茶葉加工過程遠程云監控與溯源研究及系統設計

蔣建東，周倩，潘柏松，趙章風，鐘江，喬欣，張憲

茶葉加工過程遠程云監控與溯源研究及系統設計

蔣建東，周倩，潘柏松，趙章風，鐘江，喬欣，張憲

浙江工業大學機械工程學院，浙江 杭州 310023

針對茶葉加工過程遠程監控需求及茶葉溯源的加工環節缺失問題，構建了茶葉加工過程中茶葉狀態參數及加工設備工藝參數遠程物聯網監測平臺，實現了茶葉加工生產線遠程設備運行參數監測監控與茶葉品質溯源。本研究采用B/S框架實現信息實時顯示，綜合鮮葉采摘信息和生產信息完備溯源過程，運用層次分析法分析生產過程參數對茶葉品質的影響，建立了茶葉加工過程溯源評價模型。在此基礎上，構建茶葉生產離線與在線數據庫融合質量評價模型，提高了數據存儲質量。針對黃山毛峰初制加工生產線進行了遠程監控系統開發及溯源信息采集驗證試驗，結果顯示，平臺運行穩定，數據顯示準確完整，實時性較好。研究結果可為茶葉品質優化及大數據分析提供技術支持。

茶葉生產；遠程監控；溯源；層次分析；數據融合

近年來，茶產業在國民經濟中的地位逐步上升，茶葉質量安全日益受到重視，然而我國大部分茶葉生產企業生產設備相對陳舊，加工工藝不夠精細，茶葉產品質量不穩定且無法對茶葉質量安全做到全程監控。茶產業產前、產中、產后服務體系脫節，難以從源頭到加工、銷售流通全面控制茶葉質量安全，其中尤其以茶葉標準化安全生產和質量安全監測技術服務最為緊要[1]。

監測茶葉生產安全，提高茶葉品質，建立茶葉生產遠程監控及物聯系統，實現茶葉生產信息的全程記錄和追蹤，對茶葉生產過程中出現的問題進行預警，無論是從產品出口、制茶企業的管理、茶文化的建設，還是從消費者信息獲取層面都具有重大意義[2-3]。農業物聯網已廣泛應用于大田種植、設施園藝、水產品養殖、畜禽類養殖，以及農產品物流等領域的信息感知、信息傳輸、智能信息處理等方面[4]。國內外許多學者已致力于物聯網技術在農產品溯源系統中的應用研究。廖勝等[5]構建了基于物聯網平臺的近紅外果蔬品質和溯源檢測系統，實現了對果蔬生產銷售等環節的有效監督和管理。許博明[6]以蔬菜為研究對象，應用物聯網RFID技術和傳感技術完成蔬菜種植過程的農事信息采集，并應用支持向量機的分類回歸預測模型對蔬菜的生產地塊進行分類預測，實現了消費者對蔬菜質量信息的需求且提高了蔬菜生產地的管理效率。朱正月等[7]在Petri網理論基礎上，利用關聯矩陣、不變量等分析方法和PIPE仿真工具設計了基于物聯網技術的農產品智慧溯源服務系統架構。康瑞娟等[8]以事件驅動的方式實現了個人數字助理（PDA）與PC之間的串口信息傳輸，實現了肉牛養殖場可追溯信息的快速準確采集與傳遞。國外也有很多針對農產品追溯系統的研究，如日本、美國、加拿大等就已經建立起有關畜禽動物及其制品、轉基因生物，以及內含轉基因生物食品與飼料的農產品溯源系統[9]。日本在產品追溯的相關研究方面處于世界的領先水平，美國已經建立了從農田到餐桌整個食品鏈的追溯體系[10-16]。

此外，在茶葉生產種植等過程中質量溯源系統的建立方面，國內也已有不少學者做出了研究成果，為實現更精確的產品追溯打下了基礎。朱燕妮[17]采用向前與向后相結合的雙向追溯模式開發了基于二維碼的黑茶產品追溯系統，并運用Hash函數實現二維碼的方位追溯，實現追溯過程中的防偽。胡國強等[3]采用B/S結構結合MySQL數據庫和Apache服務器，實現了基于無線通訊技術的茶葉質量安全追溯系統和生產到銷售的全程監管。江曉東[2]采用B/S與C/S結合的模式，開發了茶葉質量安全溯源系統，實現了基于客戶端“從茶園到茶葉”的數字化和信息化溯源管理。綜合以上研究，物聯網云監控技術在各個領域均已廣泛應用，但是在茶葉生產領域尚未得到推廣。現有的研究主要是基于茶葉種植過程研究溯源系統的設計，在生產方面研究甚少，而且國內目前生產監測系統大多局限于本地端和上位機進行監管，尚未涉及到遠程管理。

