基于物聯(lián)網(wǎng)技術(shù)的智能烤房監(jiān)測(cè)硬件系統(tǒng)設(shè)計(jì)

摘要：為提升四川涼山地區(qū)煙葉的烘烤質(zhì)量和效率，文章設(shè)計(jì)了一款集溫濕度、圖像采集等物聯(lián)網(wǎng)技術(shù)的智能烤房監(jiān)測(cè)硬件系統(tǒng)，實(shí)現(xiàn)對(duì)烤房?jī)?nèi)溫濕度的實(shí)時(shí)監(jiān)測(cè)、煙葉烘烤狀態(tài)檢測(cè)以及遠(yuǎn)程烤房管理。系統(tǒng)由圖像采集模塊、溫濕度監(jiān)測(cè)模塊、數(shù)據(jù)傳輸模塊和監(jiān)測(cè)平臺(tái)組成。實(shí)驗(yàn)表明，系統(tǒng)能準(zhǔn)確采集烤房?jī)?nèi)溫濕度數(shù)據(jù)和煙葉圖像，數(shù)據(jù)傳輸穩(wěn)定可靠，提高了煙葉烘烤的智能化水平，提升了煙葉烘烤質(zhì)量和煙農(nóng)的工作效率。

關(guān)鍵詞：烤房監(jiān)測(cè)；圖像采集；溫濕度監(jiān)測(cè)；物聯(lián)網(wǎng)技術(shù)

中圖分類號(hào)：TN919 "文獻(xiàn)標(biāo)志碼： A

0 引言

煙葉烘烤是煙草生產(chǎn)的關(guān)鍵環(huán)節(jié)，烘烤過(guò)程中的溫濕度、煙葉狀態(tài)變化直接影響煙葉質(zhì)量。隨著物聯(lián)網(wǎng)、邊緣設(shè)備等新一代信息技術(shù)融入煙草領(lǐng)域，烤房烘烤向智能化、自動(dòng)化發(fā)展。近年來(lái)，國(guó)內(nèi)外學(xué)者在煙葉烘烤中進(jìn)行了深入研究。在智能烘烤體系方面，過(guò)偉民等［1］提出了以自動(dòng)感知烘烤、自主識(shí)別煙葉、自適應(yīng)調(diào)優(yōu)烘烤工藝為核心，構(gòu)建了從感知、認(rèn)知到?jīng)Q策的煙葉烘烤監(jiān)測(cè)系統(tǒng)。Condorí等［2］設(shè)計(jì)的基于實(shí)時(shí)圖像煙葉烘烤系統(tǒng)，精確監(jiān)測(cè)烘烤過(guò)程中煙葉狀態(tài)變化，不僅提高了烘烤過(guò)程的自動(dòng)化水平，還為烤房管理提供了精準(zhǔn)化支持，提升了煙葉烘烤質(zhì)量。在烘烤監(jiān)測(cè)方面，徐鵬飛等［3］針對(duì)傳感器測(cè)量的局限性，設(shè)計(jì)了基于鉑熱電阻的煙葉表面溫度直接測(cè)量傳感器，將溫度測(cè)量的線性度誤差控制在0.0035以內(nèi)。Wu等［4］提出了基于實(shí)時(shí)圖像特征的智能控制系統(tǒng)，通過(guò)分析煙葉圖像特征，動(dòng)態(tài)調(diào)整烘烤參數(shù)，不僅優(yōu)化了煙葉的烘烤過(guò)程，還提升了煙葉質(zhì)量。潘飛龍等［5］設(shè)計(jì)了基于物聯(lián)網(wǎng)技術(shù)的煙葉烘烤監(jiān)測(cè)系統(tǒng)，實(shí)現(xiàn)了溫度數(shù)據(jù)均方根誤差在0.5以內(nèi)的高精度采集。在通信應(yīng)用方面，通信方式經(jīng)歷了從有線到無(wú)線的發(fā)展歷程。蔡劍華等［6］根據(jù)ZigBee的特性設(shè)計(jì)了基于無(wú)線傳感器網(wǎng)絡(luò)開(kāi)發(fā)的遠(yuǎn)程監(jiān)測(cè)系統(tǒng)，溫濕度測(cè)量誤差控制范圍小。曲豪等［7］對(duì)ZigBee無(wú)線通信系統(tǒng)進(jìn)行改進(jìn)，提升了系統(tǒng)的可靠性和穩(wěn)定性。在系統(tǒng)集成應(yīng)用方面，楊學(xué)書(shū)等［8］通過(guò)遠(yuǎn)程調(diào)控烘烤技術(shù)在經(jīng)濟(jì)效益、化學(xué)成分和感官評(píng)級(jí)質(zhì)量等，提升烤房的烘烤水平。鄭勁民等［9］開(kāi)發(fā)的嵌入式無(wú)線數(shù)據(jù)采集模塊，解決了傳感器數(shù)據(jù)記錄準(zhǔn)確度和實(shí)時(shí)性問(wèn)題。

