为数据阈值判定合约；DUCC为数据上链合约；DIFC为数据智能反馈合约。

2.2 系统实现

2.2.1 系统架构

系统架构如图6所示，主要划分为设备层、区块链层、应用层以及用户层四个层次。设备层是供应链环节的各个企业通过RFID（Radio Frequency Identification，射频识别技术）、温湿度传感器、GPS定位技术、摄像机等设备对农产品的温湿度等环境信息、位置信息、视频信息等进行采集。区块链层是通过智能合约和共识机制对采集的数据以及系统产生的数据实现存储，为上层应用服务提供支撑。应用层和用户层为现实中使用系统的政府相关部门、供应链企业、消费者等组织或者个体以及系统管理员提供服务，主要包括用户注册、数据上链、安全预警、追溯查询、数据共享以及决策分析等服务。

图6 系统架构图

2.2.2 系统环境部署

目前，国内外区块链技术开发平台主流的有比特币（Bitcoin）、以太坊（Ethereum）、超级账本（Hyperledger）三大平台[38]。相比其他开发平台，Hyperledger 平台代表最新区块链技术，高度模块化，支持用户对性能、扩展性和安全性的高度可控，同时允许调用智能合约，使开发人员更有效、更容易地开发智能合约[39-40]。因此本文选用Hyperledger下的Fabric区块链平台进行追溯系统开发。本追溯系统在Windows10操作系统环境下，以Hyperledger Fabric v1.4.0为底层区块链架构，配置Peer节点、orderer节点、CA节点以及通道，并在 IDEA编译器中实现应用开发。系统的硬件和软件开发环境如表4所示。

2.2.3 功能实现

根据追溯系统架构，将追溯系统分为信息采集、信息监管、追溯查询以及系统管理四大模块，采用Vue.js 前端开发框架，以数据驱动和组件化的思想构建用户交互界面。

信息上传者通过账号密码登录系统前端，然后上传农产品相关信息，信息录入接口在收到信息录入请求后便会调用区块链网络中的智能合约，通过智能合约将信息写入区块链网络，以生产企业为例，基本信息上传界面如图7a所示。

表4 系统开发环境

政府部门通过信息监管模块可以管理检测信息、召回问题产品、查询以及审批信息等。以检测管理为例，根据政府部门的需求可以随机选取抽检企业进行任务分配，然后通知被抽检的企业，在完成检测后，可实现检测信息上链存储并对其进行监督审核，如图7b所示。信息监管服务有利于政府部门对产品的品质以及企业的服务质量进行管控。

图8为溯源信息查询基本信息界面，消费者通过扫描产品包装上的二维码或者输入该产品的溯源码可以查询到产品名称、品种、品牌、溯源码、区块链哈希值以及上链时间戳等基本信息。此外，消费者还可以通过查看溯源信息了解更多关于整个供应链过程溯源详细信息，并且如果发现该农产品存在质量问题，消费者可以通过该模块向有关部门投诉举报，有关部门在收到投诉信息后，会尽快跟进处理。

图8 溯源信息查询界面

3 案例应用分析

改进后的追溯系统在北京市某果品企业进行了测试应用，该企业涉及生鲜水果供应链生产、加工、仓储、物流以及销售等全部环节。

3.1 系统应用性能测试

吞吐量是衡量并发系统重要的性能测试指标，本文采用每秒交易量（Transaction per Second，TPS）来定义吞吐量，结果如图9a所示，随着并发量不断增加，吞吐量不断增加，当并发量达到600时，吞吐量相对较稳定，为了保证数据的客观性，重复6轮测试进行计算，平均吞吐量350 TPS。采用上传关键数据交易类型，将本文提出的“IPFS+区块链”与原有区块链存储机制进行对比，结果如图9b所示，随着数据量的增大，“IPFS+区块链”的存储效率明显高于区块链存储，当关键数据上传到400条时，“IPFS+区块链”存储量趋向于平稳。经测试，当前关键数据下，每秒内可完成40条此交易类型数据并发上链，比现有存储提高14.85%。相较于现有的区块链追溯系统，运用融合HACCP体系的上链机制后，改变了现有农产品追溯系统上链信息冗余、混乱的问题，并且进一步减轻信息上链负担的同时也缓解了区块链的存储压力，增强数据安全性，满足该企业果品溯源应用的性能需求。

