本發(fā)明屬于藥品供應(yīng)鏈管理，具體為一種基于區(qū)塊鏈的藥品供應(yīng)鏈溯源系統(tǒng)。

背景技術(shù)：

1、基于區(qū)塊鏈的藥品供應(yīng)鏈溯源系統(tǒng)是一種利用區(qū)塊鏈技術(shù)確保藥品從生產(chǎn)到消費(fèi)者全過程透明、可追溯和安全的解決方案。該系統(tǒng)通過將藥品的關(guān)鍵數(shù)據(jù)（如生產(chǎn)、運(yùn)輸、存儲(chǔ)等信息）以不可篡改的形式記錄在區(qū)塊鏈上，使得各方參與者（如生產(chǎn)商、分銷商、零售商和消費(fèi)者）能夠?qū)崟r(shí)訪問藥品信息，確保藥品的真實(shí)性和安全性。其主要作用包括防止假冒偽劣藥品流入市場，提升藥品監(jiān)管的效率與透明度，以及增強(qiáng)消費(fèi)者對(duì)藥品安全的信任。通過結(jié)合深度學(xué)習(xí)技術(shù)進(jìn)行異常檢測和預(yù)警，該系統(tǒng)還可以實(shí)現(xiàn)對(duì)藥品流通過程中的潛在風(fēng)險(xiǎn)的實(shí)時(shí)監(jiān)控與防范。

