基于物联网的密集烤房精准监测平台设计

摘 要：该研究以窄带物联网（NB-IoT）为基础构建密集烤房环境参数精准自动监测平台，采用主控制器、电源模块和传感器模块组成的设备，实现对烟叶烘烤过程中装烟室内不同区域环境参数的全方位、全流程的精准自动监测，同时通过NB-IoT模块实现监测系统和云平台的连接，使“云计算”和烟叶烘烤结合，提高烘烤温湿度自动监测与控制的精度，降低劳动强度，为实现密集烤房烟叶烘烤的数字化、智慧化调控奠定坚实基础。

关键词：烘烤监测；物联网；烤烟；传感器；监测平台设计

中图分类号：S572 文献标志码：A 文章编号：2096-9902（2024）21-0013-04

Abstract： Based on the Narrowband Internet of Things（NB-IoT）， this study builds an accurate automatic monitoring platform for the environmental parameters of intensive curing barn. The equipment composed of the main controller， power module and sensor module is used to achieve the accurate automatic monitoring of the environmental parameters in different areas of the tobacco room during the tobacco curing process in an all-round and full process manner. At the same time， the NB-IoT module realizes the connection between the monitoring system and the cloud platform， so that "cloud computing" is combined with tobacco curing to improve the accuracy of automatic monitoring and control of curing temperature and humidity. It reduces labor intensity and lays a solid foundation for realizing digital and intelligent control of tobacco curing in intensive curing barns.

Keywords： curing monitoring; Internet of Things; flue-cured tobacco; sensors; monitoring platform design

烟叶作为重要的经济作物，其质量优劣决定着收益。鲜烟叶采收后的烘烤是决定其质量、可用性和效益的一个极其重要的技术环节[1]，烘烤过程中密集烤房内的环境参数对于烟叶的品质转化具有重要影响，烘烤环境的动态变化与烟叶生理生化变化密切关联[2-3]。目前，密集烤房温湿度监测多是在装烟室的中心区域安装2个温度探头，分别监测干球温度和湿球温度，通过人工调节控制器，以达到控制密集烤房温湿度变化的目的。但是这种方式一方面难以实现对烤房内温湿度的及时准确控制；另一方面由于密集烤房装烟室温度、湿度的分布存在不均匀性，仅通过一组干湿球温度探头难以全面反映整个烤房的温度、湿度状况[4]。

随着现代信息技术的快速发展，其在农业生产上的应用越来越多[5-11]。谢守勇等[12]通过无线网络，利用点对点等方式实现了烤房温湿度数据远程传送。刘志壮等[13]利用RS485总线网络设计，以上位机和下位机对烘烤过程中的温湿度进行远程监控及调控。王桂梅等[14]基于STM32对密集烤房的控制仪进行改造，控制助燃风机和循环风机等，提高了烟叶烘烤质量。

本研究以窄带物联网（NB-IoT）为基础构建密集烤房环境参数精准自动监测平台，采用主控制器、电源模块和传感器模块组成的设备，实现对烟叶烘烤过程中装烟室内不同区域环境参数的全方位、全流程的精准自动监测，同时通过NB-IoT模块实现监测系统和云平台的连接，使“云计算”和烟叶烘烤结合，提高烘烤温湿度自动监测与控制的精度，降低了劳动强度，为实现密集烤房烟叶烘烤的数字化、智慧化调控奠定坚实基础。

1 密集烤房环境参数精准自动监测平台总体架构

基于农业窄带物联网技术设计的密集烤房精准自动监测平台，整体构架如图1所示。主要包括数据采集模块、主控制模块、电源模块、显示模块和云数据库。数据采集模块即感知层由烤房中的温、湿度传感器、重量传感器、风速传感器、图像传感器和光谱传感器构成，实现烟叶烘烤过程中烤房区域温湿度、杆烟重量、风速、核心区域图像和光谱数据的采集。数据传输方面包含烘烤局域网的构建以及局域网与本地监测平台和云服务器之间的近、远程通信。烘烤局域网实现烤房内数据的采集、中继和汇聚，汇聚节点完成数据的接收和处理后一方面通过串口将数据传输至现场监测平台；另一方面通过网关模块将数据传输至云服务器，用户通过浏览器可远程访问监测平台，提升了监测的灵活性。监测平台作为烟叶烘烤动态信息查询的管理应用系统，主要完成对所监控烤房的信息管理以及数据查询、分析和储存等工作。