本文以黃山光明茶廠的黃山毛峰為例，開發基于茶葉生產線的物聯網遠程監控系統，實現對生產數據的實時采集，以期解決茶葉加工過程中的茶葉加工品質溯源難題。

1 茶葉加工遠程云監控及品質溯源系統

茶葉生產質量安全監控系統物聯網框架如圖1所示。系統前端開發采用AngulaiJs框架和Boostrap框架，后端開發采用Web應用程序開源框架SSH（Spring springmvc hibernate），以及B/S結構模式，服務器端安裝Microsoft SQL Server數據庫完成數據存儲。

該平臺以茶葉生產過程為主線，結合生產數據的實時采集以及鮮葉信息和制茶標準等信息的人工輸入，由政府機構通過平臺監管指導，以及茶葉評審機構對茶葉生產過程的數據監督檢測，為平臺使用者提供真實可靠的生產信息，實現茶葉生產過程的質量溯源。

2 茶葉加工過程溯源模型及數據處理關鍵技術

2.1 茶葉生產溯源模型

茶葉溯源信息分為茶葉原料信息和生產過程信息。參考國家質量監督檢查檢疫總局給出的茶葉追溯要求，列出茶葉溯源信息框架如圖2所示。

根據茶葉原材料相關信息，以及茶葉生產實時監控信息的獲取，通過政府監管和茶葉生產數據的實時可靠傳輸，為用戶提供安全可信的溯源數據。

2.2 溯源數據需求及茶葉品質評價

以黃山光明茶廠的高檔黃山毛峰生產線為例提出茶葉生產溯源管理模型。根據自動化生產需求，高檔黃山毛峰主要生產工序如下圖3所示。

圖1 茶葉生產物聯網框架

圖2 茶葉溯源信息框圖

圖3 高檔黃山毛峰主要生產工序

首先依照制茶企業在制茶過程中設備參數和茶葉工藝參數，結合茶葉品質檢測機構對相關批次的檢測結果，制定出從茶葉開始生產到計量包裝過程中設備參數和工藝參數的標準數據庫作為源數據庫。在茶葉生產過程中，大量實時生產數據和源數據庫中數據值區間進行比對，若符合源數據庫的標定范圍，則判定茶葉品質合格。若有不同值，則按權重進行比較判斷該茶葉品質是否符合要求。對比流程圖如圖4所示。

茶葉生產過程可追溯信息包括茶葉設備參數和茶葉工藝技術參數。生產現場可采集監測參數列表如表1。

圖4 茶葉生產質量評價對比流程圖

表1 監測參數表

2.3 茶葉加工工序與品質評價關鍵模型

引入層次分析法，結合定性與定量，確定茶葉生產過程采集指標的重要度。設目標層為茶葉生產品質評價（A），黃山毛峰的生產過程中最重要的4道工序是殺青、理條、烘干和炒干，文中只對這4道工序相關參數的權重建立評價模型。該評價模型的層次關聯圖如圖5所示。

相關企業制茶者及茶葉品質審評專家根據層次關聯圖，可憑借審評結果和制茶經驗等對各指標進行評分，按專家評分即可列出判斷矩陣。判斷矩陣包括各工序相對于茶葉品質的判斷矩陣，以及工序指標參數相對于工序的判斷矩陣，根據圖5所選的質量評價指標，共建立5個判斷矩陣，見表2—6。

根據判斷矩陣首先求出以上特征向量值的特征向量P和最大特征值λmax，對特征向量P進行歸一化處理后其值為各指標關于上一層的排序權值。

通過式（1）和式（2）可計算出隨機一致性指標CI和隨機一致性比率CR，若求得結果CI值越小，則說明判斷矩陣一致性好，反之則說明偏離程度大。因本例所求階數均大于2，所以由式（2），當CR<0.10時，說明以上排序有滿意一致性，反之就需要對其進行調整，直到達到滿意一致性為止。