3.2 系统应用效果分析

改进后的上链机制，关键信息通过物联网设备自主获取，信息真实性、有效性和可控性效果显著，并且上链后的信息经过实时监控，智能预警，可以快速发现问题。在对该企业为期三个月的监测中，共发现9起轻警事件、4起重警事件，如图10所示。通过对事件发生的原因进行分析，发现轻警事件主要是该企业在果品种植过程中农药使用不规范，累计用药量的有效成分超过允许的最大值，重警事件主要是在质量安全预警模型中，对食品安全的抽取检验合格率低引起的。企业通过使用该系统，实时监控产品，在问题发生初期采取措施解决问题，帮助企业减少损失和风险，也提高了产品质量和安全。

注：TPS为每秒交易量。

图10 安全预警反馈情况

3.3 不同方案对比分析

如表5所示，将本研究提出的方案与相关研究提出的方案进行对比，通过对比结果可以看出，应用区块链技术后，追溯系统均解决了去中心化的问题。相比文献[19]和[22]基于HACCP中的关键限值对上链数据进行质量判断，文献[20]利用HACCP分析确定上链前的溯源信息，文献[21]基于HACCP分析供应链关键环节，但均没有解决区块链存储和上链后的安全预警问题。本文融合HACCP体系改进区块链上链机制，结合HACCP解决区块链存储限制，构建预警模型解决上链后的安全预警问题，改进后的上链机制更加全面，安全可靠，可有效保证农产品质量安全。

表5 不同方案比较

4 结 论

1）本文针对现有农产品区块链追溯系统存在的问题，以果品为例，融合HACCP体系和区块链技术，提出构建“上链前关键信息挖掘-上链中信息事实判定-上链后信息智能反馈”的上链机制改进方法。改进的上链机制，在技术层面进一步提升溯源信息的完整性、真实性以及专业性，并且有助于减少风险，提高产品安全质量。

2）基于本研究提出的改进方法，编写数据阈值判定合约、数据上链合约、以及数据智能反馈合约三种智能合约实现该上链机制，使数据能够自动化判断、上链以及预警，从而增强数据的安全可信。

3）基于Fabric环境设计开发的追溯系统，在经过现场应用测试，系统平均吞吐量350TPS，每秒内可完成40条关键交易数据并发上链，相较于原有追溯系统提高14.85%，满足溯源的性能需求。同时，从系统的应用效果来看，预警模型可以帮助企业及时发现风险，采取措施，减少损失。

[1] Qian J, Ruiz-Garcia L, Fan B, et al. Food traceability system from governmental, corporate, and consumer perspectives in the European Union and China: A comparative review[J]. Trends in Food Science & Technology, 2020, 99: 402-412.

[2] Regattieri A, Gamberi M, Manzini R. Traceability of food products: General framework and experimental evidence[J]. Journal of Food Engineering, 2007, 81(2): 347-356.

[3] 钱建平，吴文斌，杨鹏. 新一代信息技术对农产品追溯系统智能化影响的综述[J]. 农业工程学报，2020，36(5)：182-191.

Qian Jianping, Wu Wenbin, Yang Peng. Review on agricultural products smart traceability system affected by new generation information technology[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(5): 182-191. (in Chinese with English abstract)

[4] 孙传恒，于华竟，徐大明，等. 农产品供应链区块链追溯技术研究进展与展望[J]. 农业机械学报，2021，52(1)：1-13.

Sun Chuanheng, Yu Huajing, Xu Daming, et al. Review and prospect of agri-products supply chain traceability based on blockchain technology[J]. Transactions of the Chinese Society for Agricultural Machinery, 2021, 52(1): 1-13. (in Chinese with English abstract)

[5] Yang Z, Yang K, Lei L, et al. Blockchain-based decentralized trust management in vehicular networks[J]. IEEE Internet of Things Journal, 2018, 6(2): 1495-1505.

[6] 杨信廷，王明亭，徐大明，等. 基于区块链的农产品追溯系统信息存储模型与查询方法[J]. 农业工程学报，2019，35(22)：323-330.

Yang Xinting, Wang Mingting, Xu Daming, et al. Data storage and query method of agricultural products traceability information based on blockchain[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(22): 323-330. (in Chinese with English abstract)

[7] Ropkins K, Beck A J. Evaluation of worldwide approaches to the use of HACCP to control food safety[J]. Trends in Food Science & Technology, 2000, 11(1): 10-21.

[8] Wallace C A. Food safety assurance systems: Hazard Analysis and Critical Control Point System (HACCP): Principles and Practice[M]//Motarjemi Yasmine. Encyclopedia of Food Safety. Waltham: Academic Press, 2014: 226-239.

