基于地理位置解析的種子溯源雙向動態交互模型及實現

方 鈺，朱靜波，許 學，秦瑞英，郭書普，張立平

?

基于地理位置解析的種子溯源雙向動態交互模型及實現

方 鈺1，朱靜波1，許 學2，秦瑞英2，郭書普1，張立平1※

（1. 安徽省農業科學院農業經濟與信息研究所，合肥 230031； 2. 安徽省農業科學院水稻研究所，合肥 230031）

為更好解決農作物種子溯源問題，幫助生產企業統計分析經營狀況，實現交互式營銷，該文利用種子電子代碼，通過分開錄入售前階段各級分銷信息，分層寫入地理代碼集合，在用戶驗證最小包裝單元時動態解析用戶位置信息，逐層匹配地理代碼集合，構建了種子溯源雙向動態交互模型。用戶通過該模型獲得溯源信息時可選擇互動交流，企業可采集用戶行為數據，推送營銷信息，實現了溯源結果對企業、用戶雙向推送。通過對小麥品種華成3366銷售和反饋2組數據進行相關性分析，其擬合優度為0.997 8，說明企業通過掃碼次數的反饋能較好地促進銷售，有效防止竄貨發生。該模型分層獨立的流通信息，保證了溯源的可靠性；雙向交互性有效地幫助企業指導生產實際，也為監管部門提供了可靠的管理手段。

種子；農作物；模型；種子溯源；位置解析；地理代碼集合；種子電子代碼

0 引 言

作為農業生產的起點和最重要的農業投入品，種子質量安全是糧食安全的前提和保證。發達國家的種子管理工作始于1850年。1939年的《美國聯邦種子法》明確規定了商品種子生產、分級、包裝、標簽、檢驗等環節，從而確立了以標簽為核心的管理理念。消費者根據標簽可以詳細了解種子的質量、等級，并追溯到產地、運輸、銷售等各個環節[1]。

國際上的管理部門大都遵循政府調控市場的原則，這種完善的市場機制讓種子生產企業承擔了較多責任[2]。目前國際種業公司都是研究、開發、生產、加工、銷售一體化，有著完善的信息化手段，所以很少有專門針對農作物種子溯源系統的研究。國外圍繞農產品標簽開展的溯源研究已經結合了RFID電子標簽、GIS系統和云平臺：如Reynosoa等詳細介紹了以RFID標簽為中心的溯源系統整體的電路設計和裝置部署[3]；Abenavoli等針對意大利橄欖油設計了一個基于云平臺的溯源系統，實時匯集供應鏈信息，平臺還提供手機端應用[4]；Bosona等更是探討了當代食品供應鏈追溯過程中遇到的驅動力、社會層面等一系列深層次問題[5]。

而國內由于種子企業眾多，加之農作物品種數目急劇增長，多家繁育、多元經營格局的現實存在，“品種雷同”“套牌”“竄貨”現象時有發生。目前國內種子溯源系統的架構大都由食品工業轉型，存在不能適應種子溯源周期長、流通地域單一、企業信息化水平低等問題。加之種子行業的監管和執法具有特殊性，這些都要求能有與之相適應的溯源體系出現。國內種子溯源相關領域目前有馮軍等提出的基于二維碼的種子溯源信息系統，闡述了建立種子溯源的必要性[6]；李巖等提出的基于私有云的種子追溯管理平臺，從技術層面設計了處理復雜集群數據的追溯平臺[7]；莫學值等針對種質資源庫建立了一套基于二維碼的溯源管理系統[8]；黃慶林等設計了基于RFID的棉種質量安全溯源系統[9]。

大量試驗數據表明目前的種子溯源系統還停留在信息的單向傳遞階段：即僅由生產廠家將種子的生產流通情況通過標簽傳遞給消費者，其提供信息的完整性和正確性往往得不到及時地反饋和驗證：如存在多級銷售網絡的流通信息不全、種子查詢地域性不明確等問題；同時溯源信息的可靠性缺乏可信依據，需要消費者自身判斷。另一方面，大量的溯源回饋信息（包括消費者掃碼時的位置信息、分銷商流通信息等）相互分層隔離，企業缺乏適合自己的信息分析系統，將這些數據用來指導生產和改善供應鏈。朱燕妮等針對黑茶設計的雙向溯源模式提出利用二維碼標簽收集銷售信息，但并未涉及對溯源信息的動態交互與驗證[10]，也未對生產銷售數據進行有效地判別和分類。由此本文參照目前主流產品防偽驗證技術，結合種子自身的銷售流通特點，建立了基于位置解析的種子溯源雙向動態交互模型。

