張競超，翟乃琦，王一博，云利軍

（云南師范大學信息學院，昆明 650500）

煙葉經(jīng)過初烤、復(fù)烤工序后將其貯存在倉庫中，在存儲過程中煙葉會發(fā)生自然醇化，醇化后的煙葉品質(zhì)在燃吸性、香味、顏色等方面得到了一定的改善。但是由于煙葉自然醇化周期較長，煙葉在儲藏過程中容易發(fā)生霉變，霉變后的煙葉品質(zhì)大大降低，失去其使用價值，每年因煙葉霉變給煙草公司帶來了巨大的經(jīng)濟損失，因此，倉儲煙葉霉變監(jiān)測方法研究具有重要的經(jīng)濟價值和應(yīng)用意義。

傳統(tǒng)的煙葉霉變主要依靠人工進行檢測，通常采用眼看、手捏、鼻聞等方式判斷煙葉的霉變程度［1，2］。在倉儲環(huán)境下煙葉霉變的位置相對隱蔽，倉庫管理人員并不能及時發(fā)現(xiàn)煙葉霉變的跡象，從而導(dǎo)致霉變在煙堆中擴散。目前，對于煙葉霉變檢測方法的研究取得了一定的進展。Yang 等［3］利用近紅外漫反射光譜法實現(xiàn)對煙葉霉變的預(yù)測；毛雪峰等［4］設(shè)計并實現(xiàn)了基于電子鼻技術(shù)的煙葉霉變提前預(yù)警系統(tǒng)；劉斌等［5］利用機器視覺技術(shù)進行多特征信息融合實現(xiàn)對煙葉霉變的識別。上述檢測方式雖然具有一定的檢測效果，但是難以應(yīng)用于大范圍的倉儲煙葉霉變的監(jiān)測，因此，本研究基于物聯(lián)網(wǎng)技術(shù)實現(xiàn)對倉儲環(huán)境下的煙葉霉變狀態(tài)監(jiān)測，及時有效地發(fā)現(xiàn)煙葉霉變現(xiàn)象，提高煙葉的醇化質(zhì)量，減少經(jīng)濟損失。

1 煙葉霉變因素分析

煙葉霉變產(chǎn)生的原因主要包含內(nèi)因和外因兩大因素。由于煙葉具有較強的吸濕性，且煙葉中含有霉菌生長繁殖所需要的營養(yǎng)物質(zhì)，主要包含糖類等簡單的碳水化合物以及復(fù)雜的有機物。煙葉中還包含含氮化合物、礦物質(zhì)等，均能為霉菌的生長繁殖提供養(yǎng)料。同時，煙葉中含有一定的水分，適宜的水分避免煙葉在存儲過程中發(fā)生破碎，當煙葉含水率超過安全范圍后，霉菌就會開始大量繁殖，從而導(dǎo)致煙葉發(fā)生霉變。

煙葉在存儲的過程中，適宜的溫、濕度倉儲環(huán)境會為霉菌的生長繁殖提供合適的條件。大多數(shù)霉菌的生長繁殖都需要有一定的溫度條件（表1）。不同種類霉菌發(fā)育所需的溫度范圍不同，且范圍較寬，最低為8 ℃，最高為50 ℃，適宜溫度范圍一般在30～37 ℃。并且不同種類的霉菌所適宜的濕度條件也有所不同，曲霉為95%左右，青霉為90%左右。

表1 常見霉菌發(fā)育所需溫度

較大的濕度以及適宜霉菌生長的溫度是煙葉霉變的外部因素。煙葉自身水分大于13%、環(huán)境濕度大于75%均會增強煙葉及相關(guān)微生物的呼吸作用，從而引起煙葉溫度的升高，嚴重時引起煙葉的積熱、碳化、霉變［6］。當發(fā)生霉變時，霉菌繁殖會消耗煙葉自身的營養(yǎng)物質(zhì)，同時與外界進行氣體交換，導(dǎo)致煙葉倉儲環(huán)境會發(fā)生改變。因此，通過對煙葉存儲環(huán)境的溫、濕度以及霉變特征氣體綜合檢測，即可判斷煙葉是否發(fā)生霉變。

