基于物聯(lián)網(wǎng)的油煙濃度實(shí)時(shí)監(jiān)測(cè)系統(tǒng)設(shè)計(jì)

范庭芳，趙 坤，錢松榮

0 引言

隨著目前政府和民眾對(duì)于空氣質(zhì)量的要求不斷的提升，環(huán)保部門在空氣質(zhì)量監(jiān)測(cè)上可謂盡心盡力。現(xiàn)有的油煙濃度監(jiān)測(cè)主要是環(huán)保部門對(duì)餐飲企業(yè)進(jìn)行抽檢，工作人員在被抽檢單位進(jìn)行采樣，將樣品帶回實(shí)驗(yàn)室進(jìn)行含量分析。濃度檢測(cè)主要采取光譜分析，利用不同光譜線的吸收峰位置不同來(lái)判斷濃度大小。此法能夠做到的精度較高，但缺點(diǎn)是不能做到實(shí)時(shí)、動(dòng)態(tài)的監(jiān)測(cè)；而且覆蓋面較小，容易使一些餐飲企業(yè)產(chǎn)生“僥幸心理”，僅應(yīng)付檢查而平時(shí)隨意排放。

目前市場(chǎng)上已經(jīng)出現(xiàn)了一些油煙實(shí)時(shí)監(jiān)測(cè)的系統(tǒng)，主要是利用費(fèi)加羅（FIGRAO）公司TGS2100油煙傳感器進(jìn)行油煙濃度監(jiān)控。但有一個(gè)致命的缺點(diǎn)是精度不夠高，誤報(bào)率較高。（同時(shí)面臨包圍在傳感器外面的濾網(wǎng)需要經(jīng)常清洗以及過濾后的濃度不是真實(shí)濃度的問題）。

本文正是從以上情形出發(fā)，設(shè)計(jì)一套基于物聯(lián)網(wǎng)，同時(shí)結(jié)合數(shù)據(jù)融合的方案，來(lái)對(duì)油煙濃度監(jiān)測(cè)領(lǐng)域現(xiàn)狀進(jìn)行改進(jìn)。以期實(shí)現(xiàn)實(shí)時(shí)動(dòng)態(tài)的監(jiān)測(cè)，同時(shí)提高監(jiān)測(cè)系統(tǒng)的精確度和可靠性。同時(shí)做出實(shí)驗(yàn)室原型，實(shí)現(xiàn)基本的功能以及提出將來(lái)需要改進(jìn)的點(diǎn)。

1 系統(tǒng)整體方案設(shè)計(jì)

本系統(tǒng)可以分為3個(gè)模塊，如圖1所示：

圖1 系統(tǒng)框架

從做至右依次是模塊1數(shù)據(jù)采集；模塊2進(jìn)行AD轉(zhuǎn)換以及簡(jiǎn)單的數(shù)據(jù)融合操作；模塊3是通過GPRS將簡(jiǎn)單融合數(shù)據(jù)傳至服務(wù)器端，進(jìn)行深度數(shù)據(jù)分析和處理，實(shí)時(shí)顯示和判斷報(bào)警。

在系統(tǒng)工作流程上，4個(gè)傳感器首先通過傳感器控制模塊，在餐館的油煙出風(fēng)口處采集相關(guān)的數(shù)據(jù)，由于餐飲油煙成分復(fù)雜，所以我們?cè)诳紤]選擇傳感器的時(shí)候會(huì)考慮覆蓋的綜合性。傳感器將實(shí)時(shí)采集的數(shù)據(jù)通過AD轉(zhuǎn)換同步傳輸給基站，并進(jìn)行初步的數(shù)據(jù)融合措施，以便于GPRS傳輸。在GPRS傳輸過程中，使用的是SIM900A芯片，其穩(wěn)定性和低功耗可以為基站穩(wěn)定工作提供保證。最后，遠(yuǎn)端服務(wù)器收到數(shù)據(jù)，利用神經(jīng)網(wǎng)絡(luò)等多種算法，存入數(shù)據(jù)庫(kù)并進(jìn)行實(shí)時(shí)顯示。

2 系統(tǒng)硬件設(shè)計(jì)

系統(tǒng)硬件主要分為：傳感器及其處理模塊，基站處理模塊、GSM/GPRS傳輸模塊。

2.1 傳感器及其處理模塊

鑒于油煙成分復(fù)雜，包括醛、酮、烴、脂肪酸、醇、芳香族化合物等，因此我們選擇4個(gè)傳感器作為我們的數(shù)據(jù)采集工具。包括如下：傳感器1：MQ-7B，一氧化碳傳感器；傳感器2：MQ-138，甲醛傳感器；傳感器3：MQ-135，空氣質(zhì)量傳感器（氨、硫化物、丙酮、甲苯、酒精等；傳感器4：TGS813，可燃?xì)怏w傳感器（氫氣、異丁烷、乙醇、甲烷等）。這4個(gè)傳感器均具有良好的靈敏性、合理的性價(jià)比、借口方便等特點(diǎn)，測(cè)試的覆蓋面也較廣。