盡管國(guó)內(nèi)外的煙葉智能化烘烤硬件設(shè)計(jì)取得一定進(jìn)展，但作為全國(guó)重要優(yōu)質(zhì)煙葉產(chǎn)區(qū)——四川涼山彝族自治州，其烘烤存在勞動(dòng)強(qiáng)度大、監(jiān)測(cè)精度低、自動(dòng)化程度低等問(wèn)題。因此，本研究設(shè)計(jì)一款基于溫濕度傳感器、圖像采集等物聯(lián)網(wǎng)技術(shù)的智能烤房監(jiān)測(cè)系統(tǒng)，實(shí)時(shí)采集烤房?jī)?nèi)的溫濕度數(shù)據(jù)和煙葉圖像，實(shí)現(xiàn)對(duì)煙葉烘烤的遠(yuǎn)程監(jiān)測(cè)和管理。

1 系統(tǒng)總體設(shè)計(jì)

1.1 系統(tǒng)架構(gòu)設(shè)計(jì)

烤房監(jiān)測(cè)系統(tǒng)由傳感器終端和服務(wù)器云端部分構(gòu)成，烤房傳感器總體架構(gòu)如圖1所示。其中，傳感器終端負(fù)責(zé)數(shù)據(jù)采集和傳輸，通過(guò)溫濕度傳感器、攝像頭等物聯(lián)網(wǎng)設(shè)備實(shí)時(shí)采集烤房的環(huán)境信息、煙葉烘烤狀態(tài)和設(shè)備運(yùn)行狀態(tài)，之后使用有線通信方式將采集數(shù)據(jù)傳輸至服務(wù)器端；服務(wù)器云端則負(fù)責(zé)處理和分析采集的數(shù)據(jù)，對(duì)接收到的烤房參數(shù)信息進(jìn)行解析、融合和深度處理，實(shí)現(xiàn)對(duì)煙葉烘烤過(guò)程的智能化監(jiān)測(cè)和管理。

1.2 烤房監(jiān)測(cè)系統(tǒng)的工作流程

烤房監(jiān)測(cè)系統(tǒng)工作流程如圖2所示。主要包括傳感器模塊（溫濕度傳感器模塊由I2C溫濕度傳感器模塊、I2C轉(zhuǎn)RS485模塊、RS485轉(zhuǎn)RS232模塊、POE供電的攝像頭模塊組成）、數(shù)據(jù)采集模塊、交換機(jī)、工控機(jī)以及路由器，將溫濕度數(shù)據(jù)、圖像數(shù)據(jù)上傳至服務(wù)器端。

2 模塊電路設(shè)計(jì)

烤房監(jiān)測(cè)系統(tǒng)硬件電路用于獲取烤房環(huán)境參數(shù)、煙葉狀態(tài)數(shù)據(jù)以及上傳信息，主要包括中央控制器、溫濕度傳感器、攝像頭、信號(hào)轉(zhuǎn)發(fā)。

2.1 中央控制器電路設(shè)計(jì)

中央控制器分為主處理機(jī)與數(shù)據(jù)采集器。中央控制器電路設(shè)計(jì)如圖3所示。其中，數(shù)據(jù)采集器通過(guò)串口與主處理機(jī)連接，通過(guò)搭載UCOS操作系統(tǒng)采集多路干濕球溫度、煙葉狀態(tài)等數(shù)據(jù)，主處理機(jī)采集煙葉烘烤的過(guò)程數(shù)據(jù)，工業(yè)控制計(jì)算機(jī)對(duì)采集的圖像數(shù)據(jù)進(jìn)行壓縮和傳輸之后將數(shù)據(jù)向服務(wù)器轉(zhuǎn)發(fā)。

2.2 圖像采集模塊電路設(shè)計(jì)

圖像采集模塊的安裝分為烤房外安裝和烤房?jī)?nèi)安裝。外部安裝時(shí)，須在烤房墻壁開(kāi)出20 cm×20 cm尺寸以上的觀察窗，使用雙層隔溫玻璃封閉窗口。在窗口外側(cè)安裝攝像頭與補(bǔ)光燈，烤房?jī)?nèi)攝像頭安裝方案如圖4所示?？痉?jī)?nèi)部安裝攝像頭時(shí)采用隔溫罩與強(qiáng)制風(fēng)冷方案。將攝像頭安裝在隔溫罩內(nèi)，罩尾部留有風(fēng)冷通氣孔，使用管道連接放在室外的通風(fēng)泵，實(shí)現(xiàn)室外冷空氣不斷引入隔溫罩內(nèi)給攝像頭降溫。