1 雙向動態交互模型的構建

試驗表明溯源信息可以不局限于單向地證明產品的身份和來源。企業利用物聯網技術手段，在提供給廣大農戶最小包裝單元的相關產品信息和流通信息的同時，可以利用最終用戶的查詢動作來獲取相關的銷售情況信息，甚至可以形成交互，進而形成相關的產品銷售數據積累，再通過相應的查詢比例、特定的銷售時間范圍來映射某個品種或某個時期的銷售情況，利用數據分析，指導實際的生產投入和供應鏈策略[11]。

1.1 模型總體架構

雙向動態交互模型部署在用戶和企業溯源數據中心之間，由2條數據流組成。用戶端可利用最小包裝單元上的種子電子代碼動態解析位置信息，從而完成供應鏈數據的雙向流動；企業端可以利用溯源數據中心采集、分析和管理用戶數據、供應鏈數據和企業內部數據，完成交互數據的雙向流動。模型架構如圖1所示。

圖1 雙向動態交互模型整體架構圖

1.2 地理代碼集合及其關系

商品種子由于其特殊性和地域性，在流通過程中指向性明顯，某批次的產品會通過分銷商限定在一定地域內銷售，由于各級分銷商存在價格差（主要是依據當年訂貨量和銷售總量），竄貨行為難以避免[12]。從企業角度看，價格混亂將使中間商利潤受損，導致廠家失信于經銷商，直至分銷商拒售；從消費者角度看，種子商品事關農事生產，可靠的渠道是日后維權的重要保證。模型中的地理代碼集合正是針對這種情況設計。

地理代碼集合寫入的信息分為2個部分，一部分是分銷商信息，包含公司名稱、地址、電話等；另一部分為這個層級分銷商所負責的片區地名。以安徽省安慶市轄桐城為例說明三級分銷系統地理代碼集合：省級經銷A集合，可以寫入安徽；地市級分銷B集合可以寫入安慶市。針對某些合法跨區銷售的分銷商，每一層級的集合允許寫入多個平行的地名，例如省級分銷的A集合，可以平行寫入安徽、江蘇、浙江，縣級分銷C集合可以寫入懷寧、宿松和桐城（3個縣都屬于安慶市）。如果產品流通中沒有經歷市級或者縣級的路徑就零售到最終用戶，則對應級別的集合內容為空。三級分銷地理代碼賦值過程如圖2所示。

圖2 三級分銷地理代碼賦值過程

模型要求商品種子在廠家出庫時只能錄入A集合的內容，即由庫存狀態改寫為省級分銷商信息，對應A集合內容由為空（庫存狀態）變為省級分銷地理代碼（出庫狀態）。這種情況下，種子電子代碼將關聯上A集合的內容。接下來，種子有可能會從省級分銷這一層流入消費者手中，那么B和C集合將會沒有內容（為空）；另一種情況是最小包裝進入地市級分銷，由地市級分銷錄入B集合內容，以此類推到第3層的縣級分銷。如果最小包裝單元是正常流通到消費者手中，那么生產銷售賦值順序應該是A→B→C的過程。這里，模型的規則是三級分銷在各自賦值時相互獨立，廠家只負責賦值A，并不知道B和C是否有值和值的內容，同理適用于地市級分銷。整個流通信息鏈的尾部會設置一個標志位flag，只有最終用戶通過掃描查詢最小包裝單元的種子電子代碼這一動作才能激活這個標志位。當標志位被激活，整個流通信息鏈會被允許雙向查詢，即從消費者和廠家兩端可以獲取數據和信息互動。

1.3 動態位置解析

位置解析分為2種情況，一是用戶掃碼時同意上傳自己的位置，由經緯度參數返回詳細地址。利用百度數據庫的數據目前可以定位到街道級別，以JavaScript語言為例說明（Point為經緯度參數）。

首先定義接口：

getLocation (point:Point, callback:function[, options: LocationOptions])

對指定坐標點進行反向地址解析。解析成功回調函數的參數GeocoderResult對象，否則回調函數的參數為null。示例代碼如下：

var gc = new BMap.Geocoder();

map.addEventListener("click", function(e){

var pt = e.point;

gc.getLocation(pt, function(rs){

var addComp = rs.addressComponents;

alert(addComp.province + ", " + addComp.city + ", " + addComp.district + ", " + addComp.street + ", " + addComp. streetNumber);