[9] Malik S, Krishnaswamy K, Mustapha A. Hazard Analysis and Risk-Based Preventive Controls (HARPC): Current food safety and quality standards for complementary foods[J]. Foods, 2021, 10(9): 2199.

[10] Hu H, Zheng H, Liu S. Determination of navel orange safety production traceability information based on HACCP[C]//5th International Conference on Computer and Computing Technologies in Agriculture (CCTA), Beijing, China, 2012: 368, 140-146.

[11] 夏之云，郭波莉，魏益民，等. 水果产业链追溯关键指标筛选及模块构建[J]. 核农学报，2014，28(5)：890-896.

Xia Zhiyun, Guo Boli, Wei Yimin, et al. Key indicators screening and module establishing for fruit chain traceability[J]. Journal of Nuclear Agricultural Sciences, 2014, 28(5): 890-896. (in Chinese with English abstract)

[12] Wang X, Fu D, Fruk G, et al. Improving quality control and transparency in honey peach export chain by a multi-sensors-managed traceability system[J]. Food Control, 2018, 88: 169-180.

[13] 姜利红，潘迎捷，谢晶，等. 基于HACCP的猪肉安全生产可追溯系统溯源信息的确定[J]. 中国食品学报，2009，9(2)：87-91.

Jiang Lihong, Pan Yingjie, Xie Jing, et al. Determination of the pork safety production traceability system's information based on HACCP[J]. Journal of Chinese Institute of Food Science and Technology, 2009, 9(2): 87-91. (in Chinese with English abstract)

[14] 张京京，李志刚. 基于HACCP的新疆羊肉屠宰加工可追溯系统溯源信息分析[J]. 食品工业，2016，37(10)：118-122.

Zhang Jingjing, Li Zhigang. Traceability information analysis of mutton slaughtering and processing traceability system based on HACCP in Xinjiang[J]. The Food Industry, 2016, 37(10): 118-122. (in Chinese with English abstract)

[15] 王兆丹，魏益民，郭波莉，等. 肉羊屠宰加工阶段溯源指标优化[J]. 食品工业科技，2010，31(10)：334-337.

Wang Zhaodan, Wei Yimin, Guo Boli, et al. Optimization of traceability index in sheep slaughter-process phase[J]. Science and Technology of Food Industry, 2010, 31(10): 334-337. (in Chinese with English abstract)

[16] 任晰，张小栓，穆维松，等. 基于Web的罗非鱼养殖质量安全可追溯系统的设计与实现[J]. 计算机工程与设计，2009，30(16)：3883-3886.

Ren Xi, Zhang Xiaoshuan, Mu Weisong, et al. Traceability system for tilapia breeding quality safety information based on Web[J]. Computer Engineering and Design, 2009, 30(16): 3883-3886. (in Chinese with English abstract)

[17] Rejeb A. Halal meat supply chain traceability based on HACCP, blockchain and internet of things[J]. Acta Technica Jaurinensis, 2018, 11(4): 218-247.

[18] Danish M, Hasan M S. Robust food supply chain traceability system based on HACCP using federated blockchain[J]. KIET Journal of Computing and Information Sciences, 2020, 3(2): 16-16.

[19] 魏立斐，朱嘉英，衡旭日，等. 基于区块链技术和HACCP管理的智能化水产品质量安全溯源系统的设计与实现[J]. 渔业现代化，2020，47(4)：89-96.

Wei Lifei, Zhu Jiaying, Heng Xuri, et al. Design and realization of intelligent quality-and-safety traceability system for aquatic products based on blockchain combined with HACCP management[J]. Fishery Modernization. 2020, 47(4): 89-96. (in Chinese with English abstract)

[20] Li Y, Chu X, Feng J, et al. Blockchain-based quality and safety traceability system for the table grape supply chain[J]. International Agricultural Engineering Journal, 2019, 28(4): 373-385.

[21] Tian F. A supply chain traceability system for food safety based on HACCP, blockchain & Internet of things[C]//International Conference on Service Systems & Service Management, Dalian, China, 2017: 1-6.

[22] 葛艳，黄朝良，陈明，等. 基于区块链的HACCP质量溯源模型与系统实现[J]. 农业机械学报，2021，52(6)：369-375.