2、但是，在已有的基于區(qū)塊鏈的藥品供應(yīng)鏈溯源系統(tǒng)中，存在著傳統(tǒng)方法針對(duì)藥品供應(yīng)鏈的溯源優(yōu)化多單純聚焦在區(qū)塊鏈的模型結(jié)構(gòu)設(shè)計(jì)上，但忽略了智能方法對(duì)于藥品溯源的多階段的輔助和支持，導(dǎo)致藥品供應(yīng)鏈溯源實(shí)質(zhì)上依然依賴人工檢測，傳統(tǒng)方法難以提供一個(gè)客觀自動(dòng)的藥品供應(yīng)鏈溯源方案的技術(shù)問題；在已有的藥品身份驗(yàn)證方法中，存在著智能化方法在應(yīng)用于區(qū)塊鏈藥品供應(yīng)鏈溯源的核心問題在于計(jì)算效率，現(xiàn)有技術(shù)難以高效地提取藥品身份驗(yàn)證信息，而精確性也不足的技術(shù)問題；在已有的防偽溯源方法中，存在著藥品的防偽不能只考慮藥品標(biāo)簽的檢測，對(duì)于藥品包裝的異常和偽裝也需要納入考慮范圍的技術(shù)問題；在已有的實(shí)時(shí)監(jiān)控方法中，存在著藥品供應(yīng)鏈不僅要從供應(yīng)者層面進(jìn)行檢測，在藥品的運(yùn)輸和其他可供監(jiān)測的生產(chǎn)環(huán)節(jié)也有可能出現(xiàn)誤差，進(jìn)而導(dǎo)致智能檢測的結(jié)果可用性降低的技術(shù)問題。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)上述情況，為克服現(xiàn)有技術(shù)的缺陷，本發(fā)明提供了一種基于區(qū)塊鏈的藥品供應(yīng)鏈溯源系統(tǒng)，針對(duì)在已有的基于區(qū)塊鏈的藥品供應(yīng)鏈溯源系統(tǒng)中，存在著傳統(tǒng)方法針對(duì)藥品供應(yīng)鏈的溯源優(yōu)化多單純聚焦在區(qū)塊鏈的模型結(jié)構(gòu)設(shè)計(jì)上，但忽略了智能方法對(duì)于藥品溯源的多階段的輔助和支持，導(dǎo)致藥品供應(yīng)鏈溯源實(shí)質(zhì)上依然依賴人工檢測，傳統(tǒng)方法難以提供一個(gè)客觀自動(dòng)的藥品供應(yīng)鏈溯源方案的技術(shù)問題，本方案創(chuàng)造性地采用結(jié)合藥品身份驗(yàn)證、防偽溯源和實(shí)時(shí)監(jiān)控三個(gè)智能功能的優(yōu)化設(shè)計(jì)，并結(jié)合區(qū)塊鏈技術(shù)進(jìn)行藥品供應(yīng)鏈溯源系統(tǒng)的設(shè)計(jì)提升了方案整體的自動(dòng)性、智能性和可擴(kuò)展性，同時(shí)三項(xiàng)智能化功能采用分離式設(shè)計(jì)，可以單獨(dú)進(jìn)行維護(hù)和替換，提升了系統(tǒng)本身的泛用性和實(shí)用性，通過在區(qū)塊鏈智能合約管理中，應(yīng)用優(yōu)化搜索算法和優(yōu)化加密算法，也一并提升了作為技術(shù)基礎(chǔ)的區(qū)塊鏈技術(shù)的安全性；針對(duì)在已有的藥品身份驗(yàn)證方法中，存在著智能化方法在應(yīng)用于區(qū)塊鏈藥品供應(yīng)鏈溯源的核心問題在于計(jì)算效率，現(xiàn)有技術(shù)難以高效地提取藥品身份驗(yàn)證信息，而精確性也不足的技術(shù)問題，本方案創(chuàng)造性地采用結(jié)合預(yù)訓(xùn)練網(wǎng)絡(luò)的特征注意力改進(jìn)模型進(jìn)行藥品身份驗(yàn)證，通過對(duì)藥品身份驗(yàn)證的關(guān)鍵標(biāo)簽和信息進(jìn)行提取，并使用預(yù)訓(xùn)練模型結(jié)合編解碼改進(jìn)模型，既能提升藥品身份驗(yàn)證的計(jì)算效率，減少計(jì)算資源消耗，也提升了整體驗(yàn)證的效率；針對(duì)在已有的防偽溯源方法中，存在著藥品的防偽不能只考慮藥品標(biāo)簽的檢測，對(duì)于藥品包裝的異常和偽裝也需要納入考慮范圍的技術(shù)問題，本方案創(chuàng)造性地采用特征注意力改進(jìn)模型進(jìn)行藥品包裝的防偽溯源，并通過結(jié)合藥品身份驗(yàn)證信息進(jìn)行綜合防偽檢測，提升了防偽溯源在供應(yīng)者層面的檢測性；針對(duì)在已有的實(shí)時(shí)監(jiān)控方法中，存在著藥品供應(yīng)鏈不僅要從供應(yīng)者層面進(jìn)行檢測，在藥品的運(yùn)輸和其他可供監(jiān)測的生產(chǎn)環(huán)節(jié)也有可能出現(xiàn)誤差，進(jìn)而導(dǎo)致智能檢測的結(jié)果可用性降低的技術(shù)問題，本方案創(chuàng)造性地采用局部多項(xiàng)式濾波的時(shí)序卷積長短期并行網(wǎng)絡(luò)，進(jìn)行實(shí)時(shí)監(jiān)控，通過對(duì)運(yùn)輸過程也進(jìn)行實(shí)時(shí)監(jiān)控，為整體的藥品供應(yīng)鏈溯源提供了有力支持和輔助參考。

2、本發(fā)明采取的技術(shù)方案如下：本發(fā)明提供的一種基于區(qū)塊鏈的藥品供應(yīng)鏈溯源系統(tǒng)，包括數(shù)據(jù)管理模塊、藥品身份驗(yàn)證模塊、防偽溯源模塊、實(shí)時(shí)監(jiān)控模塊、區(qū)塊鏈智能合約管理模塊和反饋交互模塊；

3、所述數(shù)據(jù)管理模塊，用于采集、處理和存儲(chǔ)藥品供應(yīng)鏈過程數(shù)據(jù)并進(jìn)行模塊間的數(shù)據(jù)傳輸和交互，通過數(shù)據(jù)管理，得到藥品供應(yīng)鏈溯源數(shù)據(jù)集，將所述藥品供應(yīng)鏈溯源數(shù)據(jù)集上傳至區(qū)塊鏈，并發(fā)送至藥品身份驗(yàn)證模塊、防偽溯源模塊和實(shí)時(shí)監(jiān)控模塊；