});

});

這時模型獲得3個級別的位置信息，省、市和縣。可以用于對應解析3個級別的集合信息。

第2種情況，利用用戶掃碼時聯網的IP地址轉換成位置信息，再解析成地名字段。這方面國內有很多完善的IP地址轉換地理位置數據庫，但由于IP地址的復雜性（代理或者偽裝等），不推薦使用。

1.4 最小包裝單元溯源信息動態驗證與交互

假設用戶掃碼溯源的發生地點為d，經過動態位置解析我們得到d?C集合。

因為各級分銷的地理代碼集合層次逐級包含，d最終嵌套在3層集合里，保證了查詢的有效性。由于flag在查詢時被激活，整個銷售信息的匹配過程會依次開始。查詢過程說明如下：首先比對最底層的經銷商地理代碼集合C。但如果用戶直接從地市級分銷購買，則3層關系中最底層C為空，模型將從第2層的B集合進行比對；同理第2層B為空時，將直接在首層的A集合查找并返回A。如果A為空，意味著該包裝為庫存狀態，這時會給出預警信息。而非空返回值的其他3種情況將遵循由小集合向大集合逐層查找先匹配先返回相應層次的集合內容。最終用戶層面將看到完整的銷售鏈信息（包括3個層次的公司名稱、地址、聯系電話等）。所以消費者查詢時是按照由最小集合C→B→A的層次關系來逐層進行匹配的。模型結構如圖3所示。

考慮到多級分銷商的存在，地理信息采用由小到大的查詢機制，中間的層級可以根據實際情況自定義，以上原理說明僅以3層為例。

1.5 企業端溯源信息雙向動態交互模型

企業端溯源信息雙向動態交互模型由采集層、數據共享分析層和應用表示層構成。其體系結構如圖4所示。

圖4 企業端溯源信息雙向動態交互模型

采集層負責收集用戶行為數據、供應鏈數據、企業內部數據和其他數據。用戶行為數據是指flag標志被激活的溯源信息鏈，用戶端被采集的基本信息包括掃碼時間、經用戶同意以后的地理位置信息（由GPS確定或者由用戶移動端上網IP轉換的位置信息）。擴展信息是通過與用戶交互收集，包括用戶的個人資料、消費習慣和傾向、對產品的建議和反饋幾大類；供應鏈上采集的信息以企業分銷結構為基礎，是企業分銷數據的對比收集，包括各級分銷商錄入數據庫的產品流通信息；企業內部數據即生產流通平臺數據和人力資源等數據，采集層通過訪問企業相關數據接口獲得。

數據共享分析層提供數據存儲、數據轉換和共享功能。該層在現有SQL數據庫的基礎上，利用NoSQL數據庫（如HBase、TTServer等）改善數據存儲，解決現有系統處理海量并發數據能力差的問題，并提高實際運行中數據維護和管理能力[14]。對于采集層傳送來的大量數據，共享分析層首先進行知識分類管理[15]，即在數據分析挖掘的基礎上進行數據篩選。通過處理應用表示層傳來的定制化要求對數據進行歸類匯總，比如對溯源信息進行分品種、分經銷商、分時段、分地區篩選，該層還可以實時給出定制化的統計數據，生成各種風險預測數據[16]。通過數據轉換將這些定制化要求的數據轉儲在數據庫中，提供給應用表示層。

應用表示層直接面向企業用戶，利用Hybrid App（混合模式移動應用）框架開發跨平臺的移動應用程序，滿足現場生產環境下的應用場景需求[17]。表示層除了提供數據接口管理、預警模型管理、業務流程管理等基本功能外，整合了交流互動管理，可以定制化管理和消費者交互的內容；企業門戶管理、社交公眾號管理和銷售傳播管理為企業溯源數據中心提供更加強大的擴展功能，適應信息化和自媒體時代的需要[18]。應用表示層還提供各種數據的可視化查詢，同時為多終端應用提供數據接口。

2 種子溯源雙向動態交互模型的實現

2.1 種子身份證和種子電子代碼

2012年圍繞種子品種全產業鏈的信息需求和溯源要求，創建了種子物聯網（http://www.seediot.com/）綜合信息平臺[19]。利用種子身份證和種子電子代碼實現了商品種子最小包裝單元一袋一碼。該平臺搭載的種子溯源系統提供移動端和PC端溯源信息查詢。

