農產品質量溯源RFID標簽批量識別

王祖良，郭建新，張 婷，李文臣，曹闖樂，于洪濤

農產品質量溯源RFID標簽批量識別

王祖良，郭建新，張 婷※，李文臣，曹闖樂，于洪濤

（西京學院信息工程學院，西安 710123）

在農產品質量溯源中采用批量標簽識別可極大提高系統效率。然而，基于成本和使用壽命的考慮，目前在溯源系統中使用射頻標簽通常選擇無源標簽，標簽之間缺乏協作通道，不可避免會發生標簽碰撞。該研究設計了基于射頻識別技術的農產品追溯系統，針對所設計的追溯系統應用環境，提出一種可自適應動態調整幀長度的動態幀時隙Aloha標簽防碰撞方法。只需在第一幀識別后，利用統計得到的首幀成功時隙、空閑時隙和碰撞時隙數對初始標簽規模進行估計，并據此優化調整后續幀長度，實現最優識別。仿真結果表明，提出的防碰撞算法應用于所設計的農產品追溯系統，識別效率得到了顯著提高，與目前廣泛使用的國際標準相比，全局吞吐量性能提高了30%以上。

農產品；溯源；標簽；批量識別；防碰撞；全局吞吐量

0 引 言

射頻識別（Radio Frequency Identification，RFID）技術由于其具有可非接觸讀取、標簽存儲容量大、所存信息可寫可讀、信息傳輸安全可靠等優勢，已經普遍應用在各種工商業領域當中。特別是作為物聯網的關鍵技術，RFID在農產品追溯與跟蹤中得到了廣泛應用[1-4]，可滿足農產品追溯與跟蹤管理的需要。Wagne等[5]提出在農產品生產和物流運輸全過程通過監測、抽樣等方式校驗食品標簽的數據。相對于傳統的條形碼，將RFID技術引入農產品追溯系統，具有更加靈活、準確的優勢，應用前景更加廣闊[6-7]。Bernardi[8]分析了將射頻識別技術引入農產品跟蹤鏈的可行性，認為RFID編碼空間能夠實現供應鏈全程對所有數據的采集和存儲。

在農產品追溯系統中，尤其在運輸和倉儲過程中，需要對貨運車輛入、出庫時實現整車貨品標簽的批量識別。對頻繁使用的叉車轉運，也需要對整叉車貨品批量識別，以實現搬運、裝載、庫位匹配等自動快速處理。標簽批量識別是RFID最明顯的優勢，但是批量識別會產生標簽信號互相干擾，形成標簽碰撞，因此，標簽防碰撞方法是農產品追溯系統中極為關鍵的技術。同時農產品包裝盒大小不等，形狀各異，導致批量識別的規模差異較大，從數十到數千個不等，因此標簽防碰撞方法應適應大動態變化范圍。

標簽防碰撞算法主要分為確定性的二進制搜索算法和采用退避機制的隨機Aloha算法2類，其中Aloha算法由于易于實現而得到廣泛應用。為了提高Aloha算法的性能，學者們相繼提出了時隙Aloha算法、幀時隙Aloha算法和動態幀時隙Aloha（Dynamic Frame Slot Aloha，DFSA）算法。DFSA算法在標簽數動態變化范圍較大的產品溯源應用環境下具有極大的優越性，近年來受到了廣泛的關注[9-12]。例如，Cui等[9]提出了根據標簽個數動態調整幀長以獲得高識別效率的方法；Kim等[10]提出的一種基于沖突時隙和空閑時隙數調整幀長度的DFSA算法具有較高的評估效率；Barletta等[11]證明了當標簽個數與幀長相同時，識別效率最高。EPCglobal C1 Gen2標準采用DFSA算法作為標簽防碰撞方法，采用Q算法動態調整幀長，有效地提高了識別效率。這種動態調整幀長的方法特別適用于農產品可追溯系統等動態標簽群體規模移動的應用環境，但這種方法沒有完全消除空閑時隙，浪費了部分時間資源。為了解決這一問題，研究者們相繼提出了許多改進方法[12-19]。Chen等[13]提出了一種基于預約機制的（Reservation Slot with Multi-Bits Aloha, RSMBA）防沖突協議，將標簽識別過程分為2個階段，通過減少碰撞時隙和消除空閑時隙來換取較少的預約開銷，從而大大提高了識別效率。Wang等[18-19]提出了一種基于非線性估計的動態幀時隙標簽防碰撞方法，和一種基于弦截迭代的自適應動態標簽防碰撞方法，與EPCglobal C1 Gen2標準相比標簽識別效率得到了明顯提高。