4、所述藥品身份驗(yàn)證模塊，用于通過標(biāo)簽信息驗(yàn)證藥品的環(huán)節(jié)信息，通過藥品身份驗(yàn)證，得到藥品信息真實(shí)性驗(yàn)證數(shù)據(jù)，將所述藥品信息真實(shí)性驗(yàn)證數(shù)據(jù)上傳至區(qū)塊鏈，并發(fā)送至防偽溯源模塊、區(qū)塊鏈智能合約管理模塊和反饋交互模塊；

5、所述防偽溯源模塊，用于通過包裝圖像分析并檢測藥品的偽造情況，通過防偽溯源，得到藥品包裝防偽評(píng)估數(shù)據(jù)，將所述藥品包裝防偽評(píng)估數(shù)據(jù)上傳至區(qū)塊鏈，并發(fā)送至實(shí)時(shí)監(jiān)控模塊、區(qū)塊鏈智能合約管理模塊和反饋交互模塊；

6、所述實(shí)時(shí)監(jiān)控模塊，用于實(shí)時(shí)跟蹤藥品的運(yùn)輸和存儲(chǔ)狀態(tài)并進(jìn)行供應(yīng)鏈可追溯性增強(qiáng)，通過實(shí)時(shí)監(jiān)控，得到藥品運(yùn)輸過程評(píng)估數(shù)據(jù)，將所述藥品運(yùn)輸過程評(píng)估數(shù)據(jù)上傳至區(qū)塊鏈，并發(fā)送至區(qū)塊鏈智能合約管理模塊和反饋交互模塊；

7、所述區(qū)塊鏈智能合約管理模塊，用于通過區(qū)塊鏈指數(shù)管理藥品供應(yīng)鏈中的交易數(shù)據(jù)，通過區(qū)塊鏈智能合約管理，得到數(shù)據(jù)驗(yàn)證簽署信息，并通過依據(jù)所述數(shù)據(jù)驗(yàn)證前述信息，進(jìn)行藥品供應(yīng)鏈智能合約執(zhí)行；

8、所述反饋交互模塊，用于提供用戶可交互的反饋功能，通過反饋交互，進(jìn)行用戶對(duì)藥品供應(yīng)鏈溯源的查詢、使用和管理。

9、進(jìn)一步地，所述數(shù)據(jù)管理，具體為從藥品生產(chǎn)環(huán)節(jié)中，通過數(shù)據(jù)采集，得到藥品供應(yīng)鏈原始數(shù)據(jù)集，并進(jìn)行數(shù)據(jù)分類和預(yù)處理，得到藥品供應(yīng)鏈溯源數(shù)據(jù)集；

10、所述藥品供應(yīng)鏈原始數(shù)據(jù)集，具體包括身份驗(yàn)證原始數(shù)據(jù)、防偽溯源原始數(shù)據(jù)和實(shí)時(shí)監(jiān)控原始數(shù)據(jù)；

11、所述數(shù)據(jù)分類和預(yù)處理，具體指通過依次執(zhí)行數(shù)據(jù)分類操作和數(shù)據(jù)預(yù)處理操作，得到藥品供應(yīng)鏈溯源數(shù)據(jù)集；

12、所述數(shù)據(jù)分類操作，具體指將所述藥品供應(yīng)鏈原始數(shù)據(jù)集，依據(jù)數(shù)據(jù)類型劃分為身份驗(yàn)證原始數(shù)據(jù)、防偽溯源原始數(shù)據(jù)和實(shí)時(shí)監(jiān)控原始數(shù)據(jù)；

13、所述數(shù)據(jù)預(yù)處理操作，具體為依次對(duì)所述身份驗(yàn)證原始數(shù)據(jù)、防偽溯源原始數(shù)據(jù)和實(shí)時(shí)監(jiān)控原始數(shù)據(jù)進(jìn)行預(yù)處理，得到藥品供應(yīng)鏈溯源數(shù)據(jù)集，包括以下步驟：身份驗(yàn)證數(shù)據(jù)預(yù)處理、防偽溯源數(shù)據(jù)預(yù)處理、實(shí)時(shí)監(jiān)控?cái)?shù)據(jù)預(yù)處理和綜合預(yù)處理；