農作物品種身份證定義了水稻、小麥和玉米的品種身份證編碼原則[20]。通過商品碼、指紋碼和補充碼3個部分（不超過55位字符）準確唯一地標識了流通中的農作物種子身份。考慮到不同作物種子品種核心引物對數的差別，在品種DNA指紋碼部分，根據核心引物的試驗電泳值轉換成數字或字母（1,2，...，9；A,B，...）來表示，預設20～40位。補充碼部分表示品種可能攜有的特異基因信息,設計為字母“T”“S”“M”和“N”，分別代表“轉基因”“分子標記輔助選擇”“誘變”和“非轉基因”的品種[21]。為種子的溯源信息標準化奠定了基礎，編碼結構如圖5。

圖5 農作物品種身份證編碼結構

基于種子身份證的種子電子代碼是最小包裝單元種子的唯一標識，也是所有溯源信息的重要載體。在種子身份證簡化碼（5位）前加上廠商識別代碼（即廠家組織機構代碼，現已逐步變更為全國統一社會信用代碼），尾部加上4位時間戳和9位隨機碼后綴[22]。以安徽荃銀高科種業股份有限公司的徽兩優898的種子電子代碼為例：91340100740872226E為廠商識別代碼，00017為徽兩優898身份證簡化碼，168V為時間戳，加上隨機碼，結合溯源網址頁面地址，生成二維碼，如圖6所示。掃描圖中的二維碼即可打開相關溯源網頁信息，這時系統將經過用戶同意采集經緯度位置信息。

圖6 農作物種子電子代碼

2.2 模型的實現

2014年至今平臺共生成電子代碼數據1 104.4萬條（統計數據截止到2017年6月30號），全部印制在種子最小包裝單元上在市面流通，溯源信息涉及11家生產企業，36個品種。在用戶掃碼查詢信息的同時，經過用戶同意記錄了最小包裝單元被掃碼查詢的位置信息，并給用戶返回該種子電子代碼被查詢的次數信息。

圖7給出了2個品種被掃碼溯源的地理分布信息（通過Power BI Desktop生成）。分別是安徽華皖種業有限公司（位于安徽合肥）的玉米品種華皖267；安徽華成種業股份有限公司（位于安徽宿州）的小麥品種華成3366。

圖7 2個品種電子代碼掃描溯源的地理分布圖

以掃碼次數最多的小麥品種華成3366為例。選取9個縣為樣本（應企業要求隱去具體地名，以字母A～I表示），模型將企業的銷售數據和系統運行期間收集的用戶掃碼反饋信息進行統計（統計數據為2016年6月30號到2017年6月30號），如表1所示。

表1 華成3366掃碼次數與銷售量統計表

注：A~I代表選取的樣本縣。

Note: A~I represent the selected sample county.

將2組數據進行相關性分析：設為銷售數據，為掃碼數據，構建理論方程ln=ln+。表2給出了相關性估計結果。方程的值為3 754.69，擬合優度為0.997 8，方程估計的整體效果較好。ln=0.956 5ln+0.235 5，＜0.01說明該變量至少在1%的水平上通過顯著性檢驗，即當掃碼反饋次數增加1%時，銷售增加0.956 5%。此結果說明企業通過掃碼次數的反饋能很好地促進產品的銷售，也表明種子溯源雙向動態模型可以很好地幫助企業掌握產品的銷售情況，指導生產投入品計劃和用工管理。

表2 銷售與反饋數據估計結果

注：*** 表示通過1%的顯著性檢驗。

Note: *** represents the value through significance test at 1% level.

企業端溯源數據中心目前處于試運行階段，運行界面如圖8所示。

圖8 企業端種子溯源數據中心運行界面

其中模型預警信息主要提供分銷商銷售情況和消費者反饋記錄的比對。對于地理代碼集合相同層面的跨區經銷商來說，相同覆蓋范圍內的銷量直接影響到企業對產品銷售布局的合理劃分。

模型中采集的地理位置信息主要由用戶的智能手機提供，目前iOS和Android操作系統的智能手機都集成了GPS模塊，主流手機還搭載A-GPS定位技術[23]。其提供的位置信息精度雖然遠低于測量型GPS接收機的厘米和分米級別，但大都能在5～10 m精度[24]。模型將接收到的14092條位置信息（統計數據截止到2017年6月30號）通過算法轉換成地理區域信息，其中僅有21條無法轉換成合適的地名字段，原因全部是掃描位置發生在兩地交界出，界限模糊。模型地理代碼位置轉換率約為99.851%。能基本滿足企業采集分析反饋信息的要求，有效避免竄貨風險。

