基于物聯網技術的智能烤房監測硬件系統設計

摘要：為提升四川涼山地區煙葉的烘烤質量和效率，文章設計了一款集溫濕度、圖像采集等物聯網技術的智能烤房監測硬件系統，實現對烤房內溫濕度的實時監測、煙葉烘烤狀態檢測以及遠程烤房管理。系統由圖像采集模塊、溫濕度監測模塊、數據傳輸模塊和監測平臺組成。實驗表明，系統能準確采集烤房內溫濕度數據和煙葉圖像，數據傳輸穩定可靠，提高了煙葉烘烤的智能化水平，提升了煙葉烘烤質量和煙農的工作效率。

關鍵詞：烤房監測；圖像采集；溫濕度監測；物聯網技術

中圖分類號：TN919 "文獻標志碼： A

0 引言

煙葉烘烤是煙草生產的關鍵環節，烘烤過程中的溫濕度、煙葉狀態變化直接影響煙葉質量。隨著物聯網、邊緣設備等新一代信息技術融入煙草領域，烤房烘烤向智能化、自動化發展。近年來，國內外學者在煙葉烘烤中進行了深入研究。在智能烘烤體系方面，過偉民等［1］提出了以自動感知烘烤、自主識別煙葉、自適應調優烘烤工藝為核心，構建了從感知、認知到決策的煙葉烘烤監測系統。Condorí等［2］設計的基于實時圖像煙葉烘烤系統，精確監測烘烤過程中煙葉狀態變化，不僅提高了烘烤過程的自動化水平，還為烤房管理提供了精準化支持，提升了煙葉烘烤質量。在烘烤監測方面，徐鵬飛等［3］針對傳感器測量的局限性，設計了基于鉑熱電阻的煙葉表面溫度直接測量傳感器，將溫度測量的線性度誤差控制在0.0035以內。Wu等［4］提出了基于實時圖像特征的智能控制系統，通過分析煙葉圖像特征，動態調整烘烤參數，不僅優化了煙葉的烘烤過程，還提升了煙葉質量。潘飛龍等［5］設計了基于物聯網技術的煙葉烘烤監測系統，實現了溫度數據均方根誤差在0.5以內的高精度采集。在通信應用方面，通信方式經歷了從有線到無線的發展歷程。蔡劍華等［6］根據ZigBee的特性設計了基于無線傳感器網絡開發的遠程監測系統，溫濕度測量誤差控制范圍小。曲豪等［7］對ZigBee無線通信系統進行改進，提升了系統的可靠性和穩定性。在系統集成應用方面，楊學書等［8］通過遠程調控烘烤技術在經濟效益、化學成分和感官評級質量等，提升烤房的烘烤水平。鄭勁民等［9］開發的嵌入式無線數據采集模塊，解決了傳感器數據記錄準確度和實時性問題。

盡管國內外的煙葉智能化烘烤硬件設計取得一定進展，但作為全國重要優質煙葉產區——四川涼山彝族自治州，其烘烤存在勞動強度大、監測精度低、自動化程度低等問題。因此，本研究設計一款基于溫濕度傳感器、圖像采集等物聯網技術的智能烤房監測系統，實時采集烤房內的溫濕度數據和煙葉圖像，實現對煙葉烘烤的遠程監測和管理。

1 系統總體設計

1.1 系統架構設計

烤房監測系統由傳感器終端和服務器云端部分構成，烤房傳感器總體架構如圖1所示。其中，傳感器終端負責數據采集和傳輸，通過溫濕度傳感器、攝像頭等物聯網設備實時采集烤房的環境信息、煙葉烘烤狀態和設備運行狀態，之后使用有線通信方式將采集數據傳輸至服務器端；服務器云端則負責處理和分析采集的數據，對接收到的烤房參數信息進行解析、融合和深度處理，實現對煙葉烘烤過程的智能化監測和管理。

1.2 烤房監測系統的工作流程

烤房監測系統工作流程如圖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RS485模塊、RS485轉RS232模塊、POE供電的攝像頭模塊組成）、數據采集模塊、交換機、工控機以及路由器，將溫濕度數據、圖像數據上傳至服務器端。

2 模塊電路設計

烤房監測系統硬件電路用于獲取烤房環境參數、煙葉狀態數據以及上傳信息，主要包括中央控制器、溫濕度傳感器、攝像頭、信號轉發。

2.1 中央控制器電路設計

中央控制器分為主處理機與數據采集器。中央控制器電路設計如圖3所示。其中，數據采集器通過串口與主處理機連接，通過搭載UCOS操作系統采集多路干濕球溫度、煙葉狀態等數據，主處理機采集煙葉烘烤的過程數據，工業控制計算機對采集的圖像數據進行壓縮和傳輸之后將數據向服務器轉發。

2.2 圖像采集模塊電路設計

圖像采集模塊的安裝分為烤房外安裝和烤房內安裝。外部安裝時，須在烤房墻壁開出20 cm×20 cm尺寸以上的觀察窗，使用雙層隔溫玻璃封閉窗口。在窗口外側安裝攝像頭與補光燈，烤房內攝像頭安裝方案如圖4所示?？痉績炔堪惭b攝像頭時采用隔溫罩與強制風冷方案。將攝像頭安裝在隔溫罩內，罩尾部留有風冷通氣孔，使用管道連接放在室外的通風泵，實現室外冷空氣不斷引入隔溫罩內給攝像頭降溫。