14、所述身份驗(yàn)證數(shù)據(jù)預(yù)處理，具體指對(duì)所述藥品標(biāo)簽圖像進(jìn)行去噪和圖像增強(qiáng)操作，對(duì)所述藥品標(biāo)簽信息進(jìn)行缺失值處理操作，得到身份驗(yàn)證優(yōu)化數(shù)據(jù)；

15、所述防偽溯源數(shù)據(jù)預(yù)處理，具體指對(duì)所述藥品外觀圖像進(jìn)行去噪、灰度化、對(duì)比度調(diào)整和偽造藥品圖像樣本生成操作，對(duì)所述藥品標(biāo)簽信息進(jìn)行缺失值處理和標(biāo)準(zhǔn)化操作，得到防偽溯源優(yōu)化數(shù)據(jù)；

16、所述實(shí)時(shí)監(jiān)控?cái)?shù)據(jù)預(yù)處理，具體指對(duì)所述運(yùn)輸過程傳感數(shù)據(jù)和運(yùn)輸過程定位數(shù)據(jù)進(jìn)行缺失值填補(bǔ)、標(biāo)準(zhǔn)化和去噪操作，得到實(shí)時(shí)監(jiān)控優(yōu)化數(shù)據(jù)；

17、所述綜合預(yù)處理，具體指通過所述身份驗(yàn)證數(shù)據(jù)預(yù)處理、所述防偽溯源數(shù)據(jù)預(yù)處理和所述實(shí)時(shí)監(jiān)控?cái)?shù)據(jù)預(yù)處理，進(jìn)行綜合預(yù)處理操作，得到藥品供應(yīng)鏈溯源數(shù)據(jù)集；

18、所述藥品供應(yīng)鏈溯源數(shù)據(jù)集，具體包括身份驗(yàn)證優(yōu)化數(shù)據(jù)、防偽溯源優(yōu)化數(shù)據(jù)和實(shí)時(shí)監(jiān)控優(yōu)化數(shù)據(jù)。

19、進(jìn)一步地，所述藥品身份驗(yàn)證，具體為依據(jù)所述藥品供應(yīng)鏈溯源數(shù)據(jù)集中的身份驗(yàn)證優(yōu)化數(shù)據(jù)，采用結(jié)合預(yù)訓(xùn)練網(wǎng)絡(luò)的特征注意力改進(jìn)模型，進(jìn)行藥品身份驗(yàn)證，得到藥品信息真實(shí)性驗(yàn)證數(shù)據(jù)，具體包括以下步驟：構(gòu)建預(yù)訓(xùn)練網(wǎng)絡(luò)層、構(gòu)建特征注意力改進(jìn)u型模型、藥品身份驗(yàn)證模型訓(xùn)練和藥品身份驗(yàn)證；

20、所述構(gòu)建預(yù)訓(xùn)練網(wǎng)絡(luò)層，具體為構(gòu)建預(yù)訓(xùn)練的目標(biāo)檢測模型作為初始特征提取層，得到藥品標(biāo)簽初始特征數(shù)據(jù)；

21、所述預(yù)訓(xùn)練的目標(biāo)檢測模型，具體采用yolov8模型；

22、所述構(gòu)建特征注意力改進(jìn)u型模型，具體包括構(gòu)建特征編碼改進(jìn)層、構(gòu)建三分特征并行融合層、構(gòu)建聯(lián)合注意力改進(jìn)層和特征解碼層；

23、所述構(gòu)建特征編碼改進(jìn)層，用于優(yōu)化圖像局部和全局特征的提取能力，具體包括改進(jìn)變壓器層和高效子網(wǎng)層，構(gòu)建步驟包括：構(gòu)建改進(jìn)變壓器層和構(gòu)建高效子網(wǎng)層；

24、所述構(gòu)建改進(jìn)變壓器層，用于優(yōu)化計(jì)算效率并提取局部特征，具體為通過引入自注意力機(jī)制，通過將標(biāo)準(zhǔn)多頭自注意力頭替換為包括窗口化自注意力層和窗口平移自注意力層的雙層交替自注意力頭結(jié)構(gòu)，并分別在雙層交替自注意力頭結(jié)構(gòu)中，構(gòu)建非線性激活函數(shù)激活的殘差連接的多層感知器，進(jìn)行窗口分區(qū)變壓器改進(jìn)，得到改進(jìn)變壓特征數(shù)據(jù)；