模型數據庫目前架設在阿里云位于杭州的實例，數據帶寬為10 Mbps。目前掃碼查詢時的流量消耗主要是載入顯示產品包裝圖片信息。庫中36個品種的產品圖片均以JPG格式存儲，文件平均大小為100 KB左右。模型運行期間最高并發查詢數為95條，遠低于同時處理一萬條的設計標準。試運行期間服務器月平均宕機次數約0.27次，安全運行天數比為99.087%（按實際運行36個月計算），能滿足企業溯源穩定性的要求。

用戶掃碼時移動端上網速度主要取決于運營商提供的網絡服務，以移動4G為例[25]，下載約在50 Mbps，上行約在25 Mbps，能完全滿足溯源頁面KB級別的流量要求。所以模型的信息采集部分能較好的在現有網絡環境中運行。

3 雙向動態交互模型與傳統溯源模型分析與比較

早期的可追溯系統多應用于工業產品召回制度中，如汽車、飛機等。20世紀70年代以來，食品安全問題成為人們關注焦點，實施農產品可追溯也顯得愈發重要。目前農產品的可追溯系統在國內外已經開展了較多的研究。傳統追溯系統強調產品的唯一標識和全過程追蹤，即我們常說的一物一碼[26]，標識自然成為溯源信息鏈的唯一入口。企業現代化營銷手段之一就是加強和消費者之間的互動，通過對個體層次消費者的信息進行收集，利用這些數據構建信息密集型的消費營銷策略。在供應鏈數據方面，通過收集和分析反饋數據，能有效地調整產品布局，優化分銷網絡結構，適當地規避市場風險[27]。

例如2012年美國Driscoll’s漿果公司提出的“Delight Platform”計劃[28]。消費者通過掃描新式的QR碼并完成互動推送的調查問卷就能告知公司購買體驗。問卷內容覆蓋產品外觀、口感、滿意度和包裝分銷等各個方面。僅2015年就收到550 000份調查問卷。公司利用這些數據及時地優化供應鏈結構，將消費者需求直接用于改善產品品質。公司同時結合天氣信息開發了分析模型，給出漿果產品的風險指數，減少庫存和退貨風險。

本文提出的基于位置解析的溯源信息雙向動態交互模型正是借鑒了國內外農產品溯源的廣泛經驗，并結合商品種子的生產流通的特殊性。消費者查詢時能動態的驗證，從而避免竄貨風險，利用交互式技術還可以實現互動交流，打通整個供應鏈條上的信息壁壘；生產經營企業通過溯源能有效地收集產品信息，實時地了解產品流通情況和消費滿意度，從而更好地指導生產。該模型應用在商品種子上，將一物一碼的概念延伸開來，實現了信息的交互，使產品包裝成為信息感知的入口[29]。該模型利用移動互聯技術將物質和信息更加緊密地聯系在一起，從而提升了農業生產的信息化和現代化水平。

表3給出了傳統溯源模型與雙向動態溯源模型的功能比較。

表3 雙向動態交互模型與傳統溯源模型對比表

因此相比傳統溯源模型，雙向動態交互模型為企業提供了更加智能化的產品管理方法和生產指導手段[30]。

4 討 論

本研究針對流通種子生產實際設計，模型的部署和應用涉及企業端和用戶端雙方。種子企業的生產流通信息化水平參差不齊，安徽省目前正在建設省內的種子生產流通系統[31]，如何將模型應用于企業，定制化提供種子溯源服務是模型實際運行的前提；用戶段主要是消費者的掃碼習慣和移動應用環境，目前大多數用戶是利用微信端查詢，未來將利用公眾號內的小程序來試驗和完善動態交互溯源信息模型[32]。隨著各項功能的測試，還將基于模型的應用表示層開發專用的移動端應用，提供給企業和監管部門。

溯源是產品的一項重要附加值，但流通過程中的復雜性和社會性不是單純依靠技術可以解決的。雙向動態交互模型僅僅從產品分銷路徑節點出發解決信息交互的問題。企業端仍然存在碼源管理、大小袋自動賦碼、企業信息化、物流環境監管等諸多問題。這些都是一套完整的溯源系統必須考慮的因素，所以農產品尤其是種子溯源還有很長的路要走。

