• EI
  • Scopus
  • 中国科技期刊卓越行动计划项目资助期刊
  • 北大核心期刊
  • DOAJ
  • EBSCO
  • 中国核心学术期刊RCCSE A+
  • 中国精品科技期刊
  • JST China
  • FSTA
  • 中国农林核心期刊
  • 中国科技核心期刊CSTPCD
  • CA
  • WJCI
  • 食品科学与工程领域高质量科技期刊分级目录第一方阵T1
中国精品科技期刊2020

肉品冷链物流监控技术研究进展

韩彬, 冷冬梅, 徐毓谦, 沈建洋, 李欣, 郑晓春, 王卫, 张德权, 侯成立

韩彬,冷冬梅,徐毓谦,等. 肉品冷链物流监控技术研究进展[J]. 食品工业科技,2025,46(3):19−30. doi: 10.13386/j.issn1002-0306.2024030448.
引用本文: 韩彬,冷冬梅,徐毓谦,等. 肉品冷链物流监控技术研究进展[J]. 食品工业科技,2025,46(3):19−30. doi: 10.13386/j.issn1002-0306.2024030448.
HAN Bin, LENG Dongmei, XU Yuqian, et al. Research Progress in Monitoring Technology of Cold Chain Logistics for Meat Products[J]. Science and Technology of Food Industry, 2025, 46(3): 19−30. (in Chinese with English abstract). doi: 10.13386/j.issn1002-0306.2024030448.
Citation: HAN Bin, LENG Dongmei, XU Yuqian, et al. Research Progress in Monitoring Technology of Cold Chain Logistics for Meat Products[J]. Science and Technology of Food Industry, 2025, 46(3): 19−30. (in Chinese with English abstract). doi: 10.13386/j.issn1002-0306.2024030448.

肉品冷链物流监控技术研究进展

基金项目: 国家重点研发计划项目(2022YFD2100500)。
详细信息
    作者简介:

    韩彬(1998−),男,硕士研究生,研究方向:肉品冷链物流监控,E-mail:benniehanbin@163.com

    通讯作者:

    侯成立(1986−),男,博士,副研究员,研究方向:畜产品贮运保鲜与减损,E-mail:houchengli@caas.cn

  • 中图分类号: TS251

Research Progress in Monitoring Technology of Cold Chain Logistics for Meat Products

  • 摘要: 我国是肉类生产与消费大国,冷链物流是保证肉品品质的重要手段。随着科技的发展和“十四五”冷链物流规划政策的逐步实施,数字化、信息化和可视化已成为冷链物流发展的重点。然而,实际操作中,冷链物流过程中的温度波动并不能完全避免,特别是在长距离运输和极端气候条件下,引发“断链”“伪冷链”等问题,导致冷链物流过程肉品品质下降。随着工业4.0技术的快速发展,大数据、物联网和人工智能等先进技术得到了广泛应用。这些技术与各类传感设备的结合,在监控肉品冷链过程中尤其有效,已成为解决相关问题的有效手段。本文从信息感知、信息处理等冷链物流监控关键环节,对肉品冷链物流监控技术进展进行综述,并结合传感器、窄带物联网、机器学习和区块链等新型信息技术,探讨肉品冷链物流监控技术的未来发展趋势,以期为我国肉品冷链物流监控技术的研究与应用提供理论支撑。
    Abstract: Cold chain logistics is an essential method for ensuring meat quality in China, which is a country that produces and consumes much meat. With the development of science and technology, and the gradual implementation of cold chain logistics planning policy, digitization, informatization, and visualization have become a focal point of development in cold chain logistics. However, temperature fluctuations will inevitably occur in the cold chain logistics process, particularly in long-distance transportation and extreme weather conditions to trigger the "chain breaks""pseudo-cold chains", and other issues, leading to a decrease in meat quality in the cold chain logistics process. Advanced technologies like big data, the internet of things, and artificial intelligence are becoming widely used as Industry 4.0 technology, which develops quickly. The combination of these technologies and various sensing devices, which are particularly effective in monitoring the cold chain of meat products, has become an effective way to resolve related issues. The focus of this article reviews the key progress of monitoring technology in the cold chain logistics of meat products, including information perception, information processing, and other essential aspects. To analyze the future development of meat cold chain logistics monitoring technology combined with sensors, narrowband internet of things, machine learning, and blockchain, and to provide theoretical support for the research and application of China's cold chain logistics monitoring technology.
  • 我国是肉类生产与消费大国,生鲜肉占我国肉类消费的80%左右[12]。截至2023年,我国生鲜肉缺口已超1600万吨,同时受非洲猪瘟、禽流感等重大疫情的影响,促使我国从“运活畜禽”向“运冷鲜肉”转变,而运输过程的冷链物流成为必须关注的重要环节[3]。冷链物流是保证肉品品质的重要手段,是指在肉类加工、贮藏、运输和销售等各个环节中,通过有效的运营管理和监控,确保肉品在整个供应链中处于适宜的温度和湿度条件[4]。“十四五”以来,国家发展改革委、农业农村部、财政部等部门出台了一系列政策来促进冷链物流行业的发展,肉品冷链物流也进入了快速发展期。

    肉品冷链物流主要包括冷加工(冷却、冷冻)、低温贮藏(冷藏、冻藏等)、冷链运输、低温销售四个重要环节。由于技术或设备不足以及人为操作不规范,当前,我国肉品冷链物流过程中普遍存在温度控制不稳定、监控不实时、信息不透明等问题,“断链”、“伪冷链”问题频发,导致冷链物流过程肉品品质下降[5]。随着信息化的发展,监控技术成为解决肉品冷链物流“断链”、“伪冷链”问题的有效手段。肉品冷链物流监控系统主要由信息感知、信息传输、信息处理、信息追溯等模块构成。近年来,随着物联网、新型传感技术、5G、人工智能、区块链等技术的发展,将无线感知、智能连接、物理模拟化为现实,推动了肉品冷链物流信息化的快速发展。

    因此,加强监控技术开发与应用,实现肉品冷链物流信息共享,构建数字化冷链物流体系,打造透明供应链,已成为解决“断链”、“伪冷链”问题的关键[6]。本文从信息感知、信息传输、信息处理和信息追溯四个环节系统综述了监控技术在肉品冷链物流中的应用进展,分析了冷链物流监控技术在肉品冷链物流中应用的难点,并对应用前景进行展望,以期为我国肉品冷链物流监控技术的研究与应用提供理论支撑。

    肉品冷链物流信息感知技术是指利用物联网技术、传感器技术和其它数据采集手段,对肉品冷链物流环节进行监测和信息感知,实现对肉品冷链物流过程中温度、湿度、气体等相关数据的获取,为肉品质量监控提供精准、及时的数据支持。目前肉品冷链物流中的信息感知主要依托于传感器、条形码、时间-温度指示器(time-temperature indicators,TTIs)和射频识别(radio frequency identification,RFID)等技术,详情见表1。这些技术具备灵敏的感知能力且没有破坏性,可以较好地代替传统的人工记录,有助于操作人员对参数(如温度、湿度、地理位置、肉品品质等)做出及时反应和处理[7],目前应用较为广泛。

    表  1  信息感知技术优缺点及应用情况
    Table  1.  Advantages, limitations and applications of information sensing devices
    感知技术 优点 局限 应用 参考文献
    传感器 高灵敏度、类型广泛 易受温度、湿度影响 检测特定物理、化学成分 [8]
    条形码 成本低、形式简单 信息容量小、可读性受限 产品识别、库存控制 [9]
    时间-温度指示器 实时性高、简单易懂 精度有限、易受环境影响 监测冷链温度历史 [10]
    射频识别标签 抗污染性能好、非接触式识别 成本高、识别距离有限 供应链管理、信息追溯 [11]
    气体指示器 针对性强、可见性好 有毒物质迁移、成本高 监测包装气体变化 [12]
    下载: 导出CSV 
    | 显示表格

    传感器是一类能够感知、检测和量化环境中各种能量或物质的设备[13]。它的工作原理是通过将测量所感知到的物理、化学和生物信号,转化成可供处理的电信号或其他输出信号。传感器通常由敏感元件和转换元件组成[14],其工作原理及组件见图1。根据测量目的不同,传感器可以分为物理型传感器、化学型传感器和生物型传感器[15]。物理型传感器利用被测物质的某些物理性质发生显著变化的特性进行测量。在肉品冷链物流监控中常用的物理传感器有热电偶传感器[16]、热敏电阻温度传感器、电容式湿度传感器[17]、光学传感器[18]等,它们可以对被测物体的压力、温度、光强和湿度等物理量进行采集,并将这些数据转换成可读取的信号[19]。在实际应用中,物理传感器需综合考虑迟滞、线性度、灵敏度以及信号转换后的准确性等基本特性。为了优化其性能,可以采用自动控制模型,如高效滤波算法或快速响应控制算法降低迟滞;通过优化元件材料与几何形状减少非线性效应;使用灵敏度调节技术来优化灵敏度;以及采用校准算法来提高准确性。除了考虑物理传感器的基本特性外,还需要综合考虑环境条件和实际使用情况。例如,在肉品冷链物流的低温高湿环境下,传感器的耐用性和稳定性就显得尤为重要。

    图  1  传感器工作原理及其组件
    Figure  1.  Sensor principle of operation and its components