25、所述構(gòu)建高效子網(wǎng)層，用于優(yōu)化計(jì)算資源消耗并提取低級(jí)圖像特征，具體為在所述改進(jìn)變壓器層后連接標(biāo)準(zhǔn)高效網(wǎng)絡(luò)作為高效子網(wǎng)層，并通過對(duì)所述改進(jìn)變壓特征數(shù)據(jù)依次進(jìn)行高效卷積提取、特征融合和上采樣池化操作，得到改進(jìn)特征編碼數(shù)據(jù)；

26、所述構(gòu)建三分特征并行融合層，用于提高不同圖像視角和尺度的特征處理能力，具體為構(gòu)建三分特征并行融合模塊進(jìn)行全局特征融合，所述三分特征并行融合模塊，具體包括三個(gè)并行的卷積分支，每個(gè)卷積分支具體包括一個(gè)3×3的卷積塊、一個(gè)擠壓激勵(lì)快和一個(gè)1×1的卷積塊，并通過速率偏差設(shè)置，將第一卷積分支的3×3的卷積塊的速率設(shè)為1，將第二卷積分支的3×3的卷積塊的速率設(shè)為3，將第三卷積分支的3×3的卷積塊的速率設(shè)為5，得到分支特征數(shù)據(jù)集，并通過構(gòu)建softmax分類器，計(jì)算得到像素注意力圖集，并使用逐元素乘法進(jìn)行特征圖融合，得到融合特征圖數(shù)據(jù)；

27、所述構(gòu)建聯(lián)合注意力改進(jìn)層，用于優(yōu)化不規(guī)則形狀的識(shí)別能力，具體為通過聯(lián)合通道注意力模塊和空間注意力模塊，依據(jù)所述融合特征圖數(shù)據(jù)，進(jìn)行雙通道注意力特征提取，并通過并行連接方法進(jìn)行通道注意力特征聚合，得到聯(lián)合注意力特征編碼數(shù)據(jù)；

28、所述特征解碼層，用于進(jìn)行深層特征解碼，具體為對(duì)所述聯(lián)合注意力特征編碼數(shù)據(jù)進(jìn)行塊縮放操作，得到深度縮放特征，并執(zhí)行特征上采樣操作，得到高分辨率特征圖，之后構(gòu)建兩個(gè)連續(xù)的改進(jìn)變壓器層，并通過使用跳躍連接，將淺層特征和深層特征進(jìn)行特征連接，進(jìn)行特征解碼，并通過構(gòu)建標(biāo)準(zhǔn)卷積層和上采樣池化層，進(jìn)行特征解碼，得到解碼特征圖，并構(gòu)建分類器層，依據(jù)所述解碼特征圖，進(jìn)行模型結(jié)果輸出；

29、所述藥品身份驗(yàn)證模型訓(xùn)練，具體為通過所述預(yù)訓(xùn)練網(wǎng)絡(luò)層和所述特征注意力改進(jìn)u型模型，進(jìn)行藥品身份驗(yàn)證模型訓(xùn)練，得到藥品身份驗(yàn)證模型modelid；

30、所述藥品身份驗(yàn)證，具體為使用所述藥品身份驗(yàn)證模型modelid，依據(jù)所述藥品供應(yīng)鏈溯源數(shù)據(jù)集中的身份驗(yàn)證優(yōu)化數(shù)據(jù)，進(jìn)行藥品身份驗(yàn)證，得到藥品信息真實(shí)性驗(yàn)證數(shù)據(jù)；

31、所述藥品信息真實(shí)性驗(yàn)證數(shù)據(jù)，具體指通過將從藥品標(biāo)簽圖像中解析得到的藥品信息與區(qū)塊鏈中存儲(chǔ)的藥品標(biāo)簽信息進(jìn)行比對(duì)，得到的藥品信息真實(shí)性驗(yàn)證結(jié)果，所述藥品信息真實(shí)性驗(yàn)證結(jié)果，具體包括真實(shí)信息驗(yàn)證數(shù)據(jù)類和偽造信息驗(yàn)證數(shù)據(jù)類。