5 結 論

本文在傳統溯源系統的基礎上，針對商品種子提出了一種基于位置解析的溯源雙向動態交互模型。該模型在流通信息采集時分級錄入區域代碼字段，在用戶掃碼驗證過程中收集位置信息，再通過兩者動態比對，雙向給出驗證結果。一方面消費者能互動地驗證溯源信息，實時給出反饋結果；另一方面，模型將用戶信息和各級經銷商信息進行實時有效地采集，企業可通過收集這些動態回饋信息，掌握商品種子流向，統計各級分銷的經營數據，有效調度和管理供應鏈平臺，通過與生產端信息的比對分析企業還能進行風險預警。該模型利用地理位置動態解析、移動互聯、計算機網絡等技術，在目前一物一碼的基礎上對種子的銷售流通溯源信息進行深度細化和分析，不僅保證了信息的安全性、可靠性和完整性，更提供了智能化地信息管理方法和手段。模型試運行期間的地理代碼位置轉換率，網站安全運行天數比等技術指標保證了系統的實際運行可靠性，能有效地幫助企業預防竄貨行為的發生，在有效提高商品種子最小包裝單元防偽性的同時，為農戶和監管部門提供了便利，使種子商品邁入智慧時代。

[1] 霍學喜. 國外種子產業發展特征及其管理體制分析[J]. 科技導報，2002(3)：49－52.

[2] 李恩普，毛雪飛. 國外種子質量檢驗體系發展現狀與啟示[J]. 中國種業，2011(8)：8－11.

[3] Reynoso W E C, Aguilar L J. Traceability and inventory online by integrating GPS and RFID in a geographic information system “GIS”[J]. American Scientific Research Journal for Engineering, Technology, and Sciences, 2015, 14(1): 107－118.

[4] Abenavoli L M, Cuzzupoli F, Chiaravalloti V, et al. Traceability system of olive oil: A case study based on the performance of a new software cloud[J]. Agronomy Research, 2016, 14(4): 1247－1256.

[5] Bosona T, Gebresenbet G. Food traceability as an integral part of logistics management in food and agricultural supply chain[J]. Food Control, 2013, 33(1): 32－48.

[6] 馮軍，謝振明，丁一，等. 種子溯源必要性及利用二維碼技術的實現[J]. 農業科技通訊，2015(10)：7－8.

[7] 李巖，李東明，苑超. 基于私有云的種子追溯管理平臺的研究[J]. 中國農機化學報，2016，37(9)：154－158.

Li Yan, Li Dongming, Yuan Chao. Research on seed tracing management platform based on private cloud[J]. Journal of Chinese Agricultural Mechanization, 2016, 37(9): 154－158. (in Chinese with English abstract)

[8] 莫學值，李興無，蔣娟，等. 廣西農業科學院種質庫溯源信息管理系統設計與實現[J]. 輕工科技，2016(6)：83－85.

[9] 黃慶林，張立新，焦玉聰，等. 基于RFID技術的棉種質量安全溯源系統[J]. 江蘇農業科學，2016，44(5)：395－400.

[10] 朱燕妮，雷堅，龍陳鋒. 基于雙向追溯模式的黑茶防偽溯源系統的構建[J]. 湖南農業大學學報:自然科學版，2014，40(5)：552－555. Zhu Yanni, Lei Jian, Long Chenfeng. A dark tea anti-counterfeiting traceability system build based on bidirectional model[J]. Journal of Hunan Agricultural University: Natural Sciences, 2014, 40(5): 552－555. (in Chinese with English abstract)

[11] Shin Kwangyong，楊靜，Kim Hongwoo，等. 互動式整合營銷傳播在供應鏈管理中的應用模式研究[J]. 物流技術，2012，31(7)：304－308.

Shin Kwangyong, Yang Jing, Kim Hongwoo, et al. Research on application mode of interactive integrated marketing Communications in supply chain management[J]. Logistics Technology, 2012, 31(7): 304－308. (in Chinese with English abstract)

[12] 高潔. 種子企業占主導的種子分銷渠道利潤分配博弈分析[J].種子，2014，33(6)：61－64.

[13] Thomas Jech. Set Theory[M]. 北京：世界圖書出版公司，2007.

[14] Pramod J. Sadalage, Martin Fowler. NoSQL精粹[M]. 北京：機械工業出版社，2013.

[15] 王昊，谷俊，蘇新寧. 本體驅動的知識管理系統模型及其應用研究[J]. 中國圖書館學報，2013,39(2)：98－110.

