Система отслеживания происхождения для пищевой промышленности 4.0 на базе IoT и блокчейна с оптимизацией с помощью передового глубокого обучения

Сельское хозяйство и животноводство играют важную роль в социальной и экономической стабильности. Безопасность пищевых продуктов и прозрачность цепочки поставок являются значимыми проблемами для многих людей. Интернет вещей (IoT) и блокчейн привлекают внимание благодаря успешному применению в различных областях. Они генерируют большой объем данных, которые можно оптимизировать и эффективно использовать с помощью методов передового глубокого обучения (ADL). Значение таких инноваций с точки зрения управления цепочками поставок велико для таких процессов, как расширенная видимость, прослеживаемость происхождения, оцифровка, устранение посредников и «умные» контракты. В статье в качестве объекта исследования рассматриваются защищенные данные IoT-блокчейна индустрии 4.0 в пищевом секторе. С использованием методов ADL мы предлагаем гибридную модель на основе рекуррентных нейронных сетей (RNN). В частности, в качестве прогностической модели используются долгосрочная память с короткими связями (LSTM) и блоки с затворами (GRU), а генетический алгоритм (GA) применяется совместно для оптимизации параметров гибридной модели. Оптимальные параметры обучения отбираются с помощью GA, и в конечном итоге выполняется каскадирование LSTM с GRU. Мы оценивали производительность предлагаемой системы для различного числа пользователей. Цель статьи — помочь практикам в цепочке поставок воспользоваться передовыми технологиями и помочь отрасли формировать политику на основе прогнозов ADL.