本研究設計一個基于RFID的農產品溯源跟蹤系統，批量標簽識別是溯源系統的關鍵技術，而批量標簽識別不可避免會產生標簽碰撞，針對標簽防碰撞方法提出一種新的幀長調整方法，本方法利用首幀識別后的成功識別時隙數、空閑時隙數和沖突時隙數估計初始標簽數，并在后續識別中自動調整幀長度，使全局吞吐量性能最優。

1 農產品溯源系統設計

1.1 溯源模型

農產品追溯系統包括從種殖側到消費側的跟蹤，以及從消費側到種殖側的追溯2個方面。跟蹤是從供應鏈的上游至下游，跟隨一個特定的單元或一批產品運行路徑。追溯是從供應鏈下游至上游識別一個特定的單元或一批產品的來源，通過追溯碼的方法回溯某個農產品種植、養殖、生產加工、運輸以及分發等各個環節。全信息化的跟蹤過程能夠確保產品的流向可控可管，遇到有問題的產品能夠及時限制其流通或召回。另一方面，跟蹤路徑所采集到的信息可以在一定時間內得以完整保存，以提供消費者查詢所購買農產品每個流通環節的詳細信息，以及農產品生長期的農事信息，實現全程可追溯。跟蹤和追溯體系流程如圖1所示。

圖1 農產品質量跟蹤和追溯體系流程圖

如圖1所示，農產品追溯系統包括以下處理環節：

1）農產品種植環節信息處理，即農產品追溯系統的起點，利用RFID技術將每一地塊的施藥、施肥等農事信息，以及采摘信息等與地塊信息進行綁定，并將農事人員信息、農事計劃代碼等強制植入RFID存儲器，為下游進一步完善信息和信息查詢提供原始數據。采摘時只需要利用閱讀器對地塊標簽進行掃描即可獲取本地塊所有種植品種和種植環節的所有信息。

2）加工環節信息處理，在加工好的包裝盒上粘貼RFID標簽，將種植環節信息導入標簽，在此基礎上更新增加本環節信息，包括農藥檢測信息、加工信息、出入庫批次信息等。

3）倉儲環節信息處理，倉儲環節利用加工環節所含信息進行批次管理、入出庫時間及叉車轉運管理，在加工環節采集信息基礎上添加分裝人員信息、分裝流水線號等信息。該環節充分利用RFID技術批量識別優勢實現運輸車輛和轉運叉車的整車批量信息獲取，大幅提高倉儲管理效率，提高倉庫利用率。

4）運輸環節信息處理，增加車輛信息和駕駛員信息，并利用GPS定位、遠程傳輸信道實現貨品批次的遠程位置實時查詢。

5）分發和派送環節信息處理，增加配送信息，提供自動分揀功能。

6）終端消費環節信息處理，在前面各環節基礎上，終端消費環節增加查詢訪問功能，給消費者提供全程追溯功能，保障消費者的知情權。

7）網絡體系結構采用典型的3層物聯網結構，實現種植、收購、加工、流通、銷售等各個環節的個性化信息定制，適應各種復雜的生產流程、信息采集、處理和查詢、統計。信息采集系統用于整個追溯鏈底層信息的采集、基礎數據管理，包括字典維護管理、信息采集、數據上傳等。數據匯總系統用于接收企業數據、匯總，數據管理、查詢分析，產生追溯鏈、數據打包上傳等。

1.2 倉儲環節處理流程

倉儲環節處理流程如2所示。對于鮮活農產品，通常對倉儲環境要求較高，應該減少果蔬等在倉庫的存放時間。對于需要入庫保存的農產品，在貨運車輛入庫時通過入口處固定的閱讀器讀取車內所有商品信息，包裝規格、包裝質量等自動獲取并傳輸至遠端云處理平臺，由云處理平臺處理后根據倉庫特點形成庫存信息，并輸出入貨位等信息，實現貨品與庫位的最優配置。基于RFID技術，從農產品入庫到分揀、叉車轉運、入庫位、出庫位、裝載以及整車出庫，每個環節實現自動化處理，實現智能感知、定位和識別。

圖2 倉儲環節處理流程圖

從上述農產品追溯系統模型可知，在倉儲環節、運輸環節、配送分發等環節都需要采用RFID批量識別，尤其在倉儲環節的車輛入出門、貨品流水線分揀、叉車轉運、庫存盤點等多個具體環節，標簽批量識別性能對追溯系統的處理效率起著重要的作用。