一致性指標CI：

一致性比率CR：

其中RI表示同階平均隨機一致性指標，RI值一覽表見表7。

最后進行層次總排序，以及用式（3）對排序隨機一致性進行檢驗，若CR＜0.1，則按以上排序進行比較。

圖5 茶葉品質評價模型層次關聯圖

表2 A-B判斷矩陣

表3 B2-C判斷矩陣

表4 B3-C判斷矩陣

表5 B5-C判斷矩陣

表6 B6-C判斷矩陣

表7 n階判斷矩陣RI值一覽表

隨機一致性比率：

對以上階數大于2的4個判斷矩陣進行了一致性檢驗，CR值分別是：0.043?3，0，0，0，均小于0.1，因此滿足一致性且專家評分合理。

以上權重結果計算可以得出：對茶葉品質影響重要度排序依次為：殺青B2>連續炒干B5>烘干B6>理條B3。其他參數權重見表2至表6。在生產過程中根據上述所計算出的權重值重要度排序依次與源數據庫中參數值范圍進行對比，若權重值較高的工序參數不符合源數據庫給定值，則生產質量判定為不達標；若權重值較高的工序參數值均符合要求則依次繼續對比權重值較低的參數值進行質量判定。

客戶端能滿足不同用戶的溯源需求，供茶葉生產企業和政府監管部門登錄查詢。用戶對相關省份、企業和茶葉品種進行選擇，或者輸入茶葉批次號，即可查詢相關的溯源信息，界面顯示信息包括茶葉生產加工工藝、設備信息、參數信息，以及生產參數對茶葉的影響，可以真實有效地反映該批茶葉的質量和生產安全狀況，輔助政府部門監督茶葉安全生產，若設備的清潔度不達標或存在添加劑使用等情況時，會及時地做出響應。

2.4 茶葉加工過程實時離線異源數據融合評價

本文引用李紅等[18]所提到的基于對數線性模型建立茶葉生產數據融合質量評價模型，以提高數據質量，保證生產數據的完全性、一致性和準確性。生產數據的存儲分為在線數據和離線數據兩部分，在線數據通過PLC與生產設備通過有線連接采集之后通過CX-4G無線透傳模塊上傳至云服務器，用以生產過程的實時監控。離線數據則包含實時數據和傳輸異常未保存至在線數據庫中的數據，將離線數據定時以Excel文件的形式上傳至云數據庫中，補全因網絡異常丟失的數據。系統采用MapReduce框架對數據進行快速處理建立數據之間的必要聯系。數據融合路線圖如圖6所示。

因兩數據庫數據重復部分較多，且部分數據在傳輸過程存在報錯或遺失等情況，導致過涵蓋誤差和不足涵蓋誤差的情況產生。

設茶葉生產在線實時監控數據庫為數據庫M，數據樣本數為X1；離線歷史生產數據庫為數據庫N，數據樣本數為X2。令總體T*=T∪M∪N，其中T為總體目標，M∪N為非總體目標。數據庫M和數據庫N的匹配結果如表8—10所示，括號內為匹配概率。由上表可得過涵蓋誤差的計算公式為：

其中(a,b)∈｛(1,1)、(1,0)、(0,1)｝，由于數據庫M和N間沒有因果關系，所以選用一般對數線性模型將列聯表數據對數模型化。對T*=T∪M∪N建立飽和對數線性模型[19]：

表8 總體T*中的數據庫匹配表

表9 目標總體T中的數據庫匹配表

表10 非目標總體中數據庫匹配表

求解后并對解進行log變換得：

聯立文獻[18]中利用抽樣調查試驗并借助矩陣估計思想所得公式（8）：

與式（7）聯立可得：

通過從對應文獻[18]中抽樣調查所列出的經典假設及Mathematica等軟件，即可求解。此方法給出兩個數據庫融合時數據質量評價模型，以確保數據融合質量過關。

3 系統測試

本研究對系統通訊、數據存儲及遠程界面實時顯示做了相關測試。以黃山光明茶廠的黃山毛峰生產線為測試對象。

3.1 實時通訊測試

測試硬件包括監測數據流顯示器，遠程通訊顯示器，CX-4G模塊，串口轉換模塊以及連接線電源。軟件包括組態軟件和串口軟件。首先對CX-4G模塊的工作模式、虛擬串口軟件以及網絡透傳模式進行設置，以保證PLC可以直接通過該4G模塊將生產線采集的數據發送至云服務器，并且可以接受云服務器的反饋數據。對HTTPD Client模式設置可以為串口設備和HTTP服務器搭起一座通訊的橋梁；對虛擬串口軟件進行設置，可以實現對PLC下載程序和遠程監控。

