摘要：针对烟叶存储期间的霉变问题,传统的防治措施效果欠佳,且已有的烟叶霉变预测模型的准确率较低,不能有效减少烟叶霉变现象的发生。为了提高预测烟叶霉变状态的准确率,提出了一种基于一维卷积深度神经网络(1D-CNN)的方法。以采集终端传感器数据为基础,对其进行标准化处理,得到模型训练特征,训练一个1D-CNN来预测烟叶霉变状态,优化网络结构,实验结果表明所提方法的预测准确率高于其它传统模型。最后,设计并实现了烟叶仓储霉变智能监测系统,实现了烟叶霉变的实时预测功能,取得了较好的效果。

摘要：为对烟叶仓储中的霉变状态进行全方面的快速检测,解决传统霉变检测手段流程复杂需要人工判定的问题,基于物联网技术与BP神经网络算法搭建了一套烟叶仓储环境特定参数的监测平台,从而实现对仓储烟叶霉变状态的智能监测。首先,设计了烟叶仓储环境数据采集终端和手持无线中继器,手持无线中继器用于唤醒数据采集终端,并利用无线射频传输的方式获取终端采集的环境参数,同时通过GPRS将数据发送到服务器,服务器完成数据解析处理。之后,基于BP神经网络算法建立了烟叶状态识别模型,通过对所采集环境参数进行分析处理,得出烟叶状态,并通过仿真试验验证了模型的有效性。最后,开发并完成了烟叶仓储环境智能监测信息管理系统,实现烟叶环境参数和烟叶霉变状态的直观显示和报警。测试结果表明,利用物联网技术并结合BP神经网络算法,能够有效地完成仓储烟叶霉变状态的监测,具有一定的实际应用价值。

摘要：烟叶在仓储醇化过程中易产生霉变现象,为了减少损失,需要对其仓储环境进行监测.传统的烟叶仓储环境监测系统存在效率低、成本高、部署难等问题,而且基本上只监测温、湿度信息,没有对烟叶霉变相关的气体浓度进行监测,存在一定的局限性.针对这些问题设计了一套基于NB-IoT的烟叶仓储监测系统.该系统选用NB-IoT (窄带物联网)新型无线技术结合多种气体传感器以及STM32微控制器组成数据采集终端,选用B/S架构搭建烟叶仓储环境监测平台,可对烟叶仓储环境的温、湿度以及二氧化碳、乙醇、硫化氢等气体的浓度进行监测.该系统功能实用、操作简单、可大规模部署,为烟叶仓储环境监测提供了新的思路.经实测,该系统满足烟叶仓储环境监测的要求,运行稳定可靠.