2 批量標簽識別信息獲取方法

在上述溯源模型的中間環節，尤其倉儲環節需要對大量標簽進行批量識別。批量標簽識別在同一時刻會有多個標簽向閱讀器發送信息，無線電波會發生碰撞，導致識別失敗，需要采取標簽防碰撞方法實現批量標簽識別。Aloha算法是被廣泛使用的標簽防碰撞方法。Aloha算法是一種信號隨機接入的方法，其采用電子標簽控制方式，即電子標簽一旦進入閱讀器的作用范圍內,就會自動向閱讀器發送自身的序列號并與閱讀器開始產生通信，如果在一個電子標簽發送數據的過程中，其他的電子標簽也在發送數據, 那么發送的信號就會重疊引起碰撞作用，當閱讀器檢測到碰撞產生就會發送命令，讓其中一個電子標簽暫停發送數據, 隨機等待一段時間以后再重新發送數據。由于每個數據幀的發送時間只是重復發送時間的一小部分，以致在2個數據幀之間產生相當長的間歇，因此，會存在著一定的概率使2個標簽的數據幀不產生碰撞，但正是因為時間間歇問題的存在，使得80%以上的數據通路沒有被利用。該方法實現防碰撞的效率代價較高，然而因為Aloha 算法實現簡單，并且適于標簽數量不定的場合，所以目前廣泛用于電子標簽系統的防碰撞方法中。為了提高Aloha 算法的吞吐效率，針對Aloha 算法形成了許多變型算法，包括時隙Aloha算法，幀時隙Aloha算法和動態幀時隙Aloha算法等，其變型原理均是通過調整傳送信息幀長、時隙等參數。其中動態幀時隙Aloha算法在每幀識別結束后根據剩余標簽數動態調整幀長度，以匹配剩余標簽數實現最優識別。Q算法是一種典型的動態幀時隙Aloha算法，調整策略較為簡單，已在國際標準中推廣使用。剩余標簽數的估計是動態幀時隙Aloha算法實現最優識別的前提，本研究提出一種基于首幀識別標簽數估計初始標簽的動態幀時隙Aloha算法。

2.1 Q算法

從上面建立的農產品追溯系統模型可以看出，在儲運調度環節，尤其是在車輛進出的許多具體環節、流水線中貨物的分類、叉車的運輸和庫存等方面，需要采用批量標簽識別。因此，需要對標簽防碰撞方法進行深入的研究，并根據具體的應用環境提出有效的防碰撞算法。目前射頻識別技術領域廣泛應用的EPCglobal_C1 G2標準采用Q算法動態調整幀長度[20-23]。Q算法動態調整幀長，有效提高了識別效率。調整參數的示意圖如圖3所示。

注：Q為隨機數，用以確定幀長度，Q[0,(2Q-1)]；C為可調步長，；Qfp為浮點數，初值為4，根據響應標簽數調整Qfp值，若響應標簽數=0，Qfp=（Qfp-C），若響應標簽數>1，Qfp=Qfp+C，若響應標簽數=1，Qfp值不變；Qfp=min(15,Qfp+C)表示如果（Qfp+C）<15，則Qfp =（Qfp+C），否則Qfp=15；Qfp=max(0,Qfp-C)表示如果（Qfp-C）>0，則Qfp =（Qfp-C），否則Qfp=0； SC為時隙計數器。

EPCglobal_C1 G2標準采用不等長的幀，與固定幀長的方法相比，有效地提高了識別效率[24]。此外，該算法根據識別時隙、空閑時隙和沖突時隙的數量來確定是否結束當前幀，進一步提高了識別效率。

2.2 基于首幀估計標簽數的DFSA算法（DENFF）

如前所述，Q算法由于采用動態調整幀長度，大幅提高了識別效率，被廣泛采用。但是，Q算法中調整步長在標準里只給出了取值范圍為0.1～0.5，并沒有給出取值的規則，實際應用中如果值過高會頻繁調整幀長度，導致系統不穩定。反之，如果值過低，則會導致調整遲滯無法跟蹤剩余標簽數的變化，降低系統識別效率。本研究提出一種基于首幀識別標簽數估計初始標簽的動態幀時隙Aloha算法，稱為基于在第一幀后進行標簽數估計的DFSA算法（DFSA Algorithm based on Estimation Number of Tags in First Frame，DENFF）算法，該算法基于首幀識別標簽數估計初始標簽，進而動態調整后續幀長度。僅在第一幀結束后估計一次初始標簽數目，此后利用每幀待識別標簽數減去本幀成功識別標簽的結果作為下一幀的幀長度，實現最優識別，標簽數估計方法采用Vogt算法[25]。處理流程如圖4所示。