32、進(jìn)一步地，所述防偽溯源，具體為依據(jù)所述藥品供應(yīng)鏈溯源數(shù)據(jù)集中的防偽溯源優(yōu)化數(shù)據(jù)和所述藥品信息真實(shí)性驗(yàn)證數(shù)據(jù)，采用特征注意力改進(jìn)模型，進(jìn)行防偽溯源，得到藥品包裝防偽評(píng)估數(shù)據(jù)，具體包括以下步驟：數(shù)據(jù)重構(gòu)、構(gòu)建特征注意力改進(jìn)u型模型、防偽溯源模型訓(xùn)練和防偽溯源；

33、所述數(shù)據(jù)重構(gòu)，具體為通過將所述防偽溯源優(yōu)化數(shù)據(jù)和所述藥品信息真實(shí)性驗(yàn)證數(shù)據(jù)進(jìn)行數(shù)據(jù)融合，并通過人工標(biāo)簽，得到防偽溯源訓(xùn)練數(shù)據(jù)集，所述防偽溯源訓(xùn)練數(shù)據(jù)集，用于進(jìn)行防偽溯源模型訓(xùn)練；

34、所述構(gòu)建特征注意力改進(jìn)u型模型，具體包括構(gòu)建特征編碼改進(jìn)層、構(gòu)建三分特征并行融合層、構(gòu)建聯(lián)合注意力改進(jìn)層、特征解碼層；

35、所述防偽溯源模型訓(xùn)練，具體為通過所述數(shù)據(jù)重構(gòu)和所述特征注意力改進(jìn)u型模型，進(jìn)行模型訓(xùn)練，得到防偽溯源模型modeldr；

36、所述防偽溯源，具體為使用所述防偽溯源模型modeldr，依據(jù)所述防偽溯源優(yōu)化數(shù)據(jù)和所述藥品信息真實(shí)性驗(yàn)證數(shù)據(jù)，進(jìn)行防偽溯源，得到藥品包裝防偽評(píng)估數(shù)據(jù)；

37、所述藥品包裝防偽評(píng)估數(shù)據(jù)，具體包括真實(shí)藥品包裝數(shù)據(jù)類和偽造藥品保障數(shù)據(jù)類。

38、進(jìn)一步地，所述實(shí)時(shí)監(jiān)控，具體為依據(jù)所述藥品供應(yīng)鏈溯源數(shù)據(jù)集中的實(shí)時(shí)監(jiān)控優(yōu)化數(shù)據(jù)和所述藥品包裝防偽評(píng)估數(shù)據(jù)，采用局部多項(xiàng)式濾波的時(shí)序卷積長短期并行網(wǎng)絡(luò)，進(jìn)行實(shí)時(shí)監(jiān)控，得到藥品運(yùn)輸過程評(píng)估數(shù)據(jù)，具體包括以下步驟：

39、局部多項(xiàng)式濾波、構(gòu)建時(shí)序卷積長短期并行網(wǎng)絡(luò)、異常監(jiān)控機(jī)制設(shè)計(jì)、實(shí)時(shí)監(jiān)控模型訓(xùn)練和實(shí)時(shí)監(jiān)控；

40、所述局部多項(xiàng)式濾波，具體為使用薩維茨基-戈雷濾波器，對(duì)所述實(shí)時(shí)監(jiān)控優(yōu)化數(shù)據(jù)中的傳感數(shù)據(jù)進(jìn)行平滑濾波和去噪，得到平滑優(yōu)化信號(hào)數(shù)據(jù)；