    化学型传感器是一种用于检测化学物质存在并量化其浓度的设备,可以用于检测气体、液体或固体样品中的化学成分,通常通过识别特定的化学物质、气体或离子来实现检测[2021]。在肉品冷链物流过程中常见的化学传感器有玻璃膜型pH传感器、阻抗式传感器、电化学传感器和气体传感器等。电化学传感器因其低能耗、多样性、稳定性以及高灵敏度等特点在肉品冷链物流领域受到了广泛关注和应用[2223]。电化学传感器可以监测肉品冷链物流过程中温湿度等环境信息,还可用于监测物流过程中肉品的细菌污染情况[2425]和监测气体变化[2627]。例如基于新型材料黑磷基研制的电化学传感器不仅可以检测肉品中的营养成分如抗坏血酸[28],还能检测农药残留[29]、兽药残留[30]、重金属[31]、真菌毒素[32]等。性能良好的化学传感器可以满足不同场景的多样化测量需求,然而单个传感器很难同时具备所有功能。具有高灵敏度的传感器,其稳定性相对会较差。因此,在化学传感器的使用策略上应采用多化学传感器协同或多化学传感器阵列协同,以有效降低单一传感器造成的数据偏差以及超量程无法响应等问题。

    生物型传感器利用生物成分作为敏感元件,通过生物体系中的生物分子(如酶、抗体、细胞等)与目标分子的特异性识别和反应,将生物分子信息定量转化为可测信号,用于检测、测量或监测目标物质的存在和浓度[33]。目前,比色传感器、荧光传感器和CRISPR生物传感器等技术手段为监测冷链过程中的肉品新鲜度和肉品安全提供了新的解决方案而备受关注。比色传感器[34]通过检测肉品中的特定酶活性或其他生物标志物,从而评估肉品的新鲜度;荧光传感器[35]通过针对特定微生物的荧光探针实现对微生物的快速、准确检测,还可以用于监测肉品包装中的气体成分,比如氨气、硫化氢等;CRISPR生物传感器[36]能够实现对肉品中特定DNA或RNA序列的识别和检测,对于快速鉴定肉品质量和肉品溯源具有潜在应用前景。这些新兴的生物传感器技术为肉品冷链物流的质量监测和肉品安全提供了新的手段和可能性,成为近些年的研究热点。然而,尽管如此,生物传感器在实际应用中尚需解决一系列挑战。首先是电池寿命问题,其次是传感器材料的安全性,特别是纳米材料的生物相容性和毒性问题。此外,在恶劣操作环境中实现长期稳定运行是另一个难点。未来的生物传感器发展应着重关注提高机械强度、实现小型化设计以及降低生产成本,从而增强传感器的耐用性和适应性,推动其在广泛领域的应用和发展。

    在肉品冷链物流中,物理型传感器可实时监测环境温度、湿度等物理参数,快速响应异常情况,但对肉品新鲜度等指标监测能力有限;化学传感器能够检测肉品中的化学变化,如气味、腐败产物,具有较高的特异性,但响应速度相对较慢,且对超出范围的浓度无法响应。应采用多化学传感器协同或者多化学传感器阵列协同来应对复杂系统和多组分样品的分析,交叉反应伴随而来的多维信号,可通过提升分析识别数据的算法水平,以确保数据的精准性;生物传感器则可以评估肉品的新鲜度和检测肉品中的微生物污染等生物变化,具有极高的灵敏度和特异性,但在实际应用中容易受到pH和环境温度的影响,需要考虑其稳定性和操作条件。未来传感器的发展趋势将是多学科融合,研发具备高灵敏度且具有良好稳定性的传感器;微型化、智能化、阵列化和网络化是未来发展方向;以及对具有生物相容性、可重复性、高适用性等要求不断升级,以实现更广泛的产业应用和更精准的监测。

    条形码技术最早可以追溯到20世纪50年代,是一种存储数据的图形化标识工具,在商业、物流、支付等领域有着广泛的应用[37]。条形码可分为一维码和二维码,二者区别在于存储容量以及用途不同。在肉品冷链物流中,肉品通常被赋予唯一的条形码,该条形码记录了肉的基本信息,例如产地、生产日期、批次号、包装规格等。在屠宰、加工、包装、物流等环节使用条形码进行记录,可有效帮助监管部门和企业实现对肉品流向和质量的实时监控,确保肉品在运输和储存过程中的安全和质量。相比一维码,二维码具有信息存储容量大、编码语言多样、平面内全方位识别和纠正损伤区错误的能力等优点[38]。近年来,二维码技术因其成本低廉、使用便捷而被广泛用于冷链物流和食品智能包装领域,Peng等[39]基于二维码技术开发了一套冷链物流生鲜猪肉品质追溯系统,消费者可以通过使用手机扫描二维码轻松获取生鲜猪肉的品质信息,而无需凭视觉观察来判定肉的品质。物联网技术和材料学的结合增强了二维码的食品监测能力,Zhang等[40]使用自制的热致变色油墨和新鲜感应油墨,制备集成式二维码标签,具有响应pH和温度变化的能力,以此监测食品新鲜度。Xu等[41]基于天然环保染料制备的油墨,研发了可用于监测食品新鲜度的二维码标签,该标签可通过调整油墨比例,以满足不同食品新鲜度的监测需求。

    在肉品冷链物流过程中,一维码因其受限于数据容量和环境影响,仅适用记录肉品基本信息。二维码具有更大的数据容量和容错能力,适合存储复杂信息和手机扫描读取,可用于肉品信息追溯、地理标志肉品真伪查询、肉品质监测等用途。消费者可以通过扫描二维码来查看肉品的生产过程和检验报告等信息,这不仅有助于消费者选择合适的肉品,同时也有利于提升企业的可信度。目前的研究主要是通过改进印刷技术和油墨材料,实现对肉品pH和温度的监测。未来,随着二维码标签材料的多样化,其功能将得到进一步拓展。结合机器视觉等先进图像处理技术,二维码标签将能够在复杂环境下监测肉品的新鲜度,并准确预测其保质期。

    TTIs是一种安装到产品或包装上的简单装置,已被广泛研究并证明是监测冷链中食品温度历史的有效工具,在减少肉品浪费、确保肉品安全等方面起到不可替代的作用[4243]。TTIs分为电子、物理、化学、微生物和酶型等[4445],所有类型都可以通过可见的颜色变化为消费者指示肉品的保质期和新鲜度,易于阅读且颜色不可逆,便于预测肉品的保质期。目前,考虑到供应链的成本,酶型TTIs最具应用潜力,Meng等[46]开发了一种固态酶促时间-温度指示器,可在4 ℃条件下监测生鲜猪肉长达5~6 d。有研究者赋予了TTIs自修复能力,Choi等[47]开发了一种基于自修复纳米纤维的时间温度指示器,无化学危害且抗冲击力,可以更广泛地应用于各种场景。近年来,有机框架、纳米材料在制备TTIs中展现出良好的应用前景,Chen等[48]制备了以硫醇功能化共价有机框架的TTIs,可用于肉品冷链物流监测温度波动;Shou等[49]利用原位形成金纳米粒子的多色等离子体水凝胶,制备了全流程TTIs,实现了在复杂的变温条件下长达30 d的温度变化监测。在欧美国家,TTIs已普遍用于肉品冷链物流监控,美国3M公司开发一种名叫Monitor Mark[50]的TTIs,用来监控冷链过程中肉品的储存条件,其工作原理是有色脂肪酸随温度变化扩散并进入吸墨纸中,形成明显的色带。目前市场在售常见的TTIs见图2

    图  2  目前在售TTIs
    Figure  2.  TTIs currently for sale

    TTIs可以轻松集成到监控系统中,同时其本身不会因暴露于环境因素(如光、空气污染物和湿度)或承受机械应力(如压力和摩擦)而影响产品的使用期限,被广泛应用于肉品冷链物流中[51],具有高性价比、过程不可逆转、方便快捷等显著优点。在最新的研究中,TTIs已实现与RFID技术的集成[52],从而提升了其可读性。TTIs优点众多,但也存在一些局限性,一是指示器使用的显色试剂通常为化学试剂,如泄漏与肉品接触可能会带来安全问题;二是当肉品超出预设的温度范围时,虽然肉品本身并未变质,但由于品质下降,消费者购买意愿会大打折扣。因此,在使用TTIs时,需要特别注意确保试剂的安全性及其温度范围是否符合实际需求。