注：Query(Q0)為開啟一個識別周期的命令，Q0表示第1幀所含時隙數；UIDi是第i個標簽的用戶標識號（i=1，2，…，n），n為初始標簽數；RSi表示第i個標簽產生的隨機數。

假設閱讀器覆蓋范圍內的標簽數為，將個標簽全部識別一次的過程定義為一個識別周期，每個識別周期由若干個識別幀組成，在一個識別幀里，每個標簽只響應一次閱讀器輪詢命令ReadNext，每幀由若干時隙組成，每幀所含時隙個數定義為幀長度，所有標簽的應答均在時隙的起始時刻開始。

處理流程由Query(0)命令啟動識別周期的第一幀識別，0參數為初始參數，收到Query(0)命令后，第個標簽產生一個≤0的隨機自然數RS作為期望響應閱讀器的時隙號，并在閱讀器發送第RS次ReadNext命令后響應閱讀器回傳其用戶識別號UID。

閱讀器利用曼徹斯特編碼識別標簽信號碰撞情況，如果第時隙只有一個標簽響應，則成功識別標簽，該時隙記為成功時隙S，成功時隙計數器N增加1；如果多于一個標簽響應，則發生信號碰撞，該時隙記為碰撞時隙S，碰撞時隙計數器N增加1；如果沒有標簽響應，則該時隙記為空時隙S，空時隙計數器N增加1。

因此，在一幀內成功時隙數的期望值如式（3）所示。

同理，空閑時隙的期望值如式（5）所示。

因為一個時隙只有成功、空閑和碰撞3種情況，所以容易求得碰撞時隙概率如式（6）所示。

碰撞時隙期望值如式（7）所示。

利用Vogt算法可得初始標簽數的估計如式（8）所示[25]。

2.3 識別終止準則

標簽讀取率，即在一個識別周期內對待識別標簽的讀取概率，是衡量批量標簽識別的重要指標。在物理層，由于復雜電磁環境的干擾、天線極化等不確定性，有可能存在接收電磁波能量達不到激活門限的標簽，導致標簽漏讀。本研究主要研究標簽防碰撞協議，假定在所有標簽物理層均能被激活的條件下考察標簽防碰撞性能。在所有標簽均能激活的前提下要求防碰撞算法無遺漏地識別所有待識別標簽，即讀取率為100%。為此，準確判斷待識別標簽是否為0是終止識別過程的重要依據。在實際應用中待識別標簽數對于閱讀器是未知的，無法直接判斷剩余標簽是否真正為0。EPC_global C1 G2標準通過判斷標簽的響應來決定是否結束識別周期，如果發送給定參數的Qurey()命令，沒有標簽響應，即既沒有碰撞時隙發生，也沒有有效標簽被識別，則認為待識別標簽數為0，結束本識別周期。本研究提出的DENFF算法只在第一幀識別結束后估計一次初始標簽，后續幀長度均是根據第一次估計的標簽數減去當前幀之前成功識別的標簽數，作為當前幀的幀長度。這樣，第一幀估計誤差會一直傳遞到最后一幀。當剩余標簽數較少，比如少于10的情況，那么當初始標簽為數千個時，第一次估計誤差有可能大于數十個，誤差>剩余標簽數，則會出現估計剩余標簽數為0，實際剩余標簽數不為0的現象，出現誤判。為了避免這種情況，提出以下幀長倍增算法進行改進。

假設Rep為一自然數，作為循環判斷次數上限，識別終止判斷算法如下：

1）Q=Q-1?N-1；N-1為第1幀成功識別標簽數；

2）如果Q=0并且循環次數Q進行放大處理，Q=2×（Q+1），廣播Frame(Q)命令，轉步驟1，如果Q=0并且循環次數=Rep，則轉步驟4）否則如果Q>0轉步驟3）；

