简介:[目的/意义]针对传统大米品质监管追溯系统中存在的品控数据链机制不够完善、品控信息可追溯程度不足、数据上链效率低及隐私信息泄露等问题,提出一种差分隐私增强的大米区块链品控模型.[方法]首先,结合大米全产业链,设计数据传输流程,涵盖种植、收购、加工、仓储和销售等各环节,有效保证品控数据链的连续性;其次,为解决上链数据量大、上链效率低问题,将大米全产业链各环节关键品控数据存储于星际文件系统(InterPlanetary File System,IPFS),然后将存储完成后返回的哈希值上链;最后,为提高品控模型信息可追溯程度,将种植环节关键品控数据中涉及隐私的部分信息通过差分隐私(Differential Privacy)处理后展示给用户,模糊化个体数据,以提高品控信息可信度,同时也保护了农户种植隐私.基于该品控模型,设计了差分隐私增强的大米区块链品控系统,并在相关大米企业实际运行.[结..
简介:摘要 : 水稻叶片叶绿素含量遥感诊断是实现水稻精准施肥的核心要素。本研究通过分析寒地水稻关键生育期叶片高光谱反射率信息,同时结合 PROSPECT模型叶绿素含量吸收系数,参考借鉴现有高光谱植被指数的构造方法和形式,利用相关性分析、连续投影法、遗传算法优化的粗糙集属性简约法进行高光谱特征选择,提出了仅含有 695、 507和 465nm 3个高光谱特征波段的红边优化指数( ORVI)。与 Index Data Base数据库中其他用于叶绿素含量反演植被指数,包括 ND528,587、 SR440,690、 CARI、 MCARI的反演结果进行了对比分析,结果表明: IDB数据库中的已有 4种植被指数叶绿素含量反演模型的决定系数 R2分别为 0.672、 0.630、 0.595和 0.574; ORVI植被所建立的叶绿素含量反演模型的决定系数 R2为 0.726,均方根误差 RMSE为 2.68,精度高于其他植被指数,说明了 ORVI在实际的应用中,能够作为快速反演水稻叶绿素含量的高光谱植被指数。本研究能够为寒地水稻叶绿素含量高光谱遥感诊断及管理决策提供一定的客观数据支撑和模型参考。