41、所述構(gòu)建時(shí)序卷積長短期并行網(wǎng)絡(luò)，用于通過時(shí)序卷積網(wǎng)絡(luò)優(yōu)化短期波動(dòng)數(shù)據(jù)并通過長短期記憶神經(jīng)網(wǎng)絡(luò)處理長期趨勢波動(dòng)數(shù)據(jù)，具體為依次構(gòu)建標(biāo)準(zhǔn)時(shí)序卷積網(wǎng)絡(luò)和標(biāo)準(zhǔn)長短期記憶神經(jīng)網(wǎng)絡(luò)，并通過構(gòu)建并行架構(gòu)，將所述標(biāo)準(zhǔn)時(shí)序卷積網(wǎng)絡(luò)和標(biāo)準(zhǔn)長短期記憶神經(jīng)網(wǎng)絡(luò)進(jìn)行并行處理，并通過加權(quán)求和連接并行架構(gòu)的標(biāo)準(zhǔn)時(shí)序卷積網(wǎng)絡(luò)和標(biāo)準(zhǔn)長短期記憶神經(jīng)網(wǎng)絡(luò)的輸出，得到綜合網(wǎng)絡(luò)輸出數(shù)據(jù)；

42、所述異常監(jiān)控機(jī)制設(shè)計(jì)，具體為通過設(shè)置異常閾值，當(dāng)所述綜合網(wǎng)絡(luò)輸出數(shù)據(jù)的輸出大于所述異常閾值時(shí)，進(jìn)行異常反饋，所述異常反饋，具體包括異常時(shí)間、異常地點(diǎn)、異常溫濕度值實(shí)際值和異常溫濕度預(yù)測值；

43、所述實(shí)時(shí)監(jiān)控模型訓(xùn)練，具體為通過所述局部多項(xiàng)式濾波、所述時(shí)序卷積長短期并行網(wǎng)絡(luò)和所述異常監(jiān)控機(jī)制設(shè)計(jì)，進(jìn)行模型訓(xùn)練，得到實(shí)時(shí)監(jiān)控模型modeltl；

44、所述實(shí)時(shí)監(jiān)控，具體為使用所述實(shí)時(shí)監(jiān)控模型modeltl，依據(jù)所述藥品供應(yīng)鏈溯源數(shù)據(jù)集中的實(shí)時(shí)監(jiān)控優(yōu)化數(shù)據(jù)和所述藥品包裝防偽評(píng)估數(shù)據(jù)，進(jìn)行實(shí)時(shí)監(jiān)控，得到藥品運(yùn)輸過程評(píng)估數(shù)據(jù)。

45、進(jìn)一步地，所述區(qū)塊鏈智能合約管理，具體為構(gòu)建藥品供應(yīng)鏈溯源區(qū)塊鏈安全模型，進(jìn)行區(qū)塊鏈智能合約管理，得到數(shù)據(jù)驗(yàn)證簽署信息，并通過依據(jù)所述數(shù)據(jù)驗(yàn)證前述信息，進(jìn)行藥品供應(yīng)鏈智能合約執(zhí)行；

46、所述藥品供應(yīng)鏈溯源區(qū)塊鏈安全模型，具體包括發(fā)送實(shí)體、接收實(shí)體、交易實(shí)體、優(yōu)化搜索算法和優(yōu)化加密算法；

47、所述發(fā)送實(shí)體，具體指藥品智能合約發(fā)送者通過藥品身份驗(yàn)證和防偽溯源后，創(chuàng)建并啟動(dòng)智能合約，提供藥品信息和藥品實(shí)體；

48、所述接收實(shí)體，具體指藥品智能合約接收者通過實(shí)時(shí)監(jiān)控進(jìn)行藥品溯源管理，并通過結(jié)合藥品身份驗(yàn)證和防偽溯源，進(jìn)行藥品偽造確認(rèn)，完成智能合約管理，得到數(shù)據(jù)驗(yàn)證簽署信息；

49、所述優(yōu)化搜索算法，具體指基于有向無環(huán)圖最大匹配算法的并行搜索算法，具體通過在區(qū)塊鏈網(wǎng)絡(luò)拓?fù)渲?，?gòu)建并行搜索算法求解最大匹配問題并作為優(yōu)化搜索算法；

50、所述優(yōu)化加密算法，具體指切比雪夫多項(xiàng)式的哈希鏈。

51、進(jìn)一步地，所述反饋交互，具體為通過依次執(zhí)行數(shù)據(jù)管理、藥品身份驗(yàn)證、防偽溯源、實(shí)時(shí)監(jiān)控和區(qū)塊鏈智能合約管理，實(shí)現(xiàn)用戶對(duì)藥品供應(yīng)鏈溯源基于區(qū)塊鏈的查詢、使用和管理。