2 倉儲煙葉狀態(tài)監(jiān)測方法設(shè)計

2.1 總體設(shè)計

基于物聯(lián)網(wǎng)技術(shù)的倉儲煙葉霉變智能監(jiān)測方法主要包含3 大部分：第一部分為倉儲環(huán)境信息采集終端，主要由系統(tǒng)主控板、氣體傳感器陣列以及無線射頻傳輸模塊組成，終端設(shè)備部署在煙堆內(nèi)部，負責采集煙堆周圍的環(huán)境信息，包括煙堆內(nèi)部的溫度、濕度信息以及煙堆揮發(fā)出來的相關(guān)氣體濃度信息；第二部分為無線手持中繼器，主要由系統(tǒng)主控板、無線射頻傳輸模塊、數(shù)據(jù)顯示模塊、GPRS 模塊組成，中繼器負責接收終端設(shè)備的采集數(shù)據(jù)，當倉庫管理人員手持中繼設(shè)備靠近待監(jiān)測煙堆附近，終端設(shè)備與中繼器通過無線射頻模塊成功建立連接后，將采集到的煙堆環(huán)境信息發(fā)送給中繼器，中繼器接收到終端設(shè)備發(fā)送過來的數(shù)據(jù)后，將數(shù)據(jù)顯示在屏幕中，同時通過GPRS 模塊把數(shù)據(jù)發(fā)送到遠端數(shù)據(jù)監(jiān)測服務(wù)器；第三部分為數(shù)據(jù)監(jiān)測管理中心服務(wù)器，當服務(wù)器接收到中繼器發(fā)送過來的采集數(shù)據(jù)后，數(shù)據(jù)實時顯示在管理中心頁面中，同時把發(fā)送過來的數(shù)據(jù)輸入到已經(jīng)訓練完成的BP 神經(jīng)網(wǎng)絡(luò)模型進行煙葉霉變狀態(tài)的預(yù)測，并將預(yù)測后的結(jié)果顯示在管理中心頁面中，若預(yù)測煙葉狀態(tài)為霉變狀態(tài)，則對數(shù)據(jù)進行標記，并發(fā)出警報信息提醒倉庫管理人員。監(jiān)測方法示意如圖1 所示。

圖1 監(jiān)測方法

2.2 試驗設(shè)備

本研究試驗儀器由課題組自主研制，包括數(shù)據(jù)采集終端與手持無線中繼器［7］。采集終端與中繼器的主控芯片型號均采用STM32F103C8T6，終端氣體傳感器陣列由AM2320 型溫濕度傳感器、MH-Z19B型二氧化碳傳感器、TGS822 型乙醇傳感器組成。終端與中繼器通過無線射頻模塊nRF24L01 建立傳輸通道，完成數(shù)據(jù)的本地傳輸。中繼器的顯示模塊選用LCD12864，用于顯示終端設(shè)備傳輸?shù)臄?shù)據(jù)信息，無線傳輸模塊選用SIM900A 模組，與遠端服務(wù)器建立通訊，完成數(shù)據(jù)的傳輸工作。系統(tǒng)硬件結(jié)構(gòu)如圖2 所示。

圖2 系統(tǒng)硬件結(jié)構(gòu)

2.3 試驗方法

選用樣本由云南省某卷煙廠提供，以煙葉中出現(xiàn)的霉點作為煙葉霉變程度的區(qū)分依據(jù)。若煙葉表面未發(fā)現(xiàn)肉眼可見的霉點和菌絲體，則將其定義為正常煙葉；若煙葉表面中的霉點和菌絲體≤5，則將其定義為輕度霉變煙葉；若煙葉表面出現(xiàn)的霉點和菌絲體＞5，則將其定義為中度霉變煙葉。3 種等級煙葉樣本如圖3 所示。

圖3 煙葉樣本

試驗在自行搭建的模擬箱環(huán)境中進行。首先將煙葉樣本放置在實驗箱中，打開數(shù)據(jù)采集終端的電源開關(guān)，確保設(shè)備處于正常工作狀態(tài)，并放置在實驗箱內(nèi)。密封實驗箱3 h，待樣本煙葉揮發(fā)的氣體處于穩(wěn)定狀態(tài)，此時打開手持無線中繼器，與采集終端建立連接后，數(shù)據(jù)采集終端對3 種狀態(tài)的煙葉分別以30 s/次的頻率進行72 h 的數(shù)據(jù)采集，中繼器將接收到的采集數(shù)據(jù)上傳至服務(wù)器中，服務(wù)器完成數(shù)據(jù)的解析與存儲。3 種試驗煙葉樣本，總共采集3 個批次的樣本數(shù)據(jù)，每完成一次樣本的采集工作后對實驗箱中的氣體進行清洗，防止影響下一次樣本的采集工作。模擬煙葉倉儲環(huán)境如圖4 所示。