Wang Hao, Gu Jun, Su Xinning. Research on the model and its application of ontology-driven knowledge management system[J]. Journal of Library Science in China, 2013, 39(2): 98－110. (in Chinese with English abstract)

[16] 顏波，石平，丁德龍. 物聯網環境下的農產品供應鏈風險評估與控制[J]. 管理工程學報，2014,28(3)：196－202.

Yan Bo, Shi Ping, Ding Delong. Risk assessment and control of agricultural supply chain on internet of things[J]. Journal of Industrial Engineering and Engineering Management, 2014,28(3): 196－202. (in Chinese with English abstract)

[17] 王榮海. 基于Hybrid App技術的企業移動應用系統構建研究[J]. 軟件工程，2016，19(7)：46－49.

Wang Ronghai. Research on the construction of enterprise mobile application system based on hybrid app technology[J]. Software Engineering, 2016, 19(7): 46－49. (in Chinese with English abstract)

[18] 龍桂杰. 企業自媒體的營銷傳播策略[J]. 新聞與寫作，2015(9)：110－112.

[19] 方鈺，張立平，郭書普，等. 構建種子物聯網的探索與實踐[J]. 安徽農業科學，2014，42(28)：10003－10006.

Fang Yu, Zhang Liping, Guo Shupu, et al. Practice and research for building the internet of crops seed things[J]. Journal of Anhui Agricultural Sciences, 2014, 42(28): 10003－10006. (in Chinese with English abstract)

[20] 農作物品種身份證編碼規范DB34/T2082-2014[S]. 2014-02-17.

[21] 陸徐忠，倪金龍，李莉，等. 利用SSR分子指紋和商品信息構建水稻品種身份證[J]. 作物學報，2014，40(5)：823－829.

Lu Xuzhong, Ni Jinlong, Li Li, et al. Construction of rice variety indentity using SSR fingerprint and commodity information[J]. Acta Agronomica Sinica, 2014, 40(5): 823－829. (in Chinese with English abstract)

[22] 張立平，方鈺，董偉，等. 農作物種子電子代碼的實現與應用[J]. 貴州農業科學，2015，43(11)：209－211.

Zhang Liping, Fang Yu, Dong Wei, et al. Implementation and application of crop seeds electronic code[J]. Guizhou Agricultural Sciences, 2015, 43(11): 209－211. (in Chinese with English abstract)

[23] 陳銳志，陳亮. 基于智能手機的室內定位技術的發展現狀和挑戰[J]. 測繪學報，2017，46(10)：1316－1326.

Chen Ruizhi, Chen Liang. Indoor positioning with smartphones:the state-of-the-art and the challenges[J]. Acta Geodaetica et Cartographica Sinica, 2017, 46(10): 1316－1326. (in Chinese with English abstract)

[24] 畢京學，甄杰，郭英. Android手機GPS和A-GPS定位精度分析[J]. 測繪通報，2016(7)：10－13.

Bi Jingxue, Zhen Jie, Guo Ying. Accuracy of GPS and A-GPS positioning on Android Phone[J]. Bulletin of Surveying and Mapping, 2016(7): 10－13. (in Chinese with English abstract)

[25] Erik Dahlman, Stefan Parkvall, Johan Skold. 4G LTE/LTE- Advanced for Mobile broadband (second edition)[M]. 北京：人民郵電出版社，2015.

[26] 俞建國. 構建基于一物一碼的防偽溯源新生態[J]. 標簽技術，2016(4)：33－36.

[27] 蘇維宣. 淺析農業生產者應如何應對產品價格周期性波動的市場風險[J]. 財經界，2016(2)：53－54.

[28] Driscoll's 運用食品遡源技術收集消費者反饋[EB/OL]. 國際果蔬報道，http://www.guojiguoshu.com/article/3054, 2017-04-18.

[29] 陳瑩，張友華，郭書普，等. 基于智慧包裝的小麥種子防偽預警系統設計與實現[J]. 安徽農業大學學報，2016，43(6)：1033－1038.

Chen Ying, Zhang Youhua, Guo Shupu, et al. Design and implementation of wheat seeds anti-counterfeiting early warning system based on wisdom packaging[J]. Journal of Anhui Agricultural University, 2016, 43(6): 1033－1038. (in Chinese with English abstract)

[30] 烏爾里希·森德勒. 工業4.0:即將來襲的第四次工業革命[M]. 北京：機械工業出版社，2014.

[31] 高琪娟，張友華，辜麗川. 基于物聯網技術的農作物種子物流平臺建設[J]. 洛陽理工學院學報：自然科學版，2015，25(2)：47－50.