3）開啟新的識別幀；

4）結束識別周期。

3 結果與分析

為了客觀評價本研究提出的DENFF算法性能，選取Vogt算法和Q算法作為比較。Vogt算法提出了基于切比謝夫不等式并最小化幀內實際和理論計算的空時隙數、成功時隙數和碰撞時隙數差來估計標簽數，得到幀內標簽數等于成功識別時隙數加上２倍碰撞時隙數的結論，針對最小化識別延遲，還提出了不同時隙數的幀對應標簽數范圍[25]，該算法計算簡單，并具有較好的性能，得到了廣泛的關注[28]。Q算法被EPCglobal_C1G2標準和ISO18000-6標準采納作為超高頻標簽防碰撞方法推薦使用的DFSA幀長調整算法，并已在世界范圍內廣泛使用[24]。

全局吞吐量性能是衡量RFID批量識別性能的重要指標，全局吞吐量定義為在整個識別周期內完成閱讀器覆蓋范圍內全部標簽識別，傳輸有用信息所占用的時間與識別周期所消耗的總時間之比。采用Monte Carlo方法，對采用本節介紹的標簽數估計DENFF算法、Vogt算法及Q算法的標簽估計算法的全局吞吐量性能進行仿真和比較。Monte Carlo方法過程如下：

在DENFF算法里0值為首幀幀長度的值，而Q算法中變量值為幀長度的以2為底數的對數值，為了保持參數一致性以便于對比，DENFF算法中0設為1 024，而Q算法中變量值設為10（即對應值為1 024）。

根據圖2所示的農產品追溯系統倉儲環節，需要對入出庫區的貨運車輛和轉運叉車進行整車批量識別。以某茶葉質量追溯為例，采用常用的轉運叉車，叉車一次能夠承運5個茶葉運輸大箱，1個大箱裝6個批發小箱，1小箱裝6個最小銷售單元的茶葉禮盒，每個禮盒內壁貼有RFID標簽作為一個識別單元，則對一個轉運叉車的整車批量識別標簽數為180。以西湖龍井茶某規格禮品包裝盒為32 cm×21 cm×8 cm為例，每盒體積為5 376 cm3。以常見的2.5 t箱式貨運車輛為例，以容積為12 m3計算，每輛可以裝載12×106/5 376=2 232個禮品盒。因此防碰撞算法需能夠適應從180到2 232個標簽規模的批量識別，試驗參數：標簽數從100到2 500變化，步長為20。標簽為超高頻電子標簽，符合EPCglobal_C1 G2標準，天線為全向天線，極化方式為圓極化，其激活能量門限固定。此外，茶葉為干貨，含水分極少，不含有金屬成分，因此仿真中忽略茶葉及包裝盒對電磁波的額外衰減。在以上假設條件下，仿真試驗中茶葉擺放位置和方向對識別性能的影響可以忽略。電子標簽存儲器分為4個存儲區，分別是電子產品編碼（Electronic Product Code，EPC）區：存EPC號的區域，系統中讀寫器規定最大能存放8字，可讀可寫；標簽識別號（Tag IDentifier，TID）區：TID 區儲存由標簽生產廠商設定的標簽識別ID號，目前有4字和8字2種ID號，可讀但不可寫；用戶區（User）：讀寫器能存放32字，可讀可寫；保留區（Reserved區）：前2個字是銷毀（kill）密碼，后2個字是訪問（access）密碼，可讀可寫。仿真結果如圖5所示。

由圖5可知，與Q算法相比，DENFF算法全局吞吐量得到了明顯提高，大約提高了30%以上。Vogt算法的性能介于Q算法和DENFF算法之間。

如前所述，待識別標簽數對于閱讀器而言是未知的，因此無法設定最優的0值開啟第一幀識別。將0作為控制參數，分別取0=400、1 000、1 500進行仿真，全局吞吐量如圖6所示。其中，當0=400時，在=400附近吞吐量波動較大；當0=1 000時，在=1 000附近吞吐量波動較大；當0=1 500時，在=1 500附近吞吐量波動較大。即是說在初始值與待識別標簽數相等時吞吐量波動較大，初始值遠離待識別標簽數時吞吐量性能較為平穩。但影響不太明顯，全局吞吐量均在20%～32%之間。這是由于本研究提出的算法在第1幀識別后對初始標簽數進行估計，0的取值只影響第1幀的識別效率，從第2幀開始即動態調整幀長度實現全局吞吐量最優化識別。因此實際應用中0值的設定只要根據實際經驗判斷，大致設為與待識別標簽數在一個量級上即可，這也為實際應用提供了方便。

