基于云端的碾米機智能監控系統的關鍵技術研究

◎ 郭亞麗，程 科，周 娜，謝 健，邵秋雨，宋少云，戴智華，王 彪，牛家鐸

（1.國糧武漢科學研究設計院有限公司，湖北 武漢 430079；2.武漢輕工大學，湖北 武漢 430023；3.衢州市庫米賽諾糧食機械制造有限公司，浙江 衢州 324000）

在稻谷加工過程中，由于無法及時根據生產狀況對加工設備進行實時調節等原因，導致出米率只能達到在65%左右，這造成了很大的浪費[1-2]。如何減少調整操作的所用時間，減少因主觀判斷造成的誤差，提高碾米機的加工效率是急需解決的問題。

為解決上述問題，路志明等[3]設計了一款光電檢測碾米機性能的在線檢測系統，華欽等[1]設計了一款以PLC控制為主的碾米機精度智能控制系統，印錦政等[4]對米機自動壓坨技術進行了探討。上述研究使得碾米機的自動化技術取得了一定的成果，但對基于云端的碾米機智能化改造的研究還尚未見報道。

本文對基于云端的碾米機智能監控系統進行了研究，取得了初步結果，下文將闡述本文提出的基于云端的碾米機智能監控系統，并對其中的關鍵技術研究進展進行說明。

1 基于云端的碾米機智能監控系統總體框架設計

本文基于物聯網技術以及物聯網云平臺[5-6]，再結合碾米機監控系統的需求，得到基于云端的碾米機智能監控系統的整體框架如圖1所示。

圖1 云端碾米機智能監控系統總體框架圖

在碾米機監控區域安裝測報主控站點，在進料口安裝測進口流量的傳感器；在碾白室安裝溫度、壓力傳感器以及測主電機轉速的轉速傳感器；在噴風裝置以及吸糠裝置中安裝風壓檢測傳感器；在出料口安裝出口壓力傳感器以及檢測裝置對加工產品進行檢測。然后將采集到的各種類型感知層信息按照云平臺的數據格式進行封裝，通過傳輸協議上傳到云平臺，云服務器對傳來的實時數據進行儲存以及分析，在用戶端進行顯示，并形成決策信息，即對碾米機各部分的控制信息，最終將決策信息傳遞回工業現場對各部分設備進行精細化調制，使加工工藝達到預期。

智能碾米控制系統是一種閉環控制系統，其依據碾米機加工工藝效果對碾米機的控制要素進行調整。直接影響碾米加工工藝效果的控制元素為碾米機的控制要素，對控制要素的調整與碾米工藝效果之間有著高度的輸入輸出關系，碾米機的控制要素為碾米壓力，工藝效果主要為碾磨程度和加工精度[7]。下文主要對碾米機出口壓力部分的智能化控制進行詳細闡述。碾米機出口壓力的智能化控制系統主要包括測控平臺的硬件搭建、軟件設計以及云端開發3個部分，其拓撲圖如圖2所示。

該智能碾米系統即為一個完整的閉環系統，通過從碾米機的出料口部分抽取樣品，在檢測平臺進行檢測獲取稻米品質的信息，將實際檢測得數據通過通信系統傳給中心云平臺對采集信息進行儲存以及分析處理，然后將分析結果傳遞給控制系統，對碾米機出口壓力進行精細化調整。

2 工業現場測控平臺的硬件設計

硬件平臺的搭建是為了實現數據的采集以及發送，采集到的數據經過CAN總線進行收發，然后根據MQTT協議實現對數據的上云。下面主要闡述其中的基于出口壓力的監控系統的硬件實現方式（圖3）。該監控系統包括取樣裝置、米粒分離裝置、圖像采集裝置和出料口壓力控制裝置。

2.1 取樣裝置

在智能檢測系統中，取樣部分的取樣過程必須自動完成，不能使用人工操作，因此取樣裝置采用電動推桿直驅物料承接槽，利用控制系統在相同的時間間隔內，使電動推桿驅動承接槽伸入出料口進行取樣，并將樣品送至傳送帶檢測平臺。

2.2 米粒分離裝置

取樣裝置取出來的樣品一般為堆狀，所以在圖像采集裝置和取樣裝置之間設置米粒分離裝置。米粒分離裝置采用3個滾刷依次排列，并與傳送帶之間保持著逐漸減小的間隙，米粒行進到滾刷與傳送帶之間的間隙時被逐漸鋪平，最終成單層米粒平鋪在傳送帶上并被運送到圖像采集區域。