烤房內部的圖像采集模塊選用耐高溫高清攝像頭，安裝于烤房中，圖像傳輸電路通過網線和交換機將圖像數據傳輸至本地服務器，通過RS232、RS485、網絡等有線方式傳輸至云服務器。

2.3 濕度監測模塊電路設計

濕度監測模塊電路獲取到干濕球溫度，通過使用干濕球的溫度數據計算相對濕度［10］，計算詳見公式（1）：

RH=e/es×100%（1）

其中，RH為相對濕度（%）；e為實際水汽壓［見公式（2）］；es為飽和水汽壓［見公式（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。

C（T）=1+α（t-20）+β（t-20）2（3）

其中，α、β為溫度修正系數；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（基準值0.000662）；P為壓力修正參數［見公式（5）］；tw為標準溫度；K為修正參數［見公式（6）］。

P=P0×exp（-H/7000）f（V）（5）

其中，P0為標準大氣壓（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。

K=［1+k1（t-tw）+k2L］×［1+k3（h-h0）］（6）

其中，L為煙葉裝載密度；h為相對高度；h0為標準調度；k1為溫度修正系數；k2為裝載密度修正系數；k3為高度修正系數。

3 低光照圖像增強

3.1 圖像增強算法原理

Retinex算法利用公式（7）去除亮度分量 L求得反射分量R［11］，達到圖像增強效果。通過對公式（7）兩邊取對數，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，估計亮度分量L便能計算反射分量，L的估計直接決定圖像恢復效果。Jobson等［12］論證了高斯卷積函數可以從已知圖像S中更好地估計出亮度分量，見公式（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為高斯函數尺度參數；k為歸一化因子，使

G（x，y）dxdy=1（12）

權重計算：

W（x，y）=α（1 - exp（-βS（x，y）））（13）

其中，α為權重系數；β為梯度響應參數；S為圖像梯度。

反射分量優化：

R′（x，y）=γ* R（x，y） * （1+W（x，y））（14）

其中，γ為增強系數。

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Retinex算法的圖像增強效果。左下圖像為增強之后的圖像，亮度顯著提高，暗部細節更為清晰，整體視覺效果改進明顯。改進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節點顯現出來。直方圖展示了經過改進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Retinex算法在增強低光照圖像的暗部細節頗為有效。直方圖展示了像素值分布的范圍顯著擴大，更多像素值轉移至中高灰度區域，反映出圖像整體亮度和對比度增強。

通過改進Retinex算法對圖像的處理，圖像的亮度和細節清晰度顯著提高，原本暗淡且模糊的圖像經過處理后，隱藏細節被揭示，像素值分布趨于均衡，整體視覺效果得到大幅改善。這不僅提高了圖像的亮度和對比度，還增強了難以辨識的細節。

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圖像的對比結果，其中，圖6（a）上部分的圖像代表不包含光照的極低光照圖像，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。使用該圖像增強算法的極低光照圖像增強效果改善明顯，圖像中難以辨認的細節更加清晰。圖6（b）為微光條件下的極低光照圖像，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之后的極低光照圖像，清晰度上升至865.53，平均亮度提升至56.69。相對于初始狀態，圖像增強算法對極低光照圖像的增強效果改善明顯，細節和亮度均有所提高。

4 結語

智能烤房監測硬件系統實現了烤房環境參數的智能監測與遠程管理功能，主要由2個核心監測模塊構成：一是基于干濕球溫度傳感器的溫濕度監測模塊，實現烤房內環境參數的高精度實時監測；二是基于高清攝像頭的圖像采集分析系統，為煙葉烘烤過程提供了直觀的視覺監控依據。實驗結果表明，該系統在多個關鍵性能指標上均達到了設計要求：溫濕度監測精確度高，測量誤差始終維持在允許范圍內；數據傳輸穩定可靠，傳輸成功率滿足預期目標；遠程監測功能運行流暢，系統響應及時。研究結果證實，該系統不僅能夠精準實時地采集烤房內的溫濕度數據和煙葉烘烤狀態，而且在降低人工監管成本、提升煙葉烘烤質量和提高煙農工作效率等方面都取得了顯著成效。

然而，在應用過程中，系統仍存在一些須要改進的問題：（1）溫濕度傳感器在長期高溫環境下的穩定性和使用壽命有待提高；（2）圖像采集系統在光線不足或煙霧干擾較大時的識別準確率須要進一步優化；（3）遠程監測功能在網絡延遲較大時的實時性有待加強。

參考文獻

［1］過偉民，徐嬙，劉劍君，等.煙葉智能烘烤的理論與實踐［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.烤煙葉溫實時監測儀的設計［J］.中國農機化學報，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.基于物聯網的烤房干/濕球溫度集中監測系統設計［J］.河南農業大學學報，2018（5）：684-691.

［6］蔡劍華，熊銳，黃國玉.基于無線傳輸的烤房溫濕度遠程監測系統［J］.煙草科技，2016（10）：81-86.

［7］曲豪，朱曉珺，劉國穎.基于ZigBee無線通信的烤房控制儀的設計與實現［J］.電子測量技術，2019（5）：99-103.

［8］楊學書，和強，夏開逵，等.煙葉遠程可視化調控烘烤適用性研究［J］.安徽農業科學，2024（10）：175-177，189.

［9］鄭勁民，趙虎.基于嵌入式的遠程數據監控系統設計［J］.當代農機，2021（3）：52-54.

［10］黃曉因，周平.烤煙房空氣相對濕度計算方法研究［J］.農業工程學報，2006（1）：164-166.

［11］鄭滌塵，何繼開，劉藝，等.基于Retinex理論的低照度圖像自適應增強算法［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