2 终端监测节点设计

2.1 温湿度监测节点

温度传感器利用温度变化过程中材料特性变化量与温度变化量之间的定量关系精准测定温度。目前，温度传感器主要采用热电阻、热敏电阻、温敏二极管或温敏三极管等测温元件。热电阻的阻值变化与温度变化之间存在着较强的线性关系，同时热电阻材料具有结构简单、生产方便、高精度、测量范围广和信号易传输等优点，可用增加热电阻补偿导线和热电阻冷端补偿2种方式来消除参考端温度不为零所造成的测量误差[15]。

湿度传感器利用高分子材料在吸收水分后引起的材料本身的介电常数、电阻率、体积等物化参数的改变来测量空气相对湿度[16]。相对湿度为湿空气中实际水汽压与同温度下饱和水汽压的百分比，因此，相对湿度是温度的函数，温度的测量精度直接影响相对湿度的精确度。湿度传感器测量值的漂移一般从硬件电路和软件算法两方面来校正补偿[17]。

本系统温湿度监测采用TS-FTM01型壁挂式温湿度传感器。该传感器为接触式温湿度传感器，其串联连接方式，如图2所示。

2.2 重量监测节点

目前广泛应用的重量传感器可分为电阻应变式称重传感器、电容式称重传感器、振动式称重传感器和液压式称重传感器等[18]。其中，电阻式称重传感器凭借广泛的适用性以及较高的精度，被广泛应用于生产领域[19]。本系统基于应用场景选用S型电阻应变式重量传感器。其由弹性体、应变计和检测电路3部分组成，其中S型传感器有上下2个弹性体臂，可将受到的压力转换成弹性形变，继而转化成电阻变化。检测电路的主要部件是惠斯登电桥，具有灵敏度高、抗干扰能力强等优点。由于S型电阻应变式重量传感器的输出信号较弱，为满足信号长距离传输的需求，需配置信号放大器。

2.3 风速监测节点

烟叶烘烤是热风干燥过程，主要通过热风循环实现烟叶的升温与干燥，在不同的烘烤时期，热空气具有不同的饱和水蒸气压与风速，对烟叶的生理生化转化有着重要影响。本系统基于应用场景选择微型热膜风速传感器，其采用标准热膜元件，具有较高的精度与较小的体积，可用作测量风速与风量。

2.4 图像及光谱监测节点

本系统采用光纤光谱式分析仪以漫反射模式采集烘烤过程中的烟叶光谱图像数据，固定标准漫反射探头垂直烟叶表面扫描光谱图像，然后通过光纤将数据传输到光谱仪，再通过数据线传输至主控制模块。

3 系统测试与验证

3.1 密集烤房温湿度监测数据测试

采用空载试验考查密集烤房温湿度数据采集的准确性。启动密集烤房烘烤工艺控制器进行空载试验，检验温湿度传感器能否正常工作，空载试验烘烤工艺设置见表1，温湿度传感器空载条件下温度、湿度的验证结果分别如图3和图4所示。

从图3和图4可以看出，系统温湿度传感器所感应的温湿度数据较为精确。由于空载运行时，密集烤房装烟室内的升温速度较快，当升到目标温度时燃烧机会自动停止加热，并开启冷风进口，待温度下降至目标温度时又重新加热，在这一过程中烤房外的冷、湿气流进入装烟室，相对空旷的装烟室使得在此期间温、湿度的下降速度较快，导致在空载试验过程中烤房内的温度和相对湿度的变化曲线呈锯齿形上升和下降。空载试验结果表明温湿度传感器在三段式烘烤工艺的工作环境下，能较为精准地监测到烤房内不同区域的温湿度变化。

3.2 密集烤房重量监测数据测试

在密集烤房模拟烘烤条件下以135个重量为0.1 kg的标准件检验S型电阻应变式称重传感器在承受不同重量压力后的精度能否满足试验需求。将135个标准件悬挂在烟夹上，模拟烟叶烘烤过程中所夹烟叶重量的变化，逐个取下标准件，记录数值变化。从图5可以看出，重量传感器的输出值均与标准件重量高度吻合，说明本系统所采用的S型电阻应变式重量传感器的精度满足烘烤监测需求。