Gao Qijuan, Zhang Youhua, Gu Lichuan. Logistics platform development of crop seeds based on IOT[J]. Journal of Luoyang Institute of Science and Technology: Natural Science Edition, 2015, 25(2): 47－50. (in Chinese with English abstract)

[32] 劉紅衛. 微信小程序應用探析[J]. 無線互聯科技，2016(23)：11－13.

Liu Hongwei. Analysis on application of WeChat small program[J]. Wireless Internet Technology, 2016(23): 11－13. (in Chinese with English abstract)

Bidirectional dynamic interaction model of seed traceability based on location analysis and its implementation

Fang Yu1, Zhu Jingbo1, Xu Xue2, Qin Ruiying2, Guo Shupu1, Zhang Liping1※

(1.,,230031,; 2.230031)

Agricultural product safety concerns the national economy and the people's livelihood. From the starting point of agriculture production, the quality and safety of products, i.e. seeds, are especially important and need to be traced. To realize the traceability of crop seeds and help the production enterprise to analyze the operation status and realize the interactive marketing, in this paper, we constructed a bidirectional dynamic model of seed traceability based on location analysis. Through the seed electronic code, the model divided the traditional logistics information chain data into different sets of geographic codes, which were nested according to the geographical location of the distribution. The commodity seed from the factory to the user will experience a lot of path node, each path node dealer was required to writes its own geographic code. The geographic code contained the company information of the dealers at all levels and the place name information of the sale’s area. In the pre-sale stage of the seed, the geographic code set information was independent of each other. When the end user queried the seed electronic code, the flag was activated and the model started to dynamically analyze the location of the user. By converting the user's latitude and longitude information, this model received the detailed address information, started match the geographical code set of information from small to large, and ultimately found the dealer information or returned warning information. The query action of the user connected the geographical code sets of all levels, and the whole traceability data chain provided the traceability result to both the enterprise and the user at this time. The enterprise-side model consisted of a collection layer, a data sharing analysis layer, and an application presentation layer. When the enterprise obtained the traceability information, it can communicate with users, collecting user’s behavior data, and pushing enterprise marketing information. The enterprise-side model can be combined with supply chain data for data analysis to help improve and guide production. By selecting the data of sales and feedback of Huacheng 3366 wheat in ten counties, the goodness-of-fit was 0.997 8, which showed that the feedback from the code scanning could promote the sales. Among all the 14 092 barcode scanning position information, only 21 of them cannot be converted into the appropriate place name fields, and the model geo-code position conversion rate was around 99.851%, which can basically meet the business requirements of collecting and analyzing feedback information, helped enterprise effectively avoid the risk of transregional behavior. During the 36 months of trial operation, the monthly average number of server downtime was about 0.27 times, and the safe running days ratio was 99.087%, which can meet the requirements of enterprise traceability stability. The model was layered and independent of circulation information, which ensured the integrity, authenticity and security of traceability. The model added the bidirectional interactive data link on the traditional traceability model, so that the enterprise can interact with the user when scanning and obtain the user behavior data and push the marketing information. The model’s commissioning of the geocode location conversion rate, the number of days, the site safe operation and other technical indicators can effectively help companies master the actual operation, effectively prevent the occurrence of the transregional behavior, optimize the enterprise distribution channels, it also provides a more reliable means of information for the regulatory department to manage the seed market.

seed; crops; models; seed traceability; location analysis; geographic code set; seed electronic code

10.11975/j.issn.1002-6819.2017.24.027

S126; TP391

A

1002-6819(2017)-24-0207-08

2017-08-22

2017-12-04

安徽省科技重大專項（15czz03117）；安徽省農科院院長青年創新基金（15B1424）

方 鈺，男，安徽合肥人，助理研究員，主要從事農業信息和農業物聯網研究。Email：tet625@163.com

張立平，男，安徽巢湖人，副研究員，從事農業信息技術研究。 Email：sangold@163.com

方 鈺，朱靜波，許 學，秦瑞英，郭書普，張立平. 基于地理位置解析的種子溯源雙向動態交互模型及實現[J]. 農業工程學報，2017，33(24)：207－214. doi：10.11975/j.issn.1002-6819.2017.24.027 http://www.tcsae.org

Fang Yu, Zhu Jingbo, Xu Xue, Qin Ruiying, Guo Shupu, Zhang Liping. Bidirectional dynamic interaction model of seed traceability based on location analysis and its implementation[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(24): 207－214. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.24.027 http://www.tcsae.org