无线射频识别RFID(Radio Frequency Identification)技术是现代信息技术领域中最具活力和前途的高新技术。射频识别技术也被广泛应用于众多的领域，本文基于RFID在食品安全中的应用为背景，针对其中出现的成本跟读取率瓶颈问题进行研究。 食品在供应链中，通常要经过生产、加工、流通等多个环节的传递，才能最终抵达消费者。在这个过程中存在很多不安全的因素都可能对食品造成污染。因此，如何快速确定引发食品安全的原因、精确定位问题食品，对其进行有效的追踪已成为一个极其迫切的全球性课题。无线射频识别RFID作为现代信息技术领域中最具活力和前途的高新技术，是有效解决食品安全追踪系统中若干关键问题的首要必选技术。本文采用RFID技术建立农产品管理信息系统，使其能够在流通过程中存在的安全问题进行有效的追踪。 同时由于RFID在应用过程中还存在一定的难点，使其应用受到一定的限制。RFID食品安全追踪系统应用的瓶颈问题是读取率和成本，农产品行业是一个低利润行业，同时也是涉及面很广的一个行业，如果采用最先进的设备以提高读取率，则其成本必然大幅提高。因此如何在低成本的限制下保持高读取率是待解决的问题，同时，为提高农产品的流通，希望一次能处理尽量多的货物，即一次识别的标签数尽量多，而每个读写器的性能都不一样，在不同因素的影响下，获得RFID读取标签数和读取率成为两个并进的目标。本文用粗糙集理论渐进优化正交试验结果，对影响RFID系统读取率及读卡数的距离、偏离高度、速度、行数和列数等5个因素进行渐进正交试验优化，探索低成本RFID食品安全追踪系统读取率及读卡数的优化策略。试验结果表明：通过粗糙集渐近优化正交试验方法，RFID食品安全追踪系统标签数为36的读取率达到了99.3％。研究表明粗糙集渐进优化正交试验方法能有效解决RFID系统读取率及读卡数的优化问题，为RFID系统的推广应用提供了有力的技术支持。 基于粗糙集正交试验所涉及的只是所有因素水平组合中很小的一部分，如若想知道所有组合的读取率，则需要非常巨大的工作量。考虑到正交试验样本的均匀齐整以及高度代表性，将正交试验样本的一部分作为BP神经网络的输入样本，另一部分作为测试样本建立BP神经网络进行预测。预测结果的相对误差基本控制在6.36％内，证明这种方法具有一定的参考价值。