圖5 全局吞吐量性能仿真結果

圖6 Q0作為控制參數的DENFF性能仿真結果

分別將DENFF算法、Vogt算法和Q算法作為EPCglobal_C1 G2標準的標簽防碰撞方法用于本研究設計的農產品追溯模型，通過仿真比較各種算法批量識別的延遲性能。假設每個標簽僅傳輸64位UID信息，物理層通信速率為標準規定的最低速率26.7 kB/s，則時間延遲如式（9）所示。

由圖7可知，DENFF的延遲最小，Vogt的延遲次之，Q算法的延遲最大。而且值越大DENFF的延遲性能相對其他2種情況優越性越明顯，因此適合于大規模標簽數的情況。綜合圖5和圖7可知，當=180時，如果采用DENFF算法，則全局吞吐量為22%，完整識別完一輛叉車貨物標簽所需時間約為2 s；如果采用Vogt算法，則全局吞吐量為15%，全部識別完整叉車標簽所需時間約為3 s；如果采用Q算法，則全局吞吐量為11%，全部識別完整叉車標簽所需時間約為3.9 s。在實際叉車轉運中，叉車轉運一次所用時間以分鐘計算，掃描時間<5 s在叉車轉運所需時間中占比非常小，因此3種防碰撞方法均能滿足要求。當=2 232時，由圖7可知，完整識別完1卡車貨物標簽的時間延遲，DENFF算法約需18 s，Vogt算法約需27 s，Q算法約需44 s，可見對于大規模標簽識別，本研究所提算法明顯優于對比的2種方法，尤其對相較于Q算法能節省大量等待時間。

圖7 時延性能仿真結果

4 結 論

農產品追溯系統不僅為消費者提供產品追溯以滿足其知情權，還可為問題產品的跟蹤控制提供信息手段。與傳統的條形碼和二維碼相比，射頻識別（Radio Frequency Identification，RFID）技術具有非接觸和批量識別的優點，基于RFID的農產品追溯系統是必然的發展趨勢。本研究的重要貢獻在于針對農產品溯源應用環境，提出了一種新的幀長度調整方法。在第一幀識別后估計初始標簽數，根據初始標簽數優化后續幀的長度，得到最優的識別，與目前廣泛使用的Q算法相比，全局吞吐量提高了30%以上。仿真試驗表明本研究提出的基于在第一幀后進行標簽數估計的DFSA算法（DFSA Algorithm based on Estimation Number of Tags in First Frame，DENFF）算法對初始標簽數的適應范圍較廣，當初始標簽數在100～2 500之間變化時，首幀時隙數0分別取400、1 000和1 500時全局吞吐量均在20%～32%之間，因此0對識別效率影響并不明顯，這是由于所提算法只在第1幀結束后進行1次初始標簽估計，之后每1幀識別均設置為最優幀長的，因此全局吞吐量性能不受明顯影響。以茶葉的倉儲為例進行的仿真試驗表明標簽批量識別時間延遲能滿足叉車的轉運和出入庫要求。

[1]趙訓銘，劉建華. 射頻識別（RFID）技術在食品溯源中的應用研究進展[J].食品與機械，2019，35(2)：212-216.

Zhao Xunming, Liu Jianhua. Research progress of application of Radio Frequency Identification (RFID) technology in food traceability[[J]. Food & machinery, 2019, 35(2): 212-216. (in Chinese with English abstract)

[2]王寧，尤美虹. 果品溯源現狀及RFID溯源系統探析[J].物流工程與管理，2019，41(10)：93-95.

Wang Ning, You Meihong. The status of fruit traction and analysis of RFID tracing system[J]. Logistics Engineering and Management, 2019, 41(10): 93-95. (in Chinese with English abstract)

[3]龐超，何東健，李長悅，等. 基于RFID與WSN的奶牛養殖溯源信息采集與傳輸方法[J]. 農業工程學報，2011，27(9)：147-152.

Pang Chao, He Dongjian, Li Changyue, et al. Method of traceability information acquisition and transmission for dairy cattle based on integrating of RFID and WSN[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2011, 27(9): 147-152. (in Chinese with English abstract)

[4]Penttil? K, Engels D, Kivikoski M A. Radio frequency identification in supply chain management[J]. International Journal of Robotics and Automation, 2004, 19(3): 143-151.

[5]Wagner G L, Glassheim E. Traceability of agricultural products[J]. Film Watch Division Marketing Plan. 2003(5): 1-17.