    RFID技术是一种非接触式自动识别技术,其大致可分为两类,有源和无源。RFID通过射频信号自动识别目标并进行数据交换[53],以此读取并写入电子标签或射频卡[54],其基本原理如图3所示。RFID技术的数据自动获取功能有效简化冷链运输和储存等作业过程,缩短物流时间,降低物流成本,提高冷链物流的效率和安全性[55]。RFID可以与无线传感网络结合,实现数据实时采集。刘影等[56]基于RFID技术设计了一套冷链物流监测系统,通过数据上传至OneNet平台,实现对冷链物流系统中物品的定位追踪和物品温度的实时监测,提高了冷链物流的工作效率。RFID技术在肉品冷链物流中不仅用于信息采集,在信息追溯环节也发挥着关键作用。Ganjar等[57]开发了一种装载RFID接收器的感应门,利用预先集成的机器学习模型,能够识别无源RFID标签的方向。通过这种门,产品可以方便地读取实时信息,并获取完整的温度和湿度历史记录,从而降低了人力成本,提高了冷链物流监控系统的追溯效率。RFID技术具有标签容量大、读取速度快、不受环境影响等优点,在冷链物流监控领域拥有巨大潜力[58]。在RFID标签中嵌入温度传感器,可以从屠宰、冷链运输、仓储、配送、销售等多个环节监控肉品的温度变化,快速准确地识别和存储肉品流动信息,为肉品安全检测提供可追溯性信息支持[59]。目前,RFID标签的技术进步使其具备了更多类型参数的传感功能,由此可以监测更多类型的数据。通过将RFID标签绑定在肉品包装或容器上,可监测肉品的温度[60]、湿度[61]、pH[62]以及微生物产气[63]等参数。原理是当肉品变质时,其介电常数会发生变化,从而改变相关RFID标签的有效介电常数,并导致其谐振频率发生变化,影响芯片的发射功率。这种偏移可以在阅读器系统中通过使用标签传感器反射系数来监控。Raju等[64]基于耦合线圈谐振器和超高频无芯片RFID标签制备的RFID传感器,可用于细菌计数、挥发性气体浓度检测、湿度和pH监测。RFID具备实时监测、自动化追溯等功能,避免了人为干扰和减少信息误差,提升了肉品冷链的运营效率。然而,在肉品冷链中,传感单元的单次使用量庞大,首要考虑的是成本问题。为解决这一挑战,可以采用无芯片RFID技术,并通过简单的低成本标签结构来降低成本。这些标签结构可以完全打印在纸张或塑料等低成本基材上。其次是适用性,因为肉品的形状各异,包装表面是柔性的,不平坦且存在弯曲,这可能会影响标签的电气性能。再者,生物相容性需要重点关注,因为RFID标签可能与肉品直接接触,必须确保杜绝任何有毒有害因素。最后需要注意的是,在某些使用场景下可能会受到干扰,导致标签读取冲突的问题。

    图  3  RFID基本原理图
    Figure  3.  Schematic diagram of RFID operation

    信息传输技术是指通过各种通信介质和技术手段,将数据、声音、图像等信息从一个地点传送到另一个地点的技术系统和方法[65]。主要分为有线通信和无线通信,在肉品冷链物流监控中广泛应用的是无线通信,包括蓝牙、远距离无线电(long range radio,LoRa)、ZigBee、无线局域网、通用分组无线服务、第2/3/4/5代移动通信技术(the 2nd/3rd/4th/5th generation mobile communication technology,2G/3G/4G/5G)等。目前在肉品冷链物流领域使用最多的是LoRa、5G和NB-IOT技术,详细的无线通信技术分类见图4

    图  4  无线通信技术分类
    Figure  4.  Classification of wireless communication technologies

    LoRa是一种由美国Semtech公司研发的专有物理层技术[66],被认为是目前应用最广泛的低功耗广域网网络技术之一,适用于大规模低功耗物联网部署,包括智慧物流应用场景[67]。LoRa的传输距离最远可至20 km,传输速率0.3~50 kbps,可以配置百万级节点,电池寿命长达3~10年[68],具有长距离、低功耗等优点。Wu等[69]采用LoRa无线通信技术,研发了生鲜农产品配送车辆环境监测系统,实现生鲜农产品流通环境的温湿度监测和超限报警等功能,可以很好地满足车载环境监测系统对生鲜农产品配送的需求。LoRa具有低功耗、低成本、抗干扰能力强的优点,但是它也存在如下局限:LoRa通信技术属于私有技术,其知识产权和芯片被垄断;LoRa技术使用非授权频谱运行,在信息安全方面存在一定的缺陷,容易受到恶意攻击和其他网络干扰的影响。

    5G技术[70]是第五代移动通信技术的简称,它采用高频段和多天线技术,实现了更大带宽和数据传输速率提升,同时采用边缘计算和网络切片、异构超密集组网等技术,提高数据吞吐量和提升连接稳定性,是移动通信发展的关键技术。其中,物联网(internet of things,IoT)是5G技术的一个重要应用领域[71],Han[72]利用传感器技术结合IoT等技术构建的冷链物流智能系统,可有效控制成本支出,显著提高生鲜农产品在冷链物流运输中的数据传输效率。Li[73]使用5G物联网结合预测数据传输技术(PDTT)对冷链物流过程进行仿真,通过优化物联网的数据模型,验证了枢纽式和宽度式冷链运输网络的优势。

    5G技术在理论上能够提供数十Gbps的传输速率,相比4G技术有数量级的提升,具备更大的容量和更高的频谱效率,同时支持更多用户的连接。但是,更高的频率意味着衰减速度更快,更容易受到障碍物的屏蔽,因此5G基站需要更高的部署密度。其次,在复杂的工业物联网条件下,异构设备会互相干扰,且它们的通信优先级也不同,为避免设备因竞争频谱失效,需要合理分配信道资源,采用端到端的网络切片技术,以提供在特定场景下的最佳体验。

    NB-IoT是一种物联网技术[74],支持低功耗设备在广域网中实现蜂窝数据连接,属于低功耗广域网的范畴。该技术可以在500 MHz至1 GHz的频段内运行,具有使用较小数据包在设备与网络之间建立连接的特点,以此为用户提供低带宽、低功耗、远距离的无线通信服务,并实现物联网设备的互联互通。周征伟[75]运用NB-IoT网络设计了一套远程监控系统,成功解决了江西某企业生产线设备监控效率低下、监控不集中的问题。王兵[76]运用NB-IoT技术构建了一套可以实时追溯并且支持大量连接的冷链物流监控系统,并利用长短期记忆神经网络和自研数据异常检测算法SLDW有效提高了温湿度的精准率。Li等[77]设计了一种基于NB-IoT的冷链运输监控系统,充分利用了NB-IoT低功耗、低带宽、部署灵活的特点,将采集到的终端数据无线传输到远程监控系统,提高了监控数据的准确性和实时性。NB-IoT专注于小数据量和小速率应用,其设备功耗极小。通过采用不连续接收技术,终端仅在需要时才处于工作状态,从而延长了电池寿命,最长的待机时间可达十年。在成本方面,NB-IoT通过简化射频硬件、减小基带复杂度,降低了整体组件成本。

    NB-IoT技术应用于肉品冷链物流,可优化肉品冷链数据传输的构成,提升传输效率,完善肉品冷链物联网的发展模式,使肉品冷链监控更符合肉业当前的发展前景。另外,NB-IoT技术通过网络层对肉品冷链过程中的信息进行收集,通过应用层进行处理和分析,可促进肉品冷链智能化决策发展。

    信息处理技术是通过计算机及相关软件工具,对大量数据进行整理、分析、加工和挖掘,以提取有价值的信息和知识。在肉品冷链物流监控系统中,信息处理技术被用于深入分析监测到的活动信息,识别重要特征,并根据分析结果预测未来趋势。这有助于实现异常检测和综合决策[78],选择最佳的运输路径,优化运输计划,改善仓储计划等,从而有效提升冷链物流的效率和准确性。

    云计算是一种基于互联网的计算模型,通过共享的计算资源和服务,提供按需获取、灵活扩展和可弹性使用的计算能力。云计算可以通过数据挖掘,发现数据中的隐藏信息和规律,为冷链物流管理提供更加精准的决策支持,如优化运输路线和协助车辆调度[79]。同时,通过对历史数据的分析,云计算可以预测未来的物流需求和状况,从而提前制定更加合理的物流计划和调度方案,提高冷链物流的效率和准确性[80],满足肉品冷链物流的应用需求。Li等[81]在深入剖析冷链企业所面临的信息技术问题和实际需求后,构建了面向冷链行业的云计算平台,系统中每个数据库连接平台终端均可实时跟踪和更新数据,显著提升了冷链物流监控的工作效率。

    云计算在肉品冷链物流中的应用显著提升了数据处理分析的效率,促进了肉品冷链物流智能化、数字化发展。云计算服务可以根据用户的需求随时调整计算资源,实现弹性扩展,避免资源浪费,同时可避免用户购买和维护设备的投入成本。此外,通过云计算,用户可以快速部署和管理应用程序、存储和分析数据等任务,同时确保数据安全和备份的可靠性。但云计算技术需要稳定的互联网连接,并严重依赖供应商对其提供的技术支持,这对肉品冷链物流来说是一个潜在的挑战。