利用各傳感器接口統(tǒng)一的特點(diǎn)，我們用LM393來(lái)對(duì)其進(jìn)行控制并設(shè)計(jì)成可輸出模擬以及數(shù)字兩路信號(hào)的簡(jiǎn)單模塊。硬件實(shí)物圖，如圖2所示：

圖2 總體硬件設(shè)計(jì)圖

2.2 基站處理模塊

考慮成本以及在基站處理過程中的復(fù)雜度，我們選用的單片機(jī)是STC12C5A60S2，其是增強(qiáng)型8051CPU，具有8路10位精度ADC，可以實(shí)現(xiàn)250K/S的轉(zhuǎn)換速度。

基站處理模塊主要通過ADC接口將傳感器傳輸過來(lái)的模擬信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)，并做初步處理使得數(shù)據(jù)具備易讀性。主要的操作流程是單片機(jī)間隔一定時(shí)間（例如1分鐘），去輪詢讀取每個(gè)傳感器上的數(shù)值，并將匯總的4個(gè)傳感器信息發(fā)送給后續(xù)的信號(hào)傳輸模塊。此外處理模塊設(shè)置有超時(shí)重讀以及故障復(fù)位等功能。

2.3 GSM/GPRS傳輸模塊

在考慮GPRS傳輸上，我們采用市場(chǎng)上較為成熟的SIM900A，其是緊湊、高可靠性、低成本的無(wú)線模塊。工作頻段是雙頻GSM/GPRS 900/1800MHz。

由于本系統(tǒng)測(cè)試實(shí)際場(chǎng)合的條件的限制，本文中所涉及的硬件部分，特別是傳感器處理模塊，均需要很好的利用濾網(wǎng)等進(jìn)行初步過濾，防止直徑過大的油滴等縮短傳感器使用壽命。

3 系統(tǒng)軟件設(shè)計(jì)

本文中的系統(tǒng)軟件設(shè)計(jì)主要包括三大塊：傳感器數(shù)據(jù)讀取、GPRS模塊數(shù)據(jù)傳輸以及數(shù)據(jù)融合算法。

街道還會(huì)不定期舉行大型消防演練，主要由轄區(qū)內(nèi)的消防大隊(duì)組織開展，每次演練都需要九個(gè)社區(qū)派人過去參與、學(xué)習(xí)。 消防演練能夠普及救火救援知識(shí)，對(duì)于社區(qū)微型消防站成員的實(shí)際學(xué)習(xí)效果還帶有考證。

3.1 傳感器數(shù)據(jù)讀取及GPRS數(shù)據(jù)傳輸模塊

基站部分的軟件開發(fā)平臺(tái)包括傳感器數(shù)據(jù)讀取、GPRS模塊傳輸，使用的編譯平臺(tái)是Keil uVision4。

代碼流程圖，如圖3所示：

圖3 基站代碼流程圖

系統(tǒng)接口主要有傳感器模塊和基站模塊接口（串口1）、基站模塊和GPRS模塊接口（串口2），分別對(duì)兩個(gè)串口以及單片機(jī)和SIM900A初始化之后，便進(jìn)入循環(huán)采集流程。單次循環(huán)的終點(diǎn)是將初步融合的數(shù)據(jù)發(fā)送至服務(wù)器端。

3.2 數(shù)據(jù)融合算法

多傳感器數(shù)據(jù)融合技術(shù)已成為一個(gè)十分活躍的研究領(lǐng)域，它的應(yīng)用也越來(lái)越廣泛，如機(jī)器人系統(tǒng)，圖像分析與處理，目標(biāo)自動(dòng)識(shí)別，工業(yè)現(xiàn)場(chǎng)的參數(shù)檢測(cè)等。本文使用的數(shù)據(jù)融合主要分為隨機(jī)數(shù)學(xué)算法和人工智能算法，各自均有不同的特點(diǎn)和優(yōu)勢(shì)。

3.2.1 隨機(jī)數(shù)學(xué)算法

該類算法的主要特點(diǎn)是利用數(shù)學(xué)概率等方法，進(jìn)行濾波和估計(jì)。主要有加權(quán)平均、卡爾曼濾波、bayesian估算、D-S證據(jù)方法等。本系統(tǒng)采用的是D-S證據(jù)方法，其主要的操作流程，如圖4所示：