[6]Sahin E, Dallery Y, Gershwin S. Performance evaluation of a traceability system[C]// 2002 Proceedings of IEEE International Conference on Systems, Man and Cybernetics, Yasmine Hammamet, 2002: 210-218.

[7]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.

[8]Bernardi P. An anti-counterfeit mechanism for the application layer in low-cost RFID devices[C]// 3rdIEEE International Conference on Circuits and Systems for Communications, Nice, France, 2006: 207-211.

[9]Cui Yinghua, Wang Huiyang. A new anti-collision method for RFID systems[C]//12thIEEE International Symposium on Computational Intelligence and Informatics, Budapest, Hungary, 2011: 51-55.

[10]Kim S C, Kim S K. An enhanced anti-collision algorithm for EPC gen2 RFID system[C]//5thFTRA International Conference Multimedia and Ubiquitious Engineering, Crete, Greece, 2011: 293-296.

[11]Barletta L, Borgonovo F, Cesana M. A formal proof of the optimal frame setting for dynamic-frame Aloha with known population size[J]. IEEE Transactions on Information Theory. 2014, 60(11): 7221-7230.

[12]Zhu Lei, Yum T S P. The optimal reading strategy for EPC Gen-2 RFID anti-collision system[J]. IEEE Transactions on Communications, 2010, 58(9): 2725-2733.

[13]Chen Yihong, Feng Quanyuan, Zheng Ma, et al. Multiple-bits-slot reservation Aloha protocol for tag identification[J]. IEEE Transactions on Consumer Electronics, 2013, 59(1): 93-100.

[14]Zhang Xiaohong, Hu Yingmeng. Research on a grouped adaptive allocating slot anti-collision algorithm in RFID system[J]. Acta Electronica Sinica, 2016, 45(6): 1328-1335.

[15]Barletta L, Borgonovo F, Cesana M. A formal proof of the optimal frame setting for dynamic-frame Aloha with known population size[J]. IEEE Transactions on Information Theory, 2012, 60(11): 7221-7230.

[16]Chen W T. A feasible and easy-to-implement anti-collision algorithm for the EPC global UHF Class-1 Generation-2 RFID protocol[J]. IEEE Transactions on Automation Science and Engineering, 2014, 11(2): 485-491.

[17]Felemban E. Performance analysis of RFID framed slotted Aloha anti-collision protocol[J]. Journal of Computer and Communications, 2014, 2(1): 13-18.

[18]Wang Zuliang, Zhang Ting, Fan Lingyan, et al. Dynamic frame-slotted ALOHA anti-collision algorithm in RFID based on non-linear estimation[J]. International Journal of Electronics, 2019, 106(11): 1769-1783.

[19]Wang Zuliang, Huang Shiqi, Fan Lingyan, et al. Adaptive and dynamic RFID tag anti-collision based on secant iteration[J]. PLoS ONE, 2018, 13(12): 1-16.

[20]Ehsan V, Rabab K W D, Ian F B. Performance analysis of RFID protocols: CDMA versus the standard EPC Gen-2[J]. IEEE Transactions on Automation Science and Engineering, 2014, 11(4): 1250-1261.

[21]Teng Jiangfu, Xuan Xiuwei, Bai Yu. A Fast Q algorithm based on EPC Generation-2 RFID protocol[C]// The 6thInternational Conference on Wireless Communications Networking and Mobile Computing, Chengdu, China, 2010: 1-4.

[22]Hessar F, Roy S. Energy based performance evaluation of passive EPC Gen 2 class 1 RFID systems[J], IEEE Transactions on Communications, 2013, 61(4): 1337-1348.

[23]Vahedi E, Ward R K, Blake I F. Analytical modeling of RFID generation-2 protocol using absorbing Markov chain theorem[C]// IEEE Global Communications Conference, Anaheim, CA, USA, 2012: 385-390.

[24]EPC radio frequency identity protocols class-1 generation-2 UHF RFID protocol for communications at 860MHz~ 960MHz Version 1.2.0[Z]. EPCglobaI Inc. 2008.

[25]Vogt H. Efficient object identification with passive RFID tags[C]//Proceedings of the 1thInternational Conference on Pervasive, Zurich, Switzerland, 2002: 98-113.

[26]Park J, Chung Minyoung, Lee T J. Identification of RFID tags in framed-looted ALOHA with robust estimation and binary selection[J]. IEEE Communications Letters 2007, 11(5): 452-454.

[27]陳毅紅. 動態環境下RFID標簽防碰撞協議研究和RFID應用[D]. 成都：西南交通大學，2015.