3.3 密集烤房光谱图像数据测试

采集到的光谱图像数据如图6所示，夹杂设备、样品背景和杂散光等引起的噪声和无关信息，因此在对光谱数据进行操作之前，需要对光谱进行预处理，预处理有助于消除干扰因素和提取有用的信息。首先采用Savitzky-Golay平滑法对光谱进行去噪处理，平滑点数为11，多项式次数为3，然后应用多元散射校正（MSC）算法消除由于烟叶样品表面不光滑产生的光谱散射影响，增强与成分含量相关的光谱吸收信息。预处理前后的光谱分别如图1（a）和图1（b）所示，可以看出，预处理后的光谱较原始光谱谱线轮廓光滑清晰，谱线背景干扰基本消除，波峰波谷变得更加明显，光谱图的质量得到改善，这有利于校正模型的构建。

4 结论

本研究基于窄带物联网技术，构建了一套密集烤房环境参数精准自动监测平台。该平台通过集成温湿度、重量、风速、图像和光谱传感器，实现了对烟叶烘烤过程中关键环境参数的全方位监测。利用NB-IoT模块，监测系统将数据实时传输至云平台，实现了“云计算”与烟叶烘烤的结合，显著提高烘烤质量并降低了劳动强度。系统测试表明，温湿度传感器在模拟烘烤条件下表现出高精度监测能力，重量传感器亦满足精度要求，而光谱图像数据经预处理后，有效提升了光谱图质量，为密集烤房烟叶烘烤的数字化、智慧化调控提供了坚实的基础。该研究为智慧农业领域提供了新的技术解决方案，具有重要的实际应用价值和推广前景。

参考文献：

[1] 周冀衡，朱小平，王彦亭，等.烟草生理与生物化学[M].合肥：中国科学技术大学出版社，1996.

[2] 宾俊，范伟，周冀衡，等.近红外技术结合SaE-ELM用于烤烟烘烤关键参数的在线监测[J].烟草科技，2016，49（9）：7.

[3] 王承伟，范伟，宾俊，等.新型生物质密集烤房的应用效果研究[J].作物研究，2017，31（3）：302-306.

[4] 赵虎.基于烟叶表面温度和环境温湿度的烟叶烘烤状态监测系统：CN212567508U[P].2021.

[5] 刘世令.现代信息技术在农业发展中的集成应用[J].农业技术与装备，2022（1）：111-112.

[6] 韩贝，李海雄.基于LoRa的现代农业远程监测与控制系统设计[J].信息技术，2022，46（4）：90-96，101.

[7] 王小兵，马晔.我国农业农村信息化发展水平评价研究——基于2020年全国2642个县域数据的分析[J].农业大数据学报，2022，4（1）：5-11.

[8] 梁秋屏，杨小龙.现代信息技术在农产品质量安全监管中的有效应用[J].农业工程技术，2022，42（9）：18-19.

[9] 张兴宇.物联网在果园监测与报警方面的应用[D].邯郸：河北工程大学，2020.

[10] 史东旭，高德民，薛卫，等.基于物联网和大数据驱动的农业病虫害监测技术[J].南京农业大学学报，2019，42（5）：967-974.

[11] 刘智臣.一种基于物联网数据采集的农业大数据生产决策系统探究[J].南方农机，2022，53（6）：35-38.

[12] 谢守勇，王靖，罗舒.基于GPRS的烟叶烘烤温湿度远程监控系统[J].中国农机化学报，2016，37（6）：118-121.

[13] 刘志壮，张文昭.基于RS485总线网络的烤烟集中监控系统[J].吉首大学学报：自然科学版，2006，27（1）：43-46.

[14] 王桂梅，张振兴，张令.基于STM32的智能烤烟房温湿度控制仪的设计[J].中国农机化学报，2015，36（2）：280-282.

[15] 李挺，朱金刚，赵良煦.热电阻测温仪导线电阻补偿新方法[J].电子测量技术，2001（1）：38-39.

[16] 高森林，魏桂华，孟繁亮，等.湿度传感器测量不确定度评估[J].工业计量，2017，27（S1）：97-99.

[17] 郭敏.基于BP神经网络的温湿度传感器补偿算法研究[D].南京：南京信息工程大学，2018.

[18] 李更新.称重传感器的选型及影响因素[J].衡器，2019，48（12）：45-48.

[19] 邓小华，文伟，裴晓东，等.稻作烟区不同素质上部鲜烟叶烘烤特性研究[J].湖南农业大学学报（自然科学版），2017，43（6）：620-625.

[20] 赵华武，崔国民，赵永振，等.密集烘烤过程中烤房叶间风速指标的灰色关联聚类分析[J].西南大学学报（自然科学版），2011，33（11）：140-145.