圖4 D-S證據(jù)方法

D-S證據(jù)推力方法的主要特點(diǎn)是滿足比貝葉斯概率理論更弱的條件；具有直接表達(dá)“不確定”和“不知道”的能力。

3.2.2 人工智能方法

人工智能方法主要考慮模糊邏輯算法和神經(jīng)網(wǎng)絡(luò)算法。在本系統(tǒng)中，我們主要考慮神經(jīng)網(wǎng)絡(luò)算法，神經(jīng)網(wǎng)絡(luò)中比較基礎(chǔ)的BP算法，如圖5所示：

圖5 BP算法示意圖

通過3層（輸入、隱性、輸出層）以及六步（1、初始化；2、輸入訓(xùn)練樣本對(duì)，計(jì)算各層輸出；3、計(jì)算輸出誤差；4、計(jì)算各層誤差；5、調(diào)整各層權(quán)值；6、檢查是否達(dá)到精度要求）。建立好對(duì)應(yīng)的輸入輸出模型，以達(dá)到對(duì)應(yīng)模擬要求。

本系統(tǒng)還采用了SVM（支持向量機(jī)）算法以做相應(yīng)的比較推理。SVM算法可以針對(duì)線性可分情況進(jìn)行分析，但也可以將線性不可分通過使用非線性映射算法將低維輸入空間線性不可分的樣本轉(zhuǎn)化為高維特征空間使其線性可分，并進(jìn)行數(shù)據(jù)分析。該法可以在滿足一定概率下盡可能降低風(fēng)險(xiǎn)。

選擇不同的核函數(shù)（Kernel Functions）可以生成不同的SVM，鑒于我們整體模型的復(fù)雜度，我們選擇多項(xiàng)式核函數(shù)（K(x,y)=[(x*y)+1]d作為本系統(tǒng)的核函數(shù)。

4 現(xiàn)場(chǎng)測(cè)試以及分析

在搭建了合理的硬件以及軟件平臺(tái)之后，我們進(jìn)行了實(shí)地?cái)?shù)據(jù)測(cè)試，測(cè)試地點(diǎn)是上海市楊浦區(qū)某海鮮餐館油煙出風(fēng)口。實(shí)地測(cè)試數(shù)據(jù)截圖，如圖6所示（標(biāo)準(zhǔn)濃度為1.3mg/m^3）：

圖6 標(biāo)準(zhǔn)濃度為1.3mg/m^3實(shí)測(cè)數(shù)據(jù)

圖6中顯示的是4個(gè)傳感器返回的初步融合數(shù)據(jù)，最左側(cè)的31是返回的發(fā)送采集數(shù)據(jù)指令。顯而易見在經(jīng)過前期的數(shù)據(jù)不穩(wěn)定期之后，通風(fēng)口濃度基本上維持在一個(gè)穩(wěn)定的水平。

通過以上闡述的數(shù)據(jù)擬合方式，我們可以得到的標(biāo)準(zhǔn)值與傳感器測(cè)得值的對(duì)比，如圖7所示：

圖7 數(shù)據(jù)融合與標(biāo)準(zhǔn)值對(duì)比

可以看到，兩者具有較好的相關(guān)性。而進(jìn)一步的測(cè)算顯示，本系統(tǒng)比單傳感器精度提高20%以上。

5 總結(jié)

本文設(shè)計(jì)了一套基于物聯(lián)網(wǎng)系統(tǒng)實(shí)時(shí)油煙濃度監(jiān)測(cè)系統(tǒng)，能夠較好的解決目前油煙監(jiān)測(cè)方面存在的一些問題和缺陷，利用數(shù)據(jù)融合算法，提高判斷精度，比普通單傳感器系統(tǒng)精度提高20%以上，實(shí)現(xiàn)效果良好。今后的改進(jìn)方向在于提高傳感器使用壽命、測(cè)試精度以及更精美的UI設(shè)計(jì)。

[1]STC12C5A60S2單片機(jī)數(shù)據(jù)手冊(cè)[K].

[2]SIM900AATCommandManualCNV1.03[K]

[3]丁飛，飲食業(yè)油煙凈化設(shè)備油煙凈化效率檢測(cè)方法探討，[J]《上海環(huán)境科學(xué)》，2010年第29卷第4期

[4]許建龍，陳益民，駱德漢，基于GPRS的油煙遠(yuǎn)程無(wú)線監(jiān)控系統(tǒng)設(shè)計(jì)，[J]《現(xiàn)代電子技術(shù)》，2009年第五期

[5]劉從平，何雨箐，餐飲業(yè)油煙測(cè)試中需注意的問題，[J]《環(huán)境監(jiān)測(cè)管理與技術(shù)》，2003年4月