Chen Yihong. Tag Anti-Collision Protocol of the RFID System Under the Dynamic Environment and RFID Application[D]. Chengdu: Southwest Jiaotong University, 2015. (in Chinese with English abstract)

RFID batch-tag identification in quality traceability of agricultural products

Wang Zuliang, Guo Jianxin, Zhang Ting※, Li Wenchen, Cao Chuangle, Yu Hongtao

(710123,)

The efficiency of the system could be greatly improved by using the Radio Frequency Identification (RFID) batch tag identification in the quality traceability of agricultural products. In this study, a tracing system of agricultural products based on RFID technology was designed. This system consisted of a tracking subsystem that was from the planting side to the consumption side and a tracking subsystem that was from the consumption side to the planting side. This system designed the information processing process of agricultural product planting, storage information processing, transportation information processing, distribution and distribution information processing, and terminal consumption information processing. This system also designed a three-level Internet of things architecture. Compared with the traditional agricultural product traceability system based on bar code, the one based on RFID technology was more flexible and accurate and had a better application prospect. In the agricultural product traceability system, especially in the courses of delivery and storage, batch identification of an entire truck of product tags needed to be conducted inbound and outbound. For frequently used forklift transport, entire tags attached to products in a forklift also needed to be identified simultaneously so that automatic rapid processing of transport, loading, and allocation of warehouse location could be accomplished. Batch tag identification was the most obvious advantage of RFID, but it would produce tag signal interference with each other and result in tag collision. Therefore, the anti-collision method was the key technology to the agricultural product traceability system.In this study, a model of agricultural product traceability system based on radio frequency identification technology was established, and the implementation of the storage link was presented. In the process of traceability, batch identification of an entire truck or forklift of the agricultural product greatly improved the management efficiency and shortened the circulation time of the product. However, the tag collision problem was inevitable due to the non-cooperation mechanism among tags. Therefore, the tag anti-collision method was a key technology of the agricultural product traceability system. A tag anti-collision method was excogitated and a frame slotted Aloha tag anti-collision method that adaptively and dynamically adjusted frame length was proposed aiming at traceability application environments of agricultural products. In this method, the initial tag population size was estimated when the number of successful slots, idle slots, and collision slots was acquired using statistical calculation only after the first frame identification so that the length of the following frame could be optimized and the optimal identification could be actualized, significantly improving the overall throughput performance. Based on the traceability system designed and the tag anti-collision method proposed, this study used Monte Carlo simulation to compare the throughput performance of the proposed method with the Vogt method and Q algorithm. The global throughput was an important index to measure the performance of RFID batch identification, and it was defined as the ratio of the time occupied by the transmission information to the total time consumed by the whole identification cycle. Taking the tracking and traceability of tea as an example, the throughput performance and delay performance of the anti-collision method for batch identification tags were simulated. Besides, the effect of initial frame length on throughput performance was simulated. The simulation results of RFID batch tag identification in agricultural product quality traceability showed that the global throughput was between 20% and 32%. It also showed that the proposed anti-collision algorithm applied to the designed agricultural product traceability system significantly improved the identification efficiency, and the overall throughput performance was improved by more than 30% compared with the Q algorithm.

agriculture products;traceability; tags; batch identification; anti-collision; global throughput

王祖良，郭建新，張婷，等. 農產品質量溯源RFID標簽批量識別[J]. 農業工程學報，2020，36(10)：150-157.doi：10.11975/j.issn.1002-6819.2020.10.018 http://www.tcsae.org

Wang Zuliang, Guo Jianxin, Zhang Ting, et al. RFID batch-tag identification in quality traceability of agricultural products[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(10): 150-157. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2020.10.018 http://www.tcsae.org

2020-02-25

2020-04-20

陜西省重點研發計劃重點項目（2018ZDXM-NY-014）；陜西省技術創新引導專項（基金）項目（2020CGXNG-035）；西安市科技計劃項目（201805043YD21CG27（1），2019218414GXRC020CG021-GXYD20.6）；西京學院高層次基金項目（XJ17B06）

王祖良，博士，教授，主要從事物聯網、RFID、智慧農業等方向的科學研究和技術研發。Email：zlwang@nudt.edu.cn

張婷，講師，主要從事物聯網、RFID技術研究。Email：zhangting1@xijng.edu.cn

10.11975/j.issn.1002-6819.2020.10.018

TP311.13

A

1002-6819(2020)-10-0150-08