圖4 模擬煙葉倉儲環(huán)境

3 倉儲煙葉狀態(tài)識別模型設(shè)計

由于煙葉在霉變過程中揮發(fā)出來的氣體濃度是不確定、非線性的，一般的識別模型并不能準確區(qū)分煙葉的霉變狀態(tài)。BP 神經(jīng)網(wǎng)絡(luò)具有較強的非線性映射能力，并且在網(wǎng)絡(luò)訓練的過程中具有自學習和自適應(yīng)能力，泛化和容錯能力強，在解決一些非線性問題上具有較強的優(yōu)勢。因此，本研究選用BP 神經(jīng)網(wǎng)絡(luò)模型作為煙葉霉變狀態(tài)的預(yù)測模型［8］。

3.1 倉儲煙葉狀態(tài)識別模型結(jié)構(gòu)設(shè)計

模型的輸入節(jié)點數(shù)量為4，各個節(jié)點的輸入?yún)?shù)為數(shù)據(jù)采集終端中氣體陣列傳感器所采集到的電壓值，電壓值的大小可以反映氣體的濃度。因此，輸入層參數(shù)分別為溫度、濕度、二氧化碳和乙醇傳感器采集的電壓值。本試驗中煙葉樣本的狀態(tài)總共有3類，分別為正常煙葉、輕度霉變煙葉和中度霉變煙葉，3 種煙葉狀態(tài)分別用數(shù)字0、1、2 表示，因此輸出層節(jié)點數(shù)量設(shè)置為1。當前BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為4-X-1，其中，隱含層節(jié)點數(shù)量未知。具體的網(wǎng)絡(luò)結(jié)構(gòu)模型如圖5 所示。

圖5 基于BP 神經(jīng)網(wǎng)絡(luò)的煙葉識別模型

當BP 神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點數(shù)量為m，輸出層節(jié)點數(shù)量為n時，則隱藏層節(jié)點數(shù)量s可由式（1）計算得出。其中，變量b的取值范圍為1-9。

在此模型結(jié)構(gòu)中，m的值設(shè)定為4，n的值設(shè)定為1，隱藏層節(jié)點的數(shù)量范圍在3-10。隱藏層的節(jié)點數(shù)量一般設(shè)置為5-8，最終隱藏層的節(jié)點數(shù)量根據(jù)模型訓練仿真結(jié)果進行擇優(yōu)選擇［9］。

3.2 倉儲煙葉狀態(tài)識別模型訓練仿真

分別對3 種煙葉狀態(tài)進行分批次的數(shù)據(jù)采集，每種狀態(tài)的煙葉數(shù)據(jù)共采集4 000 組，將其數(shù)據(jù)中的90%作為網(wǎng)絡(luò)模型的訓練樣本，10%作為測試樣本。由于終端設(shè)備所采集的各個傳感器數(shù)值的量程不同，因此在進行數(shù)據(jù)輸入之前，需要對輸入數(shù)據(jù)進行歸一化預(yù)處理，將其統(tǒng)一在同一個數(shù)量級中，具體歸一化公式如式（2）所示。

其中，xi為樣本數(shù)據(jù)中的第i個值，xmin表示樣本數(shù)據(jù)中的最小值，xmax代表樣本數(shù)據(jù)中的最大值。

使用MATLAB 對其進行仿真試驗，設(shè)置試驗?zāi)繕苏`差為0.001，網(wǎng)絡(luò)的訓練次數(shù)最大設(shè)置為6 000。在隱藏層中使用logsig 非線性函數(shù)作為神經(jīng)元的激活函數(shù)，使用traingdx 作為網(wǎng)絡(luò)的訓練函數(shù)。為使模型的性能達到最優(yōu)，分別設(shè)置不同的隱藏層節(jié)點的數(shù)量和網(wǎng)絡(luò)訓練次數(shù)進行對比，以模型的訓練誤差作為判別指標。當隱藏層節(jié)點設(shè)置為6，網(wǎng)絡(luò)訓練次數(shù)設(shè)定為2 000 時，模型的訓練誤差最小。因此，最終確定網(wǎng)絡(luò)模型結(jié)構(gòu)為4-6-1，在此結(jié)構(gòu)下，模型的訓練誤差曲線如圖6 所示。模型在經(jīng)過1 200 輪次左右的訓練后，達到試驗設(shè)定的目標誤差。