52、采用上述方案本發(fā)明取得的有益效果如下：

53、（1）針對(duì)在已有的基于區(qū)塊鏈的藥品供應(yīng)鏈溯源系統(tǒng)中，存在著傳統(tǒng)方法針對(duì)藥品供應(yīng)鏈的溯源優(yōu)化多單純聚焦在區(qū)塊鏈的模型結(jié)構(gòu)設(shè)計(jì)上，但忽略了智能方法對(duì)于藥品溯源的多階段的輔助和支持，導(dǎo)致藥品供應(yīng)鏈溯源實(shí)質(zhì)上依然依賴人工檢測，傳統(tǒng)方法難以提供一個(gè)客觀自動(dòng)的藥品供應(yīng)鏈溯源方案的技術(shù)問題，本方案創(chuàng)造性地采用結(jié)合藥品身份驗(yàn)證、防偽溯源和實(shí)時(shí)監(jiān)控三個(gè)智能功能的優(yōu)化設(shè)計(jì)，并結(jié)合區(qū)塊鏈技術(shù)進(jìn)行藥品供應(yīng)鏈溯源系統(tǒng)的設(shè)計(jì)提升了方案整體的自動(dòng)性、智能性和可擴(kuò)展性，同時(shí)三項(xiàng)智能化功能采用分離式設(shè)計(jì)，可以單獨(dú)進(jìn)行維護(hù)和替換，提升了系統(tǒng)本身的泛用性和實(shí)用性，通過在區(qū)塊鏈智能合約管理中，應(yīng)用優(yōu)化搜索算法和優(yōu)化加密算法，也一并提升了作為技術(shù)基礎(chǔ)的區(qū)塊鏈技術(shù)的安全性；

54、（2）針對(duì)在已有的藥品身份驗(yàn)證方法中，存在著智能化方法在應(yīng)用于區(qū)塊鏈藥品供應(yīng)鏈溯源的核心問題在于計(jì)算效率，現(xiàn)有技術(shù)難以高效地提取藥品身份驗(yàn)證信息，而精確性也不足的技術(shù)問題，本方案創(chuàng)造性地采用結(jié)合預(yù)訓(xùn)練網(wǎng)絡(luò)的特征注意力改進(jìn)模型進(jìn)行藥品身份驗(yàn)證，通過對(duì)藥品身份驗(yàn)證的關(guān)鍵標(biāo)簽和信息進(jìn)行提取，并使用預(yù)訓(xùn)練模型結(jié)合編解碼改進(jìn)模型，既能提升藥品身份驗(yàn)證的計(jì)算效率，減少計(jì)算資源消耗，也提升了整體驗(yàn)證的效率；

55、（3）針對(duì)在已有的防偽溯源方法中，存在著藥品的防偽不能只考慮藥品標(biāo)簽的檢測，對(duì)于藥品包裝的異常和偽裝也需要納入考慮范圍的技術(shù)問題，本方案創(chuàng)造性地采用特征注意力改進(jìn)模型進(jìn)行藥品包裝的防偽溯源，并通過結(jié)合藥品身份驗(yàn)證信息進(jìn)行綜合防偽檢測，提升了防偽溯源在供應(yīng)者層面的檢測性；

56、（4）針對(duì)在已有的實(shí)時(shí)監(jiān)控方法中，存在著藥品供應(yīng)鏈不僅要從供應(yīng)者層面進(jìn)行檢測，在藥品的運(yùn)輸和其他可供監(jiān)測的生產(chǎn)環(huán)節(jié)也有可能出現(xiàn)誤差，進(jìn)而導(dǎo)致智能檢測的結(jié)果可用性降低的技術(shù)問題，本方案創(chuàng)造性地采用局部多項(xiàng)式濾波的時(shí)序卷積長短期并行網(wǎng)絡(luò)，進(jìn)行實(shí)時(shí)監(jiān)控，通過對(duì)運(yùn)輸過程也進(jìn)行實(shí)時(shí)監(jiān)控，為整體的藥品供應(yīng)鏈溯源提供了有力支持和輔助參考。