    机器学习是人工智能技术的核心[82],涉及统计学、概率论、计算机等多门学科,它从数据或经验中自动学习并逐步改善性能。近年来,随着深度学习算法的兴起,增强了机器学习从大型数据集中学习的性能。深度学习利用神经网络结构,通过多层次的非线性变换来学习和表示数据。这种技术在图像识别[83]、语音识别[84]、自然语言处理[85]等领域取得了令人瞩目的成果。目前,各种机器学习的算法和模型广泛应用于数据挖掘、预测及优化决策等方面,可从大量的肉品冷链物流监控历史数据中掌握其变化规律和发展趋势,并构建肉品品质预测模型和预测未来的温度和湿度等参数的变化[86]。结合数据挖掘算法,可实现肉品冷链物流监控数据的多元层次分析和发掘,发现潜在的管理问题,提供优化方案与建议。大量研究表明,通过在线规划冷链物流配送路线,可以显著提高配送效率。Mellouli等[87]通过深度学习建立神经网络模型,在线规划冷链物流过程中的外部温度、响应时间、压缩机工作算法等,该算法运用最短路径搜索模型,优化冷链物流配送的船舶航线和节点地址选择,有效控制云计算环境下的冷链物流运输路线,节约了大量成本。Tang[88]通过最短剩余时间优先算法、最短寻道时间优先算法提出一个基于云计算的智能时间调度管理模型,此模型具备出色的优化性能和实时响应能力,在保证配送效率的同时,最大限度地减少车辆的配送成本和时间。在肉品质和货架期方面,通过建立多质量动力学模型来表征肉品质量参数与货架期之间的关系,包括现有的Arrhenius模型、Gompertz模型、Logistic模型和Baranyi模型,可以挖掘肉品质的变化规律,寻求最优的冷链物流储存条件。Mack等[89]开发了一个真空包装羊肉质量追踪模型,将肉制品质量追溯系统与温度监控设备相结合,有效改善肉类物流网络内的质量和储存管理。此外,算法还可以解决信息感知环节中传感器反馈得到数据精准问题,Do Nascimento等[90]通过冷链物流过程中环境温度的历史记录来预测托盘中的产品温度,以此来训练神经网络模型,误差率最高可降低98%,可以在缺乏足够硬件设备的情况下提供较好的供应链管理策略。肉品冷链物流领域中涉及多种不同算法,每一种算法都具有独特的功能和作用。这些算法在保障肉品质量、降低损耗以及提高运输效率等方面发挥着重要的作用,见表2

    表  2  机器学习在肉品冷链物流中的应用
    Table  2.  Application of machine learning in meat cold chain logistics
    算法 目的 参考文献
    长短期记忆网络 冷库室内温度和能耗的动态监测 [87]
    蚁群优化算法 优化配送车辆路线,降低运输成本 [91]
    神经网络 单个传感器预测托盘内部的温度 [92]
    混合模拟退火和
    回火算法
    减少碳排放,降低燃料成本 [93]
    非支配排序遗传算法II 减少碳排放,降低企业成本 [94]
    麻雀搜索算法 最小化路径成本和最大化客户满意度 [95]
    下载: 导出CSV 
    | 显示表格

    在数字化时代,人工智能正被广泛应用于各行各业,成为许多领域的重要辅助工具。机器学习则通过从大数据中提取有效信息,用来训练模型以获得映射关系,从而实现分类、识别、预测、决策等功能。通过建立深度学习模型,采用数据驱动的预测分析进行智能决策。在肉品冷链物流监控系统中,机器学习可实现预测温度、监测肉品品质及预测货架期、降低能耗以及优化配送路径,减少传感器等硬件设备的成本投入,这对于维持肉品冷链状态稳定和提高肉品冷链的决策水平具有重大意义。

    肉品追溯是指对肉类产品从农场到餐桌全过程的记录和跟踪,以确保肉品来源、生产加工过程、包装、运输以及销售环节的可追溯性[96]。信息追溯在肉品冷链物流监控中虽为最后一环,但其作用贯穿整个物流过程,对确保肉品安全具有至关重要的作用,肉品冷链物流监控全流程见图5。信息追溯与信息感知技术关联紧密,追溯的基础是建立在感知到的大数据之上,每个环节采集到的信息通过数据传输、计算处理等操作后完成上链,形成完整的数据追溯体系,可确保数据的安全性和不可篡改性。传统的追溯系统通常是由中心化管理来运作的,信息的收集、存储和管理都集中在一个中心数据库或管理系统中,这种方式不能保证数据的可信度。随着区块链等分布式账本技术的发展,人们开始探索利用去中心化的追溯系统来提高数据的安全性和可信度。

    图  5  肉品冷链物流全流程概念图
    Figure  5.  Conceptual diagram of the whole process of meat cold chain logistics

    区块链是一种分布式数据库,它由一系列按照时间顺序排列的数据块组成,并采用密码学方式保证交易数据不可篡改和不可伪造[97]。区块链技术在农业供应链的应用被认为是增长最快的领域,在农业供应链中被用于解决食品安全、减少浪费、降低环境影响及控制经济成本等问题[9899]。传统肉品冷链物流监控系统存在数据集中存储、数据可靠性低、数据易被篡改、责任人难追责等问题,导致消费者权益无法保障[100]。而区块链技术可在肉品冷链物流监控系统中提供去中心化的数据存储和加密机制,可防止数据篡改和非授权访问[101],确保数据安全并保护用户隐私。其次,通过详细记录每个环节的监控数据和操作日志,无论对于监管机构还是企业本身,都能够精确追溯肉品在运输过程中的每一个具体环节。这样做不仅有助于深入了解肉品的来源和去向,还能有效识别和分析可能出现的问题,从而确保肉品质量和安全,提升监管效率和企业透明度,区块链在肉品物流追溯中的应用见表3。区块链可建立共享的数据链,记录和共享来自不同参与方(如物流公司、供应商、仓储等)的信息,使所有参与方可以实时获取和验证数据,提高信息的可信度和透明度[102],有效解决了欺诈问题。Hu[103]通过融合物联网技术、区块链技术和计算机技术,开发了农产品冷链物流实时监控系统,该系统不仅能显著提升产品运输的效率,还能为农业物流运输监控提供精准指导。Zhang等[104]提出了一种基于区块链和物联网技术的新型冷冻水产品追溯系统,改善了当前冷链物流过程中追溯管理存在的安全性能低、数据集中管理效率低、溯源信息容易被篡改等弊端。在涉及贸易商、第三方服务提供商以及采购代理等众多中介机构的复杂交易体系中,难以避免出现诚信问题,Spitalleri等[105]建立了全链条可视化冷链物流监控平台,对业务流程进行建模,优化供应链流程,集成到区块链保证数据的完整性、透明度和问责制,实现从原材料生产商到消费者的全链条监控。

    表  3  区块链在肉品追溯中的应用
    Table  3.  Blockchain applications in meat traceability
    肉品类型 目的 参考文献
    牛肉 降低损失量和温室气体排放量 [106]
    澳洲牛肉 降低成本,提高经济效益 [107]
    澳洲牛肉 加强消费者对跨境牛肉的信任度 [108]
    美国牛肉 验证区块链满足中国追溯要求 [109]
    巴西牛肉 确保肉类新鲜度和供应链稳定性 [110]
    下载: 导出CSV 
    | 显示表格

    将肉品数据写入区块链并加密,生成可以逐个对应肉品的时间戳数据签名,并采用分布式数据存储技术来确保数据的完整性。区块链可以实现肉品数据信息的共享,提高信息传递效率,避免信息孤岛问题,促进了肉品监管规范化、智能化的发展。随着区块链的信息量不断增加,在使用区块链技术进行追溯的同时,可能需要额外的成本投入,这些成本可能会在肉品的销售价格中体现。未来区块链在肉品冷链追溯亟需解决的问题:升级共识算法、优化追溯结构、加强耦合算法精度,进一步降低追溯过程中的程度;如何降低区块链的成本和风险,并激励更多的企业加入;深入融合人工智能、大数据和区块链的优点,加强多方协作,以满足各种应用场景和实现更高质量的追溯。

    数字孪生技术是指建立现实世界实体、系统或过程的虚拟模型,并进行实时仿真和优化[111]。通过构建精准的肉品冷链物流实体模型,可以实时监测肉品冷链物流的温度、湿度、压力等环境因素,以及肉品的位置、重量、数量等状态信息,详情见图6。基于数字孪生技术的冷链物流管理系统,可以通过数据分析和优化算法,实现资源的高效利用和成本的降低。

    图  6  肉品冷链物流数字孪生系统概念图
    Figure  6.  Conceptual diagram of the digital twin system for meat cold chain logistics

    数字孪生模型可模拟和预测肉品在冷链过程中的质量变化,引入物联网和区块链等技术后可实现产品的运输监控和追踪溯源。Hu等[112]设计了全映射、多维仿真的五维数字孪生模型,利用该模型构建了冷链物流仓库数字孪生系统,结合遗传算法自动调整每个隔间的温度、湿度和路径规划,形成了冷链物流仓库的集成控制模型,在相同储存条件下,损失率降低了25%~30%。Wu等[113]开发了基于蓝牙低能耗的深度学习技术用于事故识别和室内定位,实现对冷库员工的安全实时监控,加强了信息的可追溯性和可见性。

    通过建立肉品冷链物理空间的数字化模型,该技术可以对肉品品质的温湿度进行模拟和预测。结合低温环境与肉品品质之间的耦合机制,数字孪生技术可以实现肉品品质的跨尺度感知,对于提高肉品品质安全的精准调控水平具有重大现实意义。同时,该技术还可以对环境信息(温度、湿度、光照、空气含氧量、硫化氢含量)和品质信息(营养品质、安全品质、食用品质、加工品质)、设备信息和人员信息等多源信息进行感知,这些信息将有助于肉品冷链全流程追溯。

    随着科技的发展和“十四五”冷链物流规划政策的逐步实施,冷链物流监控技术将得到更多的关注和应用。目前,新型传感设备、低功耗通讯技术、最优路径算法、高效易用的可追溯系统等是当下研究的热点,数字化、信息化和可视化已成为冷链物流发展的方向。肉品作为冷链物流产业重要的保鲜对象,发展前景广阔。冷链物流监控技术是肉品冷链物流由“静态保鲜”到“动态保鲜”的关键。本文通过深入分析肉品冷链监控系统的构成和运作方式,将肉品冷链物流监控全流程细分为信息感知、信息传输、信息处理和信息追溯四个关键环节。同时,对肉品冷链监控关键技术的工作原理、类型、优势和局限进行了系统综述,并结合具体研究案例展开了深入分析。最终,总结了肉品冷链物流监控的主要痛点难题,包括信息感知能力弱、全链条信息整合性差、模型与设备装置的耦合度低以及全流程追溯能力不足。