測試涵蓋無線模塊CX-4G功能測試、遠程數據收發測試、多模塊之間通信測試及遠程控制茶葉生產線設備測試。通過測試現場計時，經云平臺遠程讀寫控制生產線設備啟停實時性良好，讀寫測試10次，平均響應時間小于600?ms，達到遠程網絡控制的實時性要求。現場測試圖及遠程傳輸界面如圖7和圖8所示。

3.2 數據存儲及遠程數據顯示界面測試

以表1中所列的數據項為例，搭建實驗室模擬參數的實時監控，對數據存儲及顯示進行測試，測試電腦用Linux虛擬機搭建程序運行環境模擬PLC，虛擬機每隔5?s向服務器上報一組數據，用C語言調用http實現HTTP的GET和POST請求。用POST的方式調用URL參數的格式為以下代碼：

其中：dataItemId表示不同工序機組中所包含的生產設備能夠產生的數據項對應的數據ID；dataState用于識別采集值是否在標準數據庫給出的范圍之內以及設備運行是否正常；collectDatetime為數據采集時間；value表示設備采集的數據值。

測試程序包括3部分，即：（1）驗證URL地址是否能夠連接，不能連接則退出；（2）建立與遠程接口的連接；（3）通過循環向遠程接口發送數據。與遠程成功建立連接并且數據實時上傳情況，如圖9和圖10所示。茶葉溯源系統顯示界面如圖11所示。

圖10界面顯示茶葉生產線的生產信息、該線的茶葉產量、該生產各工序的運行狀態以及生產線管理部分。生產線管理部分包括：生產參數管理、設備狀態管理、生產異動管理、生產排程和設備運維管理。

通過測試現場計時，經云平臺遠程讀寫控制生產線設備啟停實時性良好，讀寫測試10次，平均響應時間小于600?ms，達到遠程網絡控制的實時性要求（表11）。

系統通過B/S模式在遠程PC瀏覽器上可以實時查看設備運行狀態及設備所產生的數據項實時生產參數值及異常報警提示，能及時掌握車間生產線上的茶葉加工情況。同時通過茶葉溯源界面，用戶通過溯源碼即可對茶葉溯源進行查詢。查詢內容按用戶權限分配，其中茶葉基本信息查詢屬于公共用戶信息。不同權限用戶輸入溯源碼之后依權限可進行茶葉基本信息查詢、生產工序查詢、生產參數查詢和茶葉檢驗報告查詢。

4 總結

針對茶葉加工過程遠程監控需求及茶葉溯源的加工環節缺失問題，提出了基于加工過程茶葉狀態參數及加工設備工藝參數進行茶葉品質評價的溯源方法，搭建了物聯網生產線運行云監控及茶葉溯源狀態信息數據采集系統，針對溯源數據“不落地”思路，采用無線透傳實時數據與生產離線數據兩種方式進行遠程云數據傳送，并運用對數線性模型建立了實時數據庫和歷史數據庫融合的評價模型，用于檢驗兩個數據庫融合的數據完整性。最后以黃山毛峰初制加工生產線為例進行了遠程監控系統開發及溯源信息采集開發和試驗，結果表明，平臺運行穩定，數據顯示準確完整，實時性較好。為后期茶葉生產優化模型的建立和海量數據挖掘奠定了基礎。

圖7 調試現場圖

圖8 遠程數收發測試

圖9 與遠程建立連接圖

表11 通訊功能測試

注：A：CX-4G模塊與遠程PC端通訊測試；B：多個無線模塊的通訊測試；C：遠程讀寫茶葉生產線變頻器測試

Note: A: CX-4G module and remote PC interface communication test, B: communication test for multiple wireless modules, C: remote reading and writing in tea production line inverter test

圖10 茶葉生產線遠程監控生產線顯示界面

圖11 茶葉生產遠程監控溯源系統界面顯示圖

[1] 陳華榮. 炒青綠茶自動化生產線數據采集與監控系統的設計與實現[D]. 長沙: 中南大學, 2013.

[2] 江曉東. 基于WebGIS的茶葉質量安全追溯系統的研究與實現[D]. 杭州: 浙江工業大學, 2011.

[3] 胡國強, 李茵. 基于NFC的茶葉質量安全追溯系統的設計與實現[J]. 江蘇農業科學, 2018, 46(4): 197-200.