Ge Yan, Huang Chaoliang, Chen Ming, et al. HACCP quality traceability model and system implementation based on blockchain[J]. Transactions of the Chinese Society for Agricultural Machinery, 2021, 52(6): 369-375. (in Chinese with English abstract)

[23] 齐彬，周庆奎，周建军，等. 危害分析与关键控制点体系在鲜食苹果供应链中的应用研究[J]. 食品研究与开发，2020，41(18)：131-134.

Qi Bin, Zhou Qingkui, Zhou Jianjun, et al. The application of hazard analysis and critical control point system in supply chain of fresh apple[J]. Food Research and Development, 2020, 41(18): 131-134. (in Chinese with English abstract)

[24] 宫毅. 基于HACCP体系的果蔬类产品冷链物流分析[D]. 佛山：佛山科学技术学院，2020.

Gong Yi. Analysis of Cold Chain Logistics of Garden Stuff Products Based on HACCP System[D]. Foshan: Foshan University, 2020. (in Chinese with English abstract)

[25] 李玉婷. 基于HACCP体系的农产品冷链物流一体化模式研究[D]. 长春：长春工业大学，2014.

Li Yuting. Based on the HACCP System of Agriculture Products Cold-chain Logistics Integration Research[D]. Changchun: Changchun University of Technology, 2014. (in Chinese with English abstract)

[26] 王想. 面向水果冷链物流品质感知的气体传感技术与建模方法[D]. 北京：中国农业大学，2018.

Wang Xiang. Gas Sensing Technology and Modeling Method for Fruit Quality Perception of Cold Logistics[D]. Beijing: China Agriculture University, 2018. (in Chinese with English abstract)

[27] 李雪莲，张夏川，高军涛，等. 支持属性和代理重加密的区块链数据共享方案[J]. 西安电子科技大学学报，2022，49(1)：1-16.

Li Xuelian, Zhang Xiachuan, Gao Juntao, et al. Blockchain data sharing scheme supporting attribute and proxy re-encryption[J]. Journal of Xidian University, 2022, 49(1): 1-16. (in Chinese with English abstract)

[28] Qian J, Wu W, Yu Q, et al. Filling the trust gap of food safety in food trade between the EU and China: An interconnected conceptual traceability framework based on blockchain[J]. Food and Energy Security, 2020, 9(4), e249.

[29] 伍德伦，饶元，许磊，等. 农产品区块链信息可信评估差异化共享模型设计与实现[J]. 农业工程学报，2022，38(11)：309-317.

Wu Delun, Rao Yuan, Xu Lei, et al. Design and implementation of trusted evaluation and differentiated sharing model for agricultural blockchain information[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(11): 309-317. (in Chinese with English abstract)

[30] 章德宾，徐家鹏，许建军，等. 基于监测数据和BP神经网络的食品安全预警模型[J]. 农业工程学报，2010，26(1)：221-226.

Zhang Debin, Xu Jiapeng, Xu Jianjun, et al. Model for food safety warning based on inspection data and BP neural network[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2010, 26(1): 221-226. (in Chinese with English abstract)

[31] Liu Z, Meng L, Zhao W. Application of ANN in food safety early warning[C]//2010 2nd International Conference on Future Computer and Communication, Shanghai, China, 2010: 3, 677-680.

[32] Zou W, Lo D, Kochhar P S, et al. Smart contract development: Challenges and opportunities[J]. IEEE Transactions on Software Engineering, 2019, 47(10): 2084-2106.

[33] 欧阳丽炜，王帅，袁勇，等. 智能合约：架构及进展[J]. 自动化学报，2019，45(3)：445-457.

Ouyang Liwei, Wang Shuai, Yuan Yong, et al. Smart contracts: Architecture and research progresses[J]. Acta Automatica Sinica, 2019, 45(3): 445-457. (in Chinese with English abstract)

[34] Sunny J, Undralla N, Madhusudanan Pillai V. Supply chain transparency through blockchain-based traceability: An overview with demonstration[J]. Computers & Industrial Engineering, 2020, 150: 106895.

[35] 于华竟，徐大明，罗娜，等. 杂粮供应链区块链多链追溯监管模型设计[J]. 农业工程学报，2021，37(20)：323-332.

Yu Huajing, Xu Daming, Luo Na, et al. Design of the blockchain multi-chain traceability supervision model for coarse cereal supply chain[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(20): 323-332. (in Chinese with English abstract)

[36] Qian J, Yu Q, Jiang L, et al. Food cold chain management improvement: A conjoint analysis on COVID-19 and food cold chain systems[J]. Food Control, 2022, 137: 108940.