    展望未来,肉品冷链物流监控亟待从如下方面突破:一是研发适合肉品冷链物流的专用冷链物流监控硬件设备,如开发低能耗、低成本、维护少、耐低温的信息采集设备,多功能传感器阵列,在线、无损、便携式肉品质检测监测设备等;二是加强物联网、大数据、人工智能、区块链等技术的深度融合,实现对肉品冷链物流全流程的监控和管理;三是建立一个可靠的冷链物流监控平台,通过整合现有资源,加强信息共享和交流;四是加强新技术的推广应用,推动肉品加工过程的智能化、信息化和环保化,以提高加工效率、产品质量和安全水平。五是加强信息追溯能力,鼓励更多企业共同建立肉品冷链区块链平台,完善全程追溯体系,提高追溯可信度。综上,打造肉品智能冷链物流监控系统是产业发展的必然,是肉品精准保鲜、减损保供的必然选择。

  • 图  1   传感器工作原理及其组件

    Figure  1.   Sensor principle of operation and its components

    图  2   目前在售TTIs

    Figure  2.   TTIs currently for sale

    图  3   RFID基本原理图

    Figure  3.   Schematic diagram of RFID operation

    图  4   无线通信技术分类

    Figure  4.   Classification of wireless communication technologies

    图  5   肉品冷链物流全流程概念图

    Figure  5.   Conceptual diagram of the whole process of meat cold chain logistics

    图  6   肉品冷链物流数字孪生系统概念图

    Figure  6.   Conceptual diagram of the digital twin system for meat cold chain logistics

    表  1   信息感知技术优缺点及应用情况

    Table  1   Advantages, limitations and applications of information sensing devices

    感知技术 优点 局限 应用 参考文献
    传感器 高灵敏度、类型广泛 易受温度、湿度影响 检测特定物理、化学成分 [8]
    条形码 成本低、形式简单 信息容量小、可读性受限 产品识别、库存控制 [9]
    时间-温度指示器 实时性高、简单易懂 精度有限、易受环境影响 监测冷链温度历史 [10]
    射频识别标签 抗污染性能好、非接触式识别 成本高、识别距离有限 供应链管理、信息追溯 [11]
    气体指示器 针对性强、可见性好 有毒物质迁移、成本高 监测包装气体变化 [12]
    下载: 导出CSV

    表  2   机器学习在肉品冷链物流中的应用

    Table  2   Application of machine learning in meat cold chain logistics

    算法 目的 参考文献
    长短期记忆网络 冷库室内温度和能耗的动态监测 [87]
    蚁群优化算法 优化配送车辆路线,降低运输成本 [91]
    神经网络 单个传感器预测托盘内部的温度 [92]
    混合模拟退火和
    回火算法
    减少碳排放,降低燃料成本 [93]
    非支配排序遗传算法II 减少碳排放,降低企业成本 [94]
    麻雀搜索算法 最小化路径成本和最大化客户满意度 [95]
    下载: 导出CSV

    表  3   区块链在肉品追溯中的应用

    Table  3   Blockchain applications in meat traceability

    肉品类型 目的 参考文献
    牛肉 降低损失量和温室气体排放量 [106]
    澳洲牛肉 降低成本,提高经济效益 [107]
    澳洲牛肉 加强消费者对跨境牛肉的信任度 [108]
    美国牛肉 验证区块链满足中国追溯要求 [109]
    巴西牛肉 确保肉类新鲜度和供应链稳定性 [110]
    下载: 导出CSV
  • [1] 张德权, 侯成立. 热鲜肉与冷却肉品质差异之管见[J]. 肉类研究,2020,34(5):83−90. [ZHANG D Q, HOU C L. Humble opinion on the quality difference between hot meat and chilled meat[J]. Meat Research,2020,34(5):83−90.]

    ZHANG D Q, HOU C L. Humble opinion on the quality difference between hot meat and chilled meat[J]. Meat Research, 2020, 34(5): 83−90.

    [2] 张德权, 陈丽, 侯成立. 生鲜肉贮藏温度术语浅析[J]. 肉类研究,2021,35(5):44−49. [ZHANG D Q, CHEN L, HOU C L. Review on storage temperature terms for fresh meat[J]. Meat Research,2021,35(5):44−49.]

    ZHANG D Q, CHEN L, HOU C L. Review on storage temperature terms for fresh meat[J]. Meat Research, 2021, 35(5): 44−49.

    [3] 许志瑞, 杨杨, 顾曼. 我国生鲜农产品供应链发展回顾与展望[J]. 中国供应链发展报告,2017(00):59−93. [XU Z R, YANG Y, GU M. Review and prospect of the development of fresh agricultural product supply chain in China[J]. China Purchasing Development Report,2017(00):59−93.]

    XU Z R, YANG Y, GU M. Review and prospect of the development of fresh agricultural product supply chain in China[J]. China Purchasing Development Report, 2017(00): 59−93.

    [4]

    REN Q, FANG K, YANG X, et al. Ensuring the quality of meat in cold chain logistics:A comprehensive review[J]. Trends in Food Science & Technology,2022,119:133−151.

    [5] 张喜才, 霍迪. 中国生鲜农产品冷链物流薄弱环节梳理及对策研究[J]. 农业经济与管理,2021(3):93−102. [ZHANG X C, HUO D. Research on weak links and countermeasures of cold chain logistics of fresh agricultural products in China[J]. Agricultural Economics and Management,2021(3):93−102.] doi: 10.3969/j.issn.1674-9189.2021.03.011

    ZHANG X C, HUO D. Research on weak links and countermeasures of cold chain logistics of fresh agricultural products in China[J]. Agricultural Economics and Management, 2021(3): 93−102. doi: 10.3969/j.issn.1674-9189.2021.03.011

    [6] 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 J P, WU W B, YANG P. 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.]

    QIAN J P, WU W B, YANG P. 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.

    [7]

    JAKE A, ROZITA A, MALCOLM C, et al. Transparency in food supply chains:A review of enabling technology solutions[J]. Trends in Food Science & Technology,2019,91:240−247.

    [8]

    LOVE C, NAZEMI H, EL-MASRI E, et al. A review on advanced sensing materials for agricultural gas sensors[J]. Sensors,2021,21(10):3423. doi: 10.3390/s21103423

    [9]

    NEHAL N, CHOUDHARY B, NAGPURE A, et al. DNA barcoding:A modern age tool for detection of adulteration in food[J]. Critical Reviews in Biotechnology,2021,41(5):767−791. doi: 10.1080/07388551.2021.1874279

    [10]

    LIU Y, LI L, YU Z, et al. Principle, development and application of time-temperature indicators for packaging[J]. Packaging Technology and Science,2023,36(10):833−853. doi: 10.1002/pts.2761

    [11]

    BIBI F, GUILLAUME C, GONTARD N, et al. A review:RFID technology having sensing aptitudes for food industry and their contribution to tracking and monitoring of food products[J]. Trends in Food Science & Technology,2017,62:91−103.

    [12]

    MOHAMMADIAN E, ALIZADEH-SANI M, JAFARI S M. Smart monitoring of gas/temperature changes within food packaging based on natural colorants[J]. Comprehensive Reviews in Food Science and Food Safety,2020,19(6):2885−2931. doi: 10.1111/1541-4337.12635

    [13] 刘羽飞, 何勇, 刘飞, 等. 农业传感器技术在我国的应用和市场:现状与未来展望[J]. 浙江大学学报(农业与生命科学版),2023,49(3):293−304. [LIU Y F, HE Y, LIU F, et al. Application and market of agricultural sensor technology in China:Current status and future perspectives[J]. Journal of Zhejiang University (Agriculture and Life Sciences),2023,49(3):293−304.]

    LIU Y F, HE Y, LIU F, et al. Application and market of agricultural sensor technology in China: Current status and future perspectives[J]. Journal of Zhejiang University (Agriculture and Life Sciences), 2023, 49(3): 293−304.

    [14]

    MASOUD G, CARLO A, GIULIA C, et al. An overview of the intelligent packaging technologies in the food sector[J]. Trends in Food Science & Technology,2016,51:1−11.

    [15] 李星, 赵宁, 江勇, 等. 传感器技术在现代家禽生产中的研究进展[J]. 中国农业科技导报,2023,25(7):1−11. [LI X, ZHAO N, JIANG Y, et al. Recent advances in sensor technology of modern poultry production[J]. Journal of Agricultural Science and Technology,2023,25(7):1−11.]

    LI X, ZHAO N, JIANG Y, et al. Recent advances in sensor technology of modern poultry production[J]. Journal of Agricultural Science and Technology, 2023, 25(7): 1−11.

    [16] 乔鑫. 基于热电偶传感器的温度采集系统设计[D]. 西安:西安电子科技大学, 2012. [QIAO X. Design of temperature acquisition system based on thermocouple sensors[D]. Xi'an:Xidian University, 2012.]

    QIAO X. Design of temperature acquisition system based on thermocouple sensors[D]. Xi'an: Xidian University, 2012.