2.3 圖像采集裝置

為從傳輸帶上捕獲圖像，獲取碾米機加工工藝效果，設置了圖像采集裝置。該裝置使用了一個彩色攝像機，一臺用于顯示圖像的個人計算機以及一個照明系統。

2.4 出料口壓力控制裝置

在碾米機的傳統設計中，機器的出口部分的壓力由杠桿和配重機構手動調節。但在智能檢測系統中，出口部分的壓力調節必須自動完成，不能使用人工操作。因此，將出料口壓力控制擋板的操作桿通過聯軸器與步進電機連接，通過步進電機控制擋板的開度達到控制出口壓力的目的。

3 工業現場測控平臺的軟件設計

本文闡述了基于碾米機出口壓力的監控系統的軟件設計。出口壓力的采集主要由壓力傳感器完成，碾米工藝效果的采集由智能檢測系統完成。

智能檢測系統通過攝像頭對取出來的樣品進行拍照，然后通過算法將圖片信息轉化為數字信息，進行傳遞。圖像處理算法是在Anaconda軟件的Python和Opencv中開發的，該算法的運算順序如下。①在尺寸和顏色深度沒有任何變化的情況下，對每幅圖像進行裁剪，以忽略失真的可能影響。②將裁剪后的圖像轉換為灰度圖像進行強度分析。通過基于強度因子設置閾值，將內核與背景區分開來[8]。③使用局部閾值的大津算法將灰度圖像轉化為二值化圖像，接著形態學去噪，開運算去噪。④得出圖像的強度分析結果和每顆米粒的數量和面積。圖像經過初步處理后的示例如圖4、圖5所示。兩個定性指標，即碾磨度（Degree of Milling，DOM）和碎米率（Broken Rice Rate，BRR）被認為是測定稻米品質的主要指標。DOM的值是通過計算每幅圖像中核強度的平均值得到的，而碎米率（BRR）則是通過計算每顆米粒的面積與碎米設定值的比較得到的。

圖4 米粒圖像的灰度化圖

圖5 米粒圖像的二值化圖

將圖片處理過得到的碾白度以及碎米率和壓力傳感器采集到的出口壓力通過串口和傳輸協議傳遞到Labview以及云端進行顯示，在云端建立數據庫并進行預設置，將現場實驗數據傳遞到云平臺進行儲存，建立數學模型，然后將相關數據及原料屬性進行預定義。實時傳來的數據與數學模型進行比對并對數據庫的數據進行更新，分析后形成決策信息，云端將決策信息返還給工業現場。在Labview端進行圖形化編程，將云端的決策信息作為輸入量傳遞給Labview，轉化為控制PLC輸出量，再通過PLC控制與出料口擋板連接的步進電機，以達到改變出口壓力的目的。

4 云端功能設計方案

在碾米智能控制系統中，云平臺（本文使用的是阿里云平臺）為這個系統的核心樞紐。該平臺的主要功能是對碾米機的數據進行采集并儲存、對碾米機運行狀態的實時監控、歷史碾米數據的儲存以及Web端數據供給。云平臺對碾米機端數據的采集是利用碾米機端設備根據MQTT協議對數據集進行采集；云平臺接收到數據后，將實時數據以及歷史數據存到數據庫中，通過Web網頁對數據進行檢測。云平臺在整個系統中承擔數據的收發、分析、儲存和數據庫的實時讀寫以及MQTT的代理和客戶端功能，其功能結構如圖6所示。

圖6 云端功能結構圖

在云平臺對碾米機進行監控的監控平臺為Web頁面。云平臺的Web數據庫功能集成在云端，在IoT Studio平臺可以基于B/S結構搭建Web監控平臺。Web頁面系統分為用戶系統和管理員系統，用戶系統中，用戶通過登錄界面進入系統，然后輸入原料信息之后啟動碾米機，在顯示頁面顯示碾白度、碎米率及出口壓力。該系統還將操作分為自動和手動兩種方式。在用戶系統中還設置了急停按鈕，在出現意外時使碾米機及時停止工作。管理員系統中，管理員登錄之后，可以對數據庫信息進行更改，進行數學模型的優化，同時還能對用戶系統的顯示頁面以及用戶信息進行更改。其系統設計如圖7所示。

圖7 Web開發系統設計圖

5 結論

傳統稻米加工在碾米階段浪費較大，為使寶貴的資源優勢轉化為食品和經濟優勢，本文設計了一種基于云端的碾米機智能控制系統。云端控制系統與碾米機的結合，進一步為稻谷加工廠家在技術層面提高了競爭力，使得稻谷加工設備的科技含量以及生產能力得到更大的進步，并為稻谷加工企業的技術進步與創新提供了空間。