烤房?jī)?nèi)部的圖像采集模塊選用耐高溫高清攝像頭，安裝于烤房中，圖像傳輸電路通過(guò)網(wǎng)線和交換機(jī)將圖像數(shù)據(jù)傳輸至本地服務(wù)器，通過(guò)RS232、RS485、網(wǎng)絡(luò)等有線方式傳輸至云服務(wù)器。

2.3 濕度監(jiān)測(cè)模塊電路設(shè)計(jì)

濕度監(jiān)測(cè)模塊電路獲取到干濕球溫度，通過(guò)使用干濕球的溫度數(shù)據(jù)計(jì)算相對(duì)濕度［10］，計(jì)算詳見(jiàn)公式（1）：

RH=e/es×100%（1）

其中，RH為相對(duì)濕度（%）；e為實(shí)際水汽壓［見(jiàn)公式（2）］；es為飽和水汽壓［見(jiàn)公式（4）］。

e=0.611C（T）×exp（17.27t/（t+237.3））（2）

其中，t為溫度（℃）；C（T）為溫度修正系數(shù)。

C（T）=1+α（t-20）+β（t-20）2（3）

其中，α、β為溫度修正系數(shù)；t為溫度（℃）。

es=ews-γP（t-tw）K（4）

其中，ews為濕球溫度下的飽和水汽壓；γ為干濕表系數(shù)（基準(zhǔn)值0.000662）；P為壓力修正參數(shù)［見(jiàn)公式（5）］；tw為標(biāo)準(zhǔn)溫度；K為修正參數(shù)［見(jiàn)公式（6）］。

P=P0×exp（-H/7000）f（V）（5）

其中，P0為標(biāo)準(zhǔn)大氣壓（101.325 kPa）；P為修正后的大氣壓（kPa）；H為海拔高度（m）；f（V）為烤房容積修正函數(shù)。

K=［1+k1（t-tw）+k2L］×［1+k3（h-h0）］（6）

其中，L為煙葉裝載密度；h為相對(duì)高度；h0為標(biāo)準(zhǔn)調(diào)度；k1為溫度修正系數(shù)；k2為裝載密度修正系數(shù)；k3為高度修正系數(shù)。

3 低光照?qǐng)D像增強(qiáng)

3.1 圖像增強(qiáng)算法原理

Retinex算法利用公式（7）去除亮度分量 L求得反射分量R［11］，達(dá)到圖像增強(qiáng)效果。通過(guò)對(duì)公式（7）兩邊取對(duì)數(shù)，得到公式（8）：

S（x，y）=L（x，y） R（x，y）（7）

log（S（x，y） ）=log（L（x，y）） +log（R（x，y） ）（8）

其中，S（x，y）為原始圖像；L（x，y）為照明分量；R（x，y）為反射分量。

log（R（x，y））=log（S（x，y））-log（L（x，y））（9）

公式（9）可知，估計(jì)亮度分量L便能計(jì)算反射分量，L的估計(jì)直接決定圖像恢復(fù)效果。Jobson等［12］論證了高斯卷積函數(shù)可以從已知圖像S中更好地估計(jì)出亮度分量，見(jiàn)公式（10）：

L′（x，y）=G（x，y，σ）*S（x，y）（10）

其中，*為卷積操作，高斯函數(shù)表示為公式（11）：

G（x，y，σ）=（1/2πσ2）exp（-（x2 + y2）/2σ2）（11）

其中，σ為高斯函數(shù)尺度參數(shù)；k為歸一化因子，使

G（x，y）dxdy=1（12）

權(quán)重計(jì)算：

W（x，y）=α（1 - exp（-βS（x，y）））（13）

其中，α為權(quán)重系數(shù)；β為梯度響應(yīng)參數(shù)；S為圖像梯度。

反射分量?jī)?yōu)化：

R′（x，y）=γ* R（x，y） * （1+W（x，y））（14）

其中，γ為增強(qiáng)系數(shù)。

3.2 算法效果

如圖5所示，圖 5（a）和圖5（b）的下半部分展示了改進(jìn)Retinex算法的圖像增強(qiáng)效果。左下圖像為增強(qiáng)之后的圖像，亮度顯著提高，暗部細(xì)節(jié)更為清晰，整體視覺(jué)效果改進(jìn)明顯。改進(jìn)Retinex算法有效地拉伸了低灰度值部分，使得隱藏在陰影中的細(xì)節(jié)點(diǎn)顯現(xiàn)出來(lái)。直方圖展示了經(jīng)過(guò)改進(jìn)Retinex算法的像素值分布情況，總體更加均衡合理。低灰度值部分被有效拉伸，表明改進(jìn)Retinex算法在增強(qiáng)低光照?qǐng)D像的暗部細(xì)節(jié)頗為有效。直方圖展示了像素值分布的范圍顯著擴(kuò)大，更多像素值轉(zhuǎn)移至中高灰度區(qū)域，反映出圖像整體亮度和對(duì)比度增強(qiáng)。