    [17]

    NAJEEB M A, AHMAD Z, SHAKOOR R A. Organic thin-film capacitive and resistive humidity sensors:A focus review[J]. Advanced Materials Interfaces,2018,5(21):1800969. doi: 10.1002/admi.201800969

    [18]

    DANCHUK A I, KOMOVA N S, MOBAREZ S N, et al. Optical sensors for determination of biogenic amines in food[J]. Analytical and Bioanalytical Chemistry,2020,412(17):4023−4036. doi: 10.1007/s00216-020-02675-9

    [19]

    NGUYEN K V, LEE D, KIM Y, et al. Fiber-type transistor-based chemical and physical sensors using conjugated polymers[J]. Polymers,2023,15(20):4062. doi: 10.3390/polym15204062

    [20]

    LI Q, WU J, LIU Y, et al. Recent advances in black phosphorus-based electrochemical sensors:A review[J]. Analytica Chimica Acta,2021,1170:338480. doi: 10.1016/j.aca.2021.338480

    [21] 张凯文, 彭钢, 丁志刚. 金属有机框架基电化学传感器在食品安全检测中的应用进展[J]. 食品安全质量检测学报,2023,14(16):112−123. [ZHANG K W, PENG G, DING Z G. Research progress in electrochemical sensor based on metal-organic framework for food safety detection[J]. Journal of Food Safety & Quality,2023,14(16):112−123.]

    ZHANG K W, PENG G, DING Z G. Research progress in electrochemical sensor based on metal-organic framework for food safety detection[J]. Journal of Food Safety & Quality, 2023, 14(16): 112−123.

    [22]

    ZHOU Y, KUBOTA L. Trends in electrochemical sensing[J]. ChemElectroChem,2020,7(18):3684−3685. doi: 10.1002/celc.202001025

    [23]

    BOBACKA J. Electrochemical sensors for real-world applications[J]. Journal of Solid State Electrochem,2020,24(9):2039−2040. doi: 10.1007/s10008-020-04700-4

    [24]

    XUE L, GUO R, HUANG F, et al. An impedance biosensor based on magnetic nanobead net and MnO2 nanoflowers for rapid and sensitive detection of foodborne bacteria[J]. Biosensors and Bioelectronics,2021,173:112800. doi: 10.1016/j.bios.2020.112800

    [25]

    HU W, PANG J, BISWAS S, et al. Ultrasensitive detection of bacteria using a 2D MOF nanozyme-amplified electrochemical detector[J]. Analytical Chemistry,2021,93(24):8544−8552. doi: 10.1021/acs.analchem.1c01261

    [26]

    JANTAWONG N, PRASERTYING P, WONGPAKDEE T, et al. Absorption of sulfur dioxide gas in moistened porous material on a suspended gold leaf electrochemical sensor[J]. Sensors and Actuators B:Chemical,2023,385:133634. doi: 10.1016/j.snb.2023.133634

    [27]

    BROWN M, HALL J, SCHOENFISCH M. A direct and selective electrochemical hydrogen sulfide sensor[J]. Analytica Chimica Acta,2019,1045:67−76. doi: 10.1016/j.aca.2018.08.054

    [28]

    DURAI L, GOPALAKRISHNAN A, VISHNU N, et al. Polyaniline sheathed black phosphorous:A novel, advanced platform for electrochemical sensing applications[J]. Electroanalysis,2020,32(2):238−247. doi: 10.1002/elan.201900483

    [29]

    LIAO X, LUO X, LI Y, et al. An antifouling electrochemical sensor based on multiwalled carbon nanotubes functionalized black phosphorus for highly sensitive detection of carbendazim and corresponding response mechanisms analyses[J]. Microchemical Journal,2023,190:108671. doi: 10.1016/j.microc.2023.108671

    [30]

    WEN J, JIANG D, SHAN X, et al. Ternary electrochemiluminescence biosensor based on black phosphorus quantum dots doped perylene derivative and metal organic frameworks as a coreaction accelerator for the detection of chloramphenicol[J]. Microchemical Journal,2022,172:106927. doi: 10.1016/j.microc.2021.106927

    [31]

    CHANG J, MAITY A, PU H, et al. Impedimetric phosphorene field-effect transistors for rapid detection of lead ions[J]. Nanotechnology,2018,29(37):375501. doi: 10.1088/1361-6528/aacb6a

    [32]

    ZHANG X, LIAO X, WU Y, et al. A sensitive electrochemical immunosensing interface for label-free detection of aflatoxin B1 by attachment of nanobody to MWCNTs-COOH@black phosphorene[J]. Analytical and Bioanalytical Chemistry,2022,414(2):1129−1139. doi: 10.1007/s00216-021-03738-1

    [33]

    OSMLSKA E, STOMA M, STAREK-WJCICKA A. Application of biosensors, sensors, and tags in intelligent packaging used for food products—A review[J]. Sensors,2022,22(24):9956. doi: 10.3390/s22249956

    [34]

    ALBELDA J A V, UZUNOGLU A, SANTOS G N C, et al. Graphene-titanium dioxide nanocomposite based hypoxanthine sensor for assessment of meat freshness[J]. Biosensors and Bioelectronics,2017,89:518−524. doi: 10.1016/j.bios.2016.03.041

    [35]

    DASZCZUK A, DESSALEGNE Y, HENDRIKS E, et al. Bacillus subtilis biosensor engineered to assess meat spoilage[J]. ACS Synthetic Biology,2014,3(12):999−1002. doi: 10.1021/sb5000252

    [36]

    ZHANG Y, WU Y, WU Y, et al. CRISPR-Cas systems:From gene scissors to programmable biosensors[J]. TrAC Trends in Analytical Chemistry,2021,137:116210. doi: 10.1016/j.trac.2021.116210

    [37] 李鑫, 黄登宇. 追溯技术在食品追溯体系中的研究进展[J]. 食品安全质量检测学报,2017,8(5):1903−1908. [LI X, HUANG D Y. Research progress of tracing technology in food traceability system[J]. Journal of Food Safety & Quality,2017,8(5):1903−1908.]

    LI X, HUANG D Y. Research progress of tracing technology in food traceability system[J]. Journal of Food Safety & Quality, 2017, 8(5): 1903−1908.

    [38] 董玉德, 丁保勇, 张国伟, 等. 基于农产品供应链的质量安全可追溯系统[J]. 农业工程学报,2016,32(1):280−285. [DONG Y D, DING B Y, ZHANG G W, et al. Quality and safety traceability system based on agricultural product supply chain[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE),2016,32(1):280−285.]

    DONG Y D, DING B Y, ZHANG G W, et al. Quality and safety traceability system based on agricultural product supply chain[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(1): 280−285.

    [39]

    PENG Y, ZHANG L, SONG Z, et al. A QR code based tracing method for fresh pork quality in cold chain[J]. Journal of Food Process Engineering,2018,41(4):e12685. doi: 10.1111/jfpe.12685

    [40]

    ZHANG H, XU Y, LUO M, et al. Integrated food quality monitoring QR code labels with simultaneous temperature and freshness sensing in real-time[J]. Food Measure,2023,17(5):4834−4842. doi: 10.1007/s11694-023-02007-2

    [41]

    XU Y, LIU Z, LIU R, et al. Inkjet-printed pH-sensitive QR code labels for real-time food freshness monitoring[J]. Journal of Materials Science,2021,56(33):18453−18462. doi: 10.1007/s10853-021-06477-x

    [42]

    HAN J, RUIZ-GARCIA L, QIAN J, et al. Food packaging:A comprehensive review and future trends[J]. Comprehensive Reviews in Food Science and Food Safety,2018,17(4):860−877. doi: 10.1111/1541-4337.12343

    [43]

    HAO C, HAO X, DAVID J, et al. Recent advances in intelligent food packaging materials:Principles, preparation and applications[J]. Food Chemistry,2022,375:131738. doi: 10.1016/j.foodchem.2021.131738

    [44]

    GUIAVARCH Y, VAN LOEY A, ZUBER F, et al. Development characterization and use of a high-performance enzymatic time-temperature integrator for the control of sterilization process’ impacts[J]. Biotechnology and Bioengineering,2004,88(1):15−25. doi: 10.1002/bit.20183

    [45] 于江, 王嘉懿, 谢利, 等. 基于包装功能的时间–温度指示器与食品新鲜度指示器研究进展[J]. 包装工程,2022,43(19):49−55. [YU J, WANG J Y, XIE L, et al. Research progress of time-temperature indicator and food freshness indicator based on packaging functions[J]. Packaging Engineering,2022,43(19):49−55.]

    YU J, WANG J Y, XIE L, et al. Research progress of time-temperature indicator and food freshness indicator based on packaging functions[J]. Packaging Engineering, 2022, 43(19): 49−55.