圖6 倉儲煙葉狀態(tài)識別模型訓練誤差曲線

3.3 倉儲煙葉狀態(tài)識別模型驗證

完成模型的訓練后，需要對模型的可靠性進行相應(yīng)驗證。分別選用3 種狀態(tài)煙葉的測試樣本進行測試。當模型輸出值的范圍為0—1，則判定煙葉的狀態(tài)為正常煙葉；當輸出值的范圍為1—2，則判定煙葉的狀態(tài)為輕度霉變；當輸出值的范圍為2—3，則判定煙葉的狀態(tài)為中度霉變，部分對比驗證結(jié)果如圖7 所示。對模型共進行5 次測試，模型的識別準確率選用多次測試的平均值，最終得到模型的識別準確率為98.4%，本研究所提模型具有較高的識別率。

圖7 實際值與模型輸出值部分對比驗證結(jié)果

4 智能監(jiān)測信息管理系統(tǒng)設(shè)計

管理人員通過智能監(jiān)測信息管理系統(tǒng)可以實時查看前端硬件傳輸過來的采集數(shù)據(jù)，數(shù)據(jù)通過服務(wù)端解析處理后，若出現(xiàn)異常數(shù)據(jù)則進行相應(yīng)判斷處理，同時當后端模型預(yù)測當前煙垛發(fā)生霉變時，進行相應(yīng)的報警處理。具體設(shè)計的信息管理系統(tǒng)界面如圖8 所示［10］。

圖8 信息管理系統(tǒng)界面

5 系統(tǒng)功能測試

測試環(huán)節(jié)在模擬煙葉倉儲環(huán)境下進行。首先分別將3 種狀態(tài)下的煙葉與數(shù)據(jù)采集終端一同放入實驗箱內(nèi)，封箱3 h 后，等待箱內(nèi)參數(shù)穩(wěn)定，打開手持無線中繼器，與采集終端建立無線連接，終端所采集的數(shù)據(jù)通過中繼器轉(zhuǎn)發(fā)到數(shù)據(jù)監(jiān)測服務(wù)器，服務(wù)器對數(shù)據(jù)進行解析處理，并將已處理的數(shù)據(jù)加載到已經(jīng)訓練好的煙葉狀態(tài)識別模型中，識別當前煙葉狀態(tài)。打開智能監(jiān)測信息管理系統(tǒng)頁面，信息管理系統(tǒng)監(jiān)測到的煙葉狀態(tài)與當前煙葉狀態(tài)一致。具體測試環(huán)境與結(jié)果如圖9 所示。

圖9 測試環(huán)境與結(jié)果

6 小結(jié)

本研究利用物聯(lián)網(wǎng)技術(shù)結(jié)合BP 神經(jīng)網(wǎng)絡(luò)算法，設(shè)計了一種針對倉儲煙葉霉變狀態(tài)的智能監(jiān)測系統(tǒng)，通過在煙堆內(nèi)部署數(shù)據(jù)采集終端，利用手持無線中繼器接收終端采集的數(shù)據(jù)，并通過GPRS 網(wǎng)絡(luò)傳輸至監(jiān)控中心數(shù)據(jù)服務(wù)器，服務(wù)器對上傳數(shù)據(jù)進行解析后，將倉庫環(huán)境參數(shù)以及煙葉狀態(tài)實時顯示在系統(tǒng)界面中，當識別到煙葉為霉變狀態(tài)時，系統(tǒng)向管理人員發(fā)出警報信息。測試結(jié)果表明，本研究所提方法可以很好地監(jiān)測煙葉倉儲環(huán)境信息并識別出煙葉的霉變狀態(tài)，從而可有效地預(yù)防煙葉霉變的發(fā)生，提高了煙葉倉儲管理效率。