[4] 李道亮, 楊昊. 農業物聯網技術研究進展與發展趨勢分析[J]. 農業機械學報, 2018, 49(1): 1-20.

[5] 廖勝, 任重. 基于物聯網框架下的近紅外果蔬品質檢測及溯源系統研究[J]. 物聯網技術, 2017, 7(12): 56-58, 62.

[6] 許博明. 基于物聯網的蔬菜質量追溯系統設計與實現[D]. 北京: 北京交通大學, 2017.

[7] 朱正月, 陳增強. 物聯網中的智慧溯源服務系統Petri網建模與分析[J]. 智能系統學報, 2017, 12(4): 538-547.

[8] 康瑞娟, 張小栓, 傅澤田, 等. 基于PDA和FSM的肉牛養殖可追溯信息采集與傳輸方法[J]. 農業工程學報, 2010, 26(1): 227-231.

[9] 馬懿, 林靖, 李晨, 等. 國內外農產品溯源系統研究現狀綜述[J]. 科技資訊, 2011(27): 158. DOI: 10.16661/j.cnki. 1672-3791.2011.27.043.

[10] 樊紅平, 馮忠澤, 楊玲, 等. 可追溯體系在食品供應鏈中的應用與探討[J]. 生態經濟, 2007(4): 63-65.

[11] Hall D. Food with a visible face: Traceability and the public promotion of private governance in the Japanese food system [J]. Geo forum, 2010, 41(5): 826-835.

[12] Golan E H, Krissoff B, Kuchler F, et al. Traceability in the US food supply: economic theory and industry studies [M]. US Department of Agriculture, Economic Research Service, 2004: 3-10.

[13] Schw?gele F. Traceability from a European perspective [J]. Meat Science, 2005, 71(1): 164-173.

[14] Stanford K, Stitt J, Kellar J A, et al. Traceability in cattle and small ruminants in Canada [J]. Revue Scientifique Et Technique, 2001, 20(2): 510-522.

[15] Bulut H, Lawrence J D. Meat slaughter and processing plants' traceability levels: Evidence from Iowa [R]. (2007-04-16) [2019-02-26]. https://ageconsearch.umn.edu/ record/37576.

[16] Abad E, Palacio F, Nuin M, et al. RFID smart tag for traceability and cold chain monitoring of foods: Demonstration in an intercontinental fresh fish logistic chain [J]. Journal of Food Engineering, 2009, 93(4): 394-399.

[17] 朱燕妮. 基于二維碼的黑茶產品溯源模式構建與實現[D]. 長沙: 湖南農業大學, 2014.

[18] 李紅, 牛成英, 孫秋碧, 等. 大數據時代數據融合質量的評價模型[J]. 統計與決策, 2018, 34(21): 10-14.

[19] Agresti A. Categorical date analysis [M]. 3rd ed. Hoboken: John Wiley & Sons Inc, 2013.

Research and System Design of Tea Processing Remote Cloud Monitoring and Traceability

JIANG Jiandong, ZHOU Qian, PAN Bosong, ZHAO Zhangfeng, ZHONG Jiang, QIAO Xin, ZHANG Xian

School of mechanical engineering, Zhejiang University of technology, Hangzhou 310023, China

In view of the remote monitoring demand of tea processing and the lack of tea processing traceability, a remote IoT（Internet of things） monitoring platform for state parameters during tea processing was proposed. It achieved the remote monitoring of both processing line and tea state. A traceability evaluation model of tea processing was established by using B/S framework to show real-time information, combined data of both fresh leaf states and tracing information of processing, and analytic hierarchy process to analyze the effects of production parameters on tea quality. On this basis, the quality evaluation model of tea production offline and online database fusion was constructed to improve the quality of data storage. Finally, the remote monitoring system development and traceability information collection verification test were carried out for the Huangshan Maofeng preliminary processing production line. The results show that the platform is stable, the data display is accurate and complete, and the real-time performance is good, which provides technical support for tea quality optimization and big data analysis.

tea production, remote monitoring, traceability, analytical hierarchy process, data fusion

TS272

A

1000-369X(2019)06-742-11

2019-03-07

2019-07-18

浙江省科技計劃項目（2017C02027）

蔣建東，男，博士，教授，主要研究方向為機械動力學，機電系統控制，jiangjd@zjut.edu.cn