    [46]

    MENG J, QIAN J, TANG Y. A solid-state time-temperature indicator used in chilled fresh pork monitoring[J]. Packaging Technology and Science,2018,31(5):353−360. doi: 10.1002/pts.2328

    [47]

    CHOI S, EOM Y, KIM S, et al. A self-healing nanofiber-based self-responsive time-temperature indicator for securing a cold-supply chain[J]. Advanced Materials,2020,32(11):1907064. doi: 10.1002/adma.201907064

    [48]

    CHEN Y, SONG Y, ZHANG Z, et al. Thiol-functionalized covalent organic frameworks as thermal history indictor for temperature and time history monitoring[J]. Advanced Functional Materials,2021,31(41):2104885. doi: 10.1002/adfm.202104885

    [49]

    SHOU W, WANG Y, YAO Y, et al. A two-dimensional disposable full-history time-temperature indicator for cold chain logistics[J]. Analytica Chimica Acta,2023,1237:340618. doi: 10.1016/j.aca.2022.340618

    [50]

    TAOUKIS P, LABUZA T. Applicability of time-temperature indicators as shelf life monitors of food products[J]. Journal of Food Science,1989,54(4):783−788. doi: 10.1111/j.1365-2621.1989.tb07882.x

    [51]

    MOHEBI E, MARQUEZ L. Intelligent packaging in meat industry:An overview of existing solutions[J]. Journal of Food Science and Technology,2015,52(7):3947−3964. doi: 10.1007/s13197-014-1588-z

    [52] 衣然, 马浩洋, 金露达, 等. 微生物型时间-温度指示器(TTI)研究进展[J]. 包装工程,2023,44(1):223−233. [YI R, MA H Y, JIN L D, et al. Research progress of microbial time-temperature indicator (TTI)[J]. Packaging Engineering,2023,44(1):223−233.]

    YI R, MA H Y, JIN L D, et al. Research progress of microbial time-temperature indicator (TTI)[J]. Packaging Engineering, 2023, 44(1): 223−233.

    [53] 程新博, 孙伟奇, 刘臣宇, 等. RFID技术在仓储管理中的应用研究综述[J]. 环境技术,2021,39(5):206−209. [CHENG X B, SUN W Q, LIU C Y, et al. Review on the application of RFID technology in warehouse management[J]. Environmental Technology,2021,39(5):206−209.]

    CHENG X B, SUN W Q, LIU C Y, et al. Review on the application of RFID technology in warehouse management[J]. Environmental Technology, 2021, 39(5): 206−209.

    [54] 赵训铭, 刘建华. 射频识别(RFID)技术在食品溯源中的应用研究进展[J]. 食品与机械,2019,35(2):212−216,225. [ZHAO X M, LIU J H. Advances in the application of RFID technology in food traceability systems[J]. Food & Machinery,2019,35(2):212−216,225.]

    ZHAO X M, LIU J H. Advances in the application of RFID technology in food traceability systems[J]. Food & Machinery, 2019, 35(2): 212−216,225.

    [55]

    ZHOU H. Application of RFID information technology in fresh food cold chain logistics management[J]. Journal of Physics:Conference Series,2021,1881(3):032002. doi: 10.1088/1742-6596/1881/3/032002

    [56] 刘影, 王智霖, 王宛, 等. 基于RFID冷链物流监测系统[J]. 物联网技术,2018,8(5):97−99. [LIU Y, WANG Z L, WANG W, et al. RFID-based cold chain logistics monitoring system[J]. Internet of Things Technologies,2018,8(5):97−99.]

    LIU Y, WANG Z L, WANG W, et al. RFID-based cold chain logistics monitoring system[J]. Internet of Things Technologies, 2018, 8(5): 97−99.

    [57]

    GANJAR A, MUHAMMAD S, UMAR F, et al. Improving efficiency of RFID-based traceability system for perishable food by utilizing IoT sensors and machine learning model[J]. Food Control,2020,110:107016. doi: 10.1016/j.foodcont.2019.107016

    [58] 时国龙, 沈心怡, 辜丽川, 等. 面向智慧农业的无芯片射频跨域感知研究进展[J]. 农业工程学报,2023,39(7):10−23. [SHI G L, SHEN X Y, GU L C, et al. Review of chipless RFID cross-domain sensing for smart agriculture[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE),2023,39(7):10−23.] doi: 10.11975/j.issn.1002-6819.202212196

    SHI G L, SHEN X Y, GU L C, et al. Review of chipless RFID cross-domain sensing for smart agriculture[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2023, 39(7): 10−23. doi: 10.11975/j.issn.1002-6819.202212196

    [59]

    SHAFIQ Y, GIBSON J, KIM H, et al. A reusable battery-free RFID temperature sensor[J]. IEEE Transactions on Antennas and Propagation,2019,67(10):6612−6626. doi: 10.1109/TAP.2019.2921150

    [60]

    BHATTACHARYYA R, FLOERKEMEIER C, SARMA S. RFID tag antenna based temperature sensing[C]//2010 IEEE International Conference on RFID (IEEE RFID 2010). Orlando, USA, 2010:8-15.

    [61]

    DENG F, HE Y, LI B, et al. Design of a slotted chipless RFID humidity sensor tag[J]. Sensors and Actuators B:Chemical,2018,264:255−262. doi: 10.1016/j.snb.2018.02.153

    [62]

    WAIMIN J, GOPALAKRISHNAN S, HEREDIA-RIVERA U, et al. Low-cost nonreversible electronic-free wireless pH sensor for spoilage detection in packaged meat products[J]. ACS Applied Materials & Interfaces,2022,14(40):45752−45764.

    [63]

    AHMADIHAJI A, IZQUIERDO R, SHIH A. From chip-based to chipless RFID sensors:A review[J]. IEEE Sensors Journal,2023,23(11):11356−11373. doi: 10.1109/JSEN.2023.3266316

    [64]

    RAJU R, BRIDGES G, BHADRA S. Wireless passive sensors for food quality monitoring:Improving the safety of food products[J]. IEEE Antennas and Propagation Magazine,2020,62(5):76−89. doi: 10.1109/MAP.2020.3003216

    [65] 孙忠富, 杜克明, 尹首一. 物联网发展趋势与农业应用展望[J]. 农业网络信息,2010(5):5−8,21. [SUN Z F, DU K M, YIN S Y. Development trend of internet of things and perspective of its application in agriculture[J]. Agriculture Network Information,2010(5):5−8,21.]

    SUN Z F, DU K M, YIN S Y. Development trend of internet of things and perspective of its application in agriculture[J]. Agriculture Network Information, 2010(5): 5−8,21.

    [66]

    GKOTSIOPOULOS P, ZORBAS D, DOULIGERIS C. Performance determinants in LoRa networks:A literature review[J]. IEEE Communications Surveys & Tutorials,2021,23(3):1721−1758.

    [67]

    PAGANO A, CROCE D, TINNIRELLO I, et al. A survey on LoRa for smart agriculture:Current trends and future perspectives[J]. IEEE Internet Things J,2023,10(4):3664−3679. doi: 10.1109/JIOT.2022.3230505

    [68]

    SUN Z, YANG H, LIU K, et al. Recent advances in LoRa:A comprehensive survey[J]. ACM Transactions on Sensor Networks,2022,18(4):1.1−1.44.

    [69]

    WU Z, YANG X, ZHANG W, et al. Vehicle environment monitoring system for fresh agricultural products distribution based on LoRa[C]//2022 2nd International Conference on Consumer Electronics and Computer Engineering (ICCECE). Guangzhou, China, 2022:119−122.

    [70]

    HAO H, HUI D, LAU D. Material advancement in technological development for the 5G wireless communications[J]. Nanotechnology Reviews,2020,9(1):683−699. doi: 10.1515/ntrev-2020-0054

    [71]

    SALVA-GARCIA P, ALCARAZ-CALERO J, WANG Q, et al. 5G NB-IoT:Efficient network traffic filtering for multitenant IoT cellular networks[J]. Security and Communication Networks,2018,2018:1−21.

    [72]

    HAN Q. Research on the construction of cold chain logistics intelligent system based on 5G ubiquitous internet of things[J]. Journal of Sensors,2021,2021:1−11.

    [73]

    LI G. Development of cold chain logistics transportation system based on 5G network and Internet of things system[J]. Microprocessors and Microsystems,2021,80:103565. doi: 10.1016/j.micpro.2020.103565

    [74] 郑黎明, 刘培国, 王宏义, 等. 无源物联网:背景、概念、挑战及研究进展[J]. 电子与信息学报,2023,45(7):2293−2310. [ZHENG L M, LIU P G, WANG H Y, et al. Passive internet of things:Background, concept, challenges and progress[J]. Journal of Electronics & Information Technology,2023,45(7):2293−2310.]

    ZHENG L M, LIU P G, WANG H Y, et al. Passive internet of things: Background, concept, challenges and progress[J]. Journal of Electronics & Information Technology, 2023, 45(7): 2293−2310.

    [75] 周征伟. 基于NB-IoT的设备远程监控系统研究与开发[D]. 南昌:南昌大学, 2021. [ZHOU Z W. Research and development of equipment remote monitoring system based on NB-IoT[D]. Nanchang:Nanchang University, 2021.]

    ZHOU Z W. Research and development of equipment remote monitoring system based on NB-IoT[D]. Nanchang: Nanchang University, 2021.

    [76] 王兵. 基于温湿度异常检测与NB-IoT技术的冷链物流监控系统设计与实现[D]. 银川:宁夏大学, 2021. [WANG B. Design and implementation of cold chain logistics monitoring system based on temperature and humidity exception handling and NB-IoT[D]. Yinchuan:Ningxia University, 2021.]

    WANG B. Design and implementation of cold chain logistics monitoring system based on temperature and humidity exception handling and NB-IoT[D]. Yinchuan: Ningxia University, 2021.

    [77]

    LI G, LI M. The Design of cold chain transportation monitoring system based on NB-IoT[C]//2020 International Conference on Virtual Reality and Intelligent Systems (ICVRIS). Zhangjiajie, China, 2020:385−388.

