Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中建材创新科技研究院有限公司;北新集团建材股份有限公司;中国建材集团有限公司冯宪良获国家专利权

中建材创新科技研究院有限公司;北新集团建材股份有限公司;中国建材集团有限公司冯宪良获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉中建材创新科技研究院有限公司;北新集团建材股份有限公司;中国建材集团有限公司申请的专利一种石膏板产品防伪追溯方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN115330408B

龙图腾网通过国家知识产权局官网在2025-12-19发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202210923134.5,技术领域涉及:G06Q30/018;该发明授权一种石膏板产品防伪追溯方法及系统是由冯宪良;张兴添;赵建龙设计研发完成,并于2022-08-02向国家知识产权局提交的专利申请。

一种石膏板产品防伪追溯方法及系统在说明书摘要公布了:本发明公开了一种石膏板产品防伪追溯方法及系统,包括以下步骤:步骤S1、同步由RFID标签将防伪信息上传至防伪溯源云端,将写入防伪信息和防伪秘钥的RFID标签贴于石膏板产品表面以用于石膏板产品的防伪追溯;步骤S2、由防伪溯源云端进行运输意图推测得到石膏板产品的运输意图传输至RFID标签向消费者用户进行运输意图反馈;步骤S3、消费者用户根据石膏板产品的防伪信息和运输意图对石膏板产品进行防伪追溯。本发明采用基于RFID技术的防伪解决方案,优点在于每个标签具有全球唯一的ID号码,号码直接写入RFID标签,无法修改、难以仿造,防伪可靠性强,而且具有运输意图识别功能,从而能够判定出石膏板产品在运输过程的运输状况,进行运输异常预警。

本发明授权一种石膏板产品防伪追溯方法及系统在权利要求书中公布了:1.一种石膏板产品防伪追溯方法,其特征在于,包括以下步骤: 步骤S1、生产商用户利用RFID读写器向RFID标签中写入石膏板产品的防伪信息和防伪秘钥,并同步由RFID标签将防伪信息上传至防伪溯源云端,将写入防伪信息和防伪秘钥的RFID标签贴于石膏板产品表面以用于石膏板产品的防伪追溯; 步骤S2、消费者用户每次在利用RFID读写器扫描RFID标签时,在经过RFID标签的密码安全算法的身份认证后同步获取石膏板产品的防伪信息,以及同步获取RFID标签的位置信息写入RFID标签并上传至防伪溯源云端,再由防伪溯源云端进行运输意图推测得到石膏板产品的运输意图传输至RFID标签向消费者用户进行运输意图反馈; 步骤S3、消费者用户根据石膏板产品的防伪信息和运输意图对石膏板产品进行防伪追溯; 消费者用户每次在利用RFID读写器扫描RFID标签时,在经过RFID标签的密码安全算法的身份认证后同步获取石膏板产品的防伪信息,以及同步获取RFID标签的位置信息写入RFID标签并上传至防伪溯源云端,包括: 消费者用户在RFID读写器扫描RFID标签时,由RFID标签通过RFID读写器相消费者用户反馈RFID标签的唯一识别码; 消费者用户根据RFID标签的唯一识别码通过RFID读写器向RFID标签写入认证密码,有RFID标签进行身份认证,其中, 若消费者用户写入的认证密码和RFID标签的防伪秘钥一致,则防伪溯源云端对消费者用户开放读写权限,消费者用户在防伪溯源云端读取防伪信息,以及将RFID读写器中定位模块获得的位置信息作为RFID标签的位置信息写入RFID标签并上传至防伪溯源云端; 若消费者用户写入的认证密码和RFID标签的防伪秘钥不一致,则防伪溯源云端对消费者用户不开放读写权限,并通过RFID读写器向消费者用户提供认证失败的反馈信息; 由防伪溯源云端进行运输意图推测得到石膏板产品的运输意图传输至RFID标签向消费者用户进行运输意图反馈,包括: 将防伪溯源云端中石膏板产品的所有位置信息按上传时序顺序排列为位置序列,并将石膏板产品的位置序列输入至基于CNN神经网络预先建立的运输意图预测模型中预测出石膏板产品的运输意图; 运输意图预测模型的构建包括: 随机选取一组石膏板产品作为模型样本,并对模型样本的运输轨迹进行散点化处理,将运输轨迹中所有散点的位置信息排列为模型样本的位置序列,再对模型样本的运输意图进行标记,其中,运输意图包括常规运输和非常规运输,非常规运输包括异地串货、途中压货; 将模型样本的位置序列和模型样本的运输意图分别作为CNN神经网络的输入项和输出项,将CNN神经网络基于输入项和输出项进行模型训练的运输意图预测模型,运输意图预测模型的模型表达式为: Label=CNNpositionlist; 式中,Label为运输意图的标识符,CNN为CNN神经网络的标识符,positionlist为位置序列的标识符。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人中建材创新科技研究院有限公司;北新集团建材股份有限公司;中国建材集团有限公司,其通讯地址为:102200 北京市昌平区未来科学城七北路9号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。