通過(guò)改進(jìn)Retinex算法對(duì)圖像的處理，圖像的亮度和細(xì)節(jié)清晰度顯著提高，原本暗淡且模糊的圖像經(jīng)過(guò)處理后，隱藏細(xì)節(jié)被揭示，像素值分布趨于均衡，整體視覺(jué)效果得到大幅改善。這不僅提高了圖像的亮度和對(duì)比度，還增強(qiáng)了難以辨識(shí)的細(xì)節(jié)。

3.3 判斷圖像清晰度、明暗算法

圖 6展示了不同條件下極低光照?qǐng)D像的對(duì)比結(jié)果，其中，圖6（a）上部分的圖像代表不包含光照的極低光照?qǐng)D像，清晰度值為5.26，平均亮度僅為1.67。圖6（a）下部分圖像代表增強(qiáng)后的圖像，清晰度提升至1188.12，平均亮度提高至32.22。使用該圖像增強(qiáng)算法的極低光照?qǐng)D像增強(qiáng)效果改善明顯，圖像中難以辨認(rèn)的細(xì)節(jié)更加清晰。圖6（b）為微光條件下的極低光照?qǐng)D像，上部分圖像顯示清晰度為18.9，平均亮度為6.09。下部分為該算法增強(qiáng)之后的極低光照?qǐng)D像，清晰度上升至865.53，平均亮度提升至56.69。相對(duì)于初始狀態(tài)，圖像增強(qiáng)算法對(duì)極低光照?qǐng)D像的增強(qiáng)效果改善明顯，細(xì)節(jié)和亮度均有所提高。

4 結(jié)語(yǔ)

智能烤房監(jiān)測(cè)硬件系統(tǒng)實(shí)現(xiàn)了烤房環(huán)境參數(shù)的智能監(jiān)測(cè)與遠(yuǎn)程管理功能，主要由2個(gè)核心監(jiān)測(cè)模塊構(gòu)成：一是基于干濕球溫度傳感器的溫濕度監(jiān)測(cè)模塊，實(shí)現(xiàn)烤房?jī)?nèi)環(huán)境參數(shù)的高精度實(shí)時(shí)監(jiān)測(cè)；二是基于高清攝像頭的圖像采集分析系統(tǒng)，為煙葉烘烤過(guò)程提供了直觀的視覺(jué)監(jiān)控依據(jù)。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)在多個(gè)關(guān)鍵性能指標(biāo)上均達(dá)到了設(shè)計(jì)要求：溫濕度監(jiān)測(cè)精確度高，測(cè)量誤差始終維持在允許范圍內(nèi)；數(shù)據(jù)傳輸穩(wěn)定可靠，傳輸成功率滿足預(yù)期目標(biāo)；遠(yuǎn)程監(jiān)測(cè)功能運(yùn)行流暢，系統(tǒng)響應(yīng)及時(shí)。研究結(jié)果證實(shí)，該系統(tǒng)不僅能夠精準(zhǔn)實(shí)時(shí)地采集烤房?jī)?nèi)的溫濕度數(shù)據(jù)和煙葉烘烤狀態(tài)，而且在降低人工監(jiān)管成本、提升煙葉烘烤質(zhì)量和提高煙農(nóng)工作效率等方面都取得了顯著成效。

然而，在應(yīng)用過(guò)程中，系統(tǒng)仍存在一些須要改進(jìn)的問(wèn)題：（1）溫濕度傳感器在長(zhǎng)期高溫環(huán)境下的穩(wěn)定性和使用壽命有待提高；（2）圖像采集系統(tǒng)在光線不足或煙霧干擾較大時(shí)的識(shí)別準(zhǔn)確率須要進(jìn)一步優(yōu)化；（3）遠(yuǎn)程監(jiān)測(cè)功能在網(wǎng)絡(luò)延遲較大時(shí)的實(shí)時(shí)性有待加強(qiáng)。

參考文獻(xiàn)

［1］過(guò)偉民，徐嬙，劉劍君，等.煙葉智能烘烤的理論與實(shí)踐［J］.煙草科技，2025（1）：1-14.