    [78]

    GRABBE E, PYKE D. An evaluation of the forecasting of information processing technology and applications[J]. Technological Forecasting and Social Change,1972,4(2):143−150. doi: 10.1016/0040-1625(72)90011-X

    [79] 南熙. 云计算在生鲜食品冷链物流中的应用分析[J]. 中国市场,2021(14):144−145. [NAN X. Application analysis of cloud computing in fresh food cold chain logistics[J]. China Market,2021(14):144−145.]

    NAN X. Application analysis of cloud computing in fresh food cold chain logistics[J]. China Market, 2021(14): 144−145.

    [80] 黄思杰. 大数据和云计算技术在农产品冷链物流信息化中的应用[J]. 中国管理信息化,2021,24(8):87−88. [HUANG S J. Application of big data and cloud computing technology in the informationization of agricultural cold chain logistics[J]. China Management Informationization,2021,24(8):87−88.]

    HUANG S J. Application of big data and cloud computing technology in the informationization of agricultural cold chain logistics[J]. China Management Informationization, 2021, 24(8): 87−88.

    [81]

    LI X, WANG Y, CHEN X. Cold chain logistics system based on cloud computing[J]. Concurrency and Computation:Practice and Experience,2012,24(17):2138−2150. doi: 10.1002/cpe.1840

    [82]

    JANIESCH C, ZSCHECH P, HEINRICH K. Machine learning and deep learning[J]. Electron Markets,2021,31(3):685−695. doi: 10.1007/s12525-021-00475-2

    [83]

    CHENG F, ZHANG H, FAN W, et al. Image recognition technology based on deep learning[J]. Wireless Personal Communications,2018,102(2):1917−1933. doi: 10.1007/s11277-018-5246-z

    [84]

    WENG Z, QIN Z, TAO X, et al. Deep learning enabled semantic communications with speech recognition and synthesis[J]. IEEE Trans Wireless Commun,2023,22(9):6227−6240. doi: 10.1109/TWC.2023.3240969

    [85]

    WU Y, SCHUSTER M, CHEN Z, et al. Google’s neural machine translation system:Bridging the gap between human and machine translation[M]. arXiv, 2016[2023-11-10]. http://arxiv.org/abs/1609.08144.

    [86]

    CHEN Y. Intelligent algorithms for cold chain logistics distribution optimization based on big data cloud computing analysis[J]. Journal of Cloud Computing,2020,9(1):37. doi: 10.1186/s13677-020-00174-x

    [87]

    MELLOULI N, AKERMA M, HOANG M, et al. Deep learning models for time series forecasting of indoor temperature and energy consumption in a cold room[M]. NGUYEN NT, CHBEIR R, EXPOSITO E, et al. Computational Collective Intelligence:Vol. 11684. Cham:Springer International Publishing, 2019:133−144.

    [88]

    TANG F. Application of a cold-chain logistics distribution system based on cloud computing and web delivery date management[J]. International Journal of Information Systems and Supply Chain Management,2023,16(1):1−16.

    [89]

    MACK M, DITTMER P, VEIGT M, et al. Quality tracing in meat supply chains[J]. Phil Trans R Soc A,2014,372(2017):20130308. doi: 10.1098/rsta.2013.0308

    [90]

    DO NASCIMENTO N, NICOMETO M, EMOND J, et al. Improvement in fresh fruit and vegetable logistics quality:Berry logistics field studies[J]. Philosophical Transactions of the Royal Society A:Mathematical, Physical and Engineering Sciences,2014,372(2017):20130307. doi: 10.1098/rsta.2013.0307

    [91]

    XIONG H. Research on cold chain logistics distribution route based on ant colony optimization algorithm[J]. Discrete Dynamics in Nature and Society,2021,2021:e6623563.

    [92]

    MERCIER S, UYSAL I. Neural network models for predicting perishable food temperatures along the supply chain[J]. Biosystems Engineering,2018,171:91−100. doi: 10.1016/j.biosystemseng.2018.04.016

    [93]

    CHEN J, LIAO W, YU C. Route optimization for cold chain logistics of front warehouses based on traffic congestion and carbon emission[J]. Computers & Industrial Engineering,2021,161:107663.

    [94]

    LI K, LI D, WU D. Carbon transaction-based location-routing-inventory optimization for cold chain logistics[J]. Alexandria Engineering Journal,2022,61(10):7979−7986. doi: 10.1016/j.aej.2022.01.062

    [95]

    ZHANG H, HUANG Q, MA L, et al. Sparrow search algorithm with adaptive t distribution for multi-objective low-carbon multimodal transportation planning problem with fuzzy demand and fuzzy time[J]. Expert Systems with Applications,2024,238:122042. doi: 10.1016/j.eswa.2023.122042

    [96] 武宁宁, 王大为, 崔正国, 等. 我国水产品追溯体系研究进展[J]. 广东海洋大学学报,2023,43(5):113−118. [WU N N, WANG D W, CUI Z G, et al. Research progress of chinese aquatic product traceability system[J]. Journal of Guangdong Ocean University,2023,43(5):113−118.]

    WU N N, WANG D W, CUI Z G, et al. Research progress of chinese aquatic product traceability system[J]. Journal of Guangdong Ocean University, 2023, 43(5): 113−118.

    [97] 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. [LI J L, CHEN Y, QIAN J P, 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.]

    LI J L, CHEN Y, QIAN J P, 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.

    [98]

    BARBOSA M W. Uncovering research streams on agri-food supply chain management:A bibliometric study[J]. Global Food Security,2021,28:100517. doi: 10.1016/j.gfs.2021.100517

    [99]

    GOVINDAN K, JAIN P, KR. SINGH R, et al. Blockchain technology as a strategic weapon to bring procurement 4.0 truly alive:Literature review and future research agenda[J]. Transportation Research Part E:Logistics and Transportation Review,2024,181:103352. doi: 10.1016/j.tre.2023.103352

    [100]

    ZHANG X, SUN Y, SUN Y. Research on cold chain logistics traceability system of fresh agricultural products based on blockchain[J]. Computational Intelligence and Neuroscience,2022,2022:1−13.

    [101]

    BUTIJN B, TAMBURRI D, HEUVEL W. Blockchains:A systematic multivocal literature review[J]. Acm Computing Surveys,2021,53(3):1−37.

    [102]

    LI Y, TAN C, IP W, et al. Dynamic blockchain adoption for freshness-keeping in the fresh agricultural product supply chain[J]. Expert Systems with Applications,2023,217:119494. doi: 10.1016/j.eswa.2022.119494

    [103]

    HU X. Cold chain logistics model of agricultural products based on embedded system and blockchain[J]. Production Planning & Control,2022:1−12.

    [104]

    ZHANG Y, LIU Y, JIONG Z, et al. Development and assessment of blockchain-IoT-based traceability system for frozen aquatic product[J]. Journal of Food Process Engineering,2021,44(5):e13669. doi: 10.1111/jfpe.13669

    [105]

    SPITALLERI A, KAVASIDIS I, CARTELLI V, et al. BioTrak:A blockchain-based platform for food chain logistics traceability[M]. arXiv, 2023[2023-10-12]. http://arxiv.org/abs/2304.09601.

    [106]

    JO J, YI S, LEE E. Including the reefer chain into genuine beef cold chain architecture based on blockchain technology[J]. Journal of Cleaner Production,2022,363:132646. doi: 10.1016/j.jclepro.2022.132646

    [107]

    NATANELOV V, CAO S, FOTH M, et al. Blockchain smart contracts for supply chain finance:Mapping the innovation potential in Australia-China beef supply chains[J]. Journal of Industrial Information Integration,2022,30:100389. doi: 10.1016/j.jii.2022.100389

    [108]

    CAO S, POWELL W, FOTH M, et al. Strengthening consumer trust in beef supply chain traceability with a blockchain-based human-machine reconcile mechanism[J]. Computers and Electronics in Agriculture,2021,180:105886. doi: 10.1016/j.compag.2020.105886

    [109]

    LIN W, ORTEGA D, UFER D, et al. Blockchain-based traceability and demand for U.S. beef in China[J]. Applied Economic Perspectives and Policy,2022,44(1):253−272. doi: 10.1002/aepp.13135

    [110]

    HE M. JD fresh partners with world’s largest meat supplier JBS[EB]. JD Corporate Blog. 2021[2023-11-14]. https://jdcorporateblog.com/jd-fresh-partners-with-worlds-largest-meat-supplier-jbs/.

    [111]

    TAO F, XIAO B, QI Q, et al. Digital twin modeling[J]. Journal of Manufacturing Systems,2022,64:372−389. doi: 10.1016/j.jmsy.2022.06.015

    [112]

    HU B, GUO H, TAO X, et al. Construction of digital twin system for cold chain logistics stereo warehouse[J]. IEEE Access,2023,11:73850−73862. doi: 10.1109/ACCESS.2023.3295819

    [113]

    WU W, SHEN L, ZHAO Z, et al. Internet of everything and digital twin enabled service platform for cold chain logistics[J]. Journal of Industrial Information Integration,2023,33:100443. doi: 10.1016/j.jii.2023.100443

图(6)  /  表(3)
计量
  • 文章访问数:  40
  • HTML全文浏览量:  16
  • PDF下载量:  7
  • 被引次数: 0
出版历程
  • 收稿日期:  2024-03-28
  • 网络出版日期:  2024-11-27
  • 刊出日期:  2025-01-31

目录

/

返回文章
返回
x 关闭 永久关闭