[37] Zheng Z, Xie S, Dai H, et al. An overview on smart contracts: Challenges, advances and platforms[J]. Future Generation Computer Systems, 2020, 105: 475-491.

[38] Suvitha M, Subha R. A Survey on Smart Contract Platforms and Features//[C]2021 7th International Conference on Advanced Computing and Communication Systems (ICACCS), Chengdu, China, 2021: 1536-1539.

[39] Li W, Nejad M, Zhang R. A Blockchain-Based Architecture for Traffic Signal Control Systems[C]// 2019 IEEE International Congress on Internet of Things (ICIOT), Milan, Italy, 2019: 33-40.

[40] Wang S, Ouyang L, Yuan Y, et al. Blockchain-Enabled Smart Contracts: Architecture, Applications, and Future Trends[C]//IEEE Transactions on Systems, Man, and Cybernetics: Systems, 2019: 2266-2277.

Improvement of the precise up-chain mechanism of the agricultural products blockchain traceability system integrating the HACCP system

Li Jiali1, Chen Yu2, Qian Jianping1※, Zhang Baoyan3, Yang Han1, Chen Qian1

(1.(),,,100081,;2.,,100081,;3.,300192,)

Food safety has been an essential requirement for human survival in recent years. Fortunately, the traceability system can be expected to serve as an important way for the safety of agricultural products. The whole chain information of agricultural products can be traced from the place of origin to the table. The high quality and safety of agricultural products can be obtained to reduce the cost of a food recall, indicating a high increase in consumer confidence. Among them, blockchain technology can be used for trusted traceability without tampering after uploading the chain. It is still lacking in how to determine the information that is uploaded to the chain, and then verify the information before the chain in the current blockchain application. Taking the fruit as an example, the hazard analysis and critical control point (HACCP) system was integrated with blockchain technology to improve the up-chain mechanism in the current blockchain traceability system of agricultural products. Firstly, the up-chain information was mined to extract the five critical control points (CCP1 production, CCP2 processing, CCP3 storage, CCP4 logistics, and CCP5 sales) using the hazard analysis of the fruit supply chain. The limit value was then determined for the information on the chain, according to the key information, determine whether the information on the chain is within the limit value. If it is within the threshold range, the information will be uploaded to the chain.A data anomaly and quality warning model was established to monitor the information after the up-chain at the critical control point in real time, and then to provide intelligent feedback after the chain. Secondly, an improved up-chain mechanism was constructed with the key information mining before the up-chain, the information fact determination in the up-chain, and the information intelligent feedback after the up-chain. After that, three contracts of threshold determination, data upload, and data intelligent feedback were written to realize the improved up-chain mechanism. Thirdly, a traceability system was developed to deploy the architecture and environment using the Hyperledger Fabric platform. Some functions were then implemented, such as the traceability query, security warning, and decision analysis. Finally, the performance of the improved system was verified in a fruit enterprise in Beijing, China. A better performance was achieved in the improved traceability system. Specifically, an average throughput of 350 Transactions per second, and 40 key transaction data were completed concurrently on the chain within seconds, which was 14.85% higher than the original system, fully meeting the needs of the traceability system. In addition, there were a total of 13 early warning notices of risks during the three-month on-site monitoring. The emergency measures were then taken to effectively ensure the quality and safety of products with the cost saving, according to the level of early warning. The findings can provide a strong reference to optimize the blockchain traceability system for the high credibility of key links.

agricultural products; block chain; traceability system; HACCP; intelligent contract

10.11975/j.issn.1002-6819.2022.20.031

TP309.2；TS201.6

A

1002-6819(2022)-20-0276-10

李佳利，陈宇，钱建平，等. 融合HACCP体系的农产品区块链追溯系统精准上链机制改进[J]. 农业工程学报，2022，38(20)：276-285.doi：10.11975/j.issn.1002-6819.2022.20.031 http://www.tcsae.org

Li Jiali, Chen Yu, Qian Jianping, et al. Improvement of the precise up-chain mechanism of the agricultural products blockchain traceability system integrating the HACCP system[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(20): 276-285. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2022.20.031 http://www.tcsae.org

2022-08-03

2022-09-28

国家自然科学基金项目（31971808）；中央级公益性科研院所基本科研业务费专项（CAAS-ZDRW202107）

李佳利，研究方向农业信息技术。Email：lijiali@cau.edu.cn

钱建平，研究员，研究方向农产品绿色供应链与智能化追溯。Email：qianjianping@caas.cn