［2］CONDOR M， ALBESA F， ALTOBELLI F， et al.Image processing for monitoring of the cured tobacco process in a bulk-curing stove［EB/OL］. （2020-01-01）［2024-11-13］.http：//www.keyanzhidian.com/doc/detail？id=2041914921.

［3］徐鵬飛，李東升，胡佳成，等.烤煙葉溫實(shí)時(shí)監(jiān)測(cè)儀的設(shè)計(jì)［J］.中國(guó)農(nóng)機(jī)化學(xué)報(bào)，2013（5）：210-213，237.

［4］WU J， YANG S X， TIAN F. A novel intelligent control system for flue-curing barns based on real-time image features［J］. Biosystems Engineering， 2014（123）： 77-90.

［5］潘飛龍，譚方利，李崢，等.基于物聯(lián)網(wǎng)的烤房干/濕球溫度集中監(jiān)測(cè)系統(tǒng)設(shè)計(jì)［J］.河南農(nóng)業(yè)大學(xué)學(xué)報(bào)，2018（5）：684-691.

［6］蔡劍華，熊銳，黃國(guó)玉.基于無(wú)線傳輸?shù)目痉繙貪穸冗h(yuǎn)程監(jiān)測(cè)系統(tǒng)［J］.煙草科技，2016（10）：81-86.

［7］曲豪，朱曉珺，劉國(guó)穎.基于ZigBee無(wú)線通信的烤房控制儀的設(shè)計(jì)與實(shí)現(xiàn)［J］.電子測(cè)量技術(shù)，2019（5）：99-103.

［8］楊學(xué)書(shū)，和強(qiáng)，夏開(kāi)逵，等.煙葉遠(yuǎn)程可視化調(diào)控烘烤適用性研究［J］.安徽農(nóng)業(yè)科學(xué)，2024（10）：175-177，189.

［9］鄭勁民，趙虎.基于嵌入式的遠(yuǎn)程數(shù)據(jù)監(jiān)控系統(tǒng)設(shè)計(jì)［J］.當(dāng)代農(nóng)機(jī)，2021（3）：52-54.

［10］黃曉因，周平.烤煙房空氣相對(duì)濕度計(jì)算方法研究［J］.農(nóng)業(yè)工程學(xué)報(bào)，2006（1）：164-166.

［11］鄭滌塵，何繼開(kāi)，劉藝，等.基于Retinex理論的低照度圖像自適應(yīng)增強(qiáng)算法［EB/OL］.（2024-10-29）［2024-11-13］.https：//kns.cnki.net/kcms2/article/abstract？v=ZIcs-hjNidGKbvfxdAqfXkaLuT6HRs3dvqfUslFjtDRAT9Nt5g-c1CmIORPE0yB9dvM7yHG6QWeLdRcPhaNDvsrjdELS5rYDpNGUy_VoYOWuNTny0TozIQPCixbYiz4N8RqGs5eqtWBuE1nY5xEoG_AWBA95_-q1lHF0Csu4WCA=amp;uniplatform=NZKPT.

［12］JOBSON D J， RAHMAN Z U， WOODELL G A . Retinex image processing： improved fidelity to direct visual observation［J］. NASA Langley Technical Report Server， 1996： 124-125.

（編輯 沈 強(qiáng)編輯）

Hardware system design of IoT-based intelligent tobacco curing barn monitoring system

LI" Jun1， XU Qing2， CAO" Min2， ZENG" Chenping1， DUAN" Yixin2

（1.Xichang University，Xichang 615013， China; 2.Xichang Cigarette Factory of China Sichuan Tobacco

Industrial Co.， Ltd.， Xichang 615000， China）

Abstract： To enhance the quality and efficiency of tobacco curing in the Liangshan Sichuan region， an intelligent monitoring hardware system for curing barns incorporating IoT technologies， including temperature， humidity， and image acquisition capabilities， is proposed. The system enables real-time monitoring of environmental parameters within curing barns， tobacco leaf curing status detection， and remote barn management functionality. The hardware architecture comprises four main components： an image acquisition module， a temperature and humidity monitoring module， a data transmission module， and a monitoring platform. Experimental results demonstrate that the system successfully achieves accurate acquisition of environmental data and tobacco leaf images within curing barns， featuring stable and reliable data transmission. The implementation significantly improves the automation level of tobacco curing processes， providing technical support for enhancing both tobacco curing quality and farmers’ operational efficiency.

Key words： curing barn monitoring; image acquisition; temperature and humidity monitoring; IoT technology