基于物联网技术的镇安烟区烟叶智能烘烤模式研究

为推动烟叶生产经营“用数据说话、用数据管理、用数据决策”,解决当前采烤作业群体技术水平差异大、烘烤损失率高问题,笔者开展了基于物联网技术的镇安烟区烟叶智能烘烤模式研究,建立了本地鲜烟图片、烤房数据库及工艺图库,并与行业同类产区鲜烟图片进行比对整合,通过“物联网 网关 远程”智能分析对采烤装炉的烟叶素质精准识别,运用“物联网 可视化 远程控制”手段,实时监测烟叶调制中的变化状态,形成基于AI算法拟合的调制工艺,并推送给调制主体,通过手持终端远程控制,实现精准烘烤。结果表明:1. 基于调制终端的“物联网 可视化 远程监测”功能,可建立科学的烟叶智能管理信息平台,实现用一部手机烤出“黄金叶”。2. 基于本地化烟叶调制工艺与应用平台,运用同类产区、同类调制工艺算法拟合,形成科学智能烟叶调制体系,解决不会烤、易烤坏的生产难题。

生物质燃料智能烘烤系统在烟叶烘烤中的应用研究

为解决燃煤烤房烘烤烟叶长期以来存在的环境污染严重、劳动用工量多、自动化程度低、烘烤质量不高等问题,本文应用生物质燃料智能烘烤系统烘烤烟叶,与常规燃煤烘烤烟叶进行对比。结果表明,生物质燃料智能烘烤系统实现了自动上料供给、精准控制温度、自动清理炉渣、烟尘排放达标,大幅度降低了烟农劳动强度,提高了烟叶烘烤质量。每烤次烟可节省用工1.5个,干球温度控制在±0.2℃以内,湿球温度控制在±0.1℃以内,准确执行了烘烤工艺,明显提高了烘烤质量,平均每炕烟烘烤成本可减少16.36元。

基于51单片机的智能烘烤系统设计思路研究

传统的智能烘烤系统是一种人为的烘干过程,其不确定因素较多,且具有较大的条件限制,因此烘干质量相对较低。为了加强管理、提高烘烤的效率,需要在传统智能烘烤系统中加以改善。文章对智能烘烤系统的方案和思路进行了分析,进一步分析了它的理论依据,从而剖析智能烘烤系统的硬软件设计,期望提高智能烘烤系统的效率。

基于51单片机的智能烘烤系统设计思路研究

传统的烘烤系统不论是温度上还是湿度上都是通过人工控制完成的,因为每个人的操作方法和劳动强度不同,所以烘烤出来的质量也不尽相同,根据调查表明现在的烘干技术存在劳动强度大、能量耗费多、环境污染严重、烘干时间长等多个缺点,不能满足现代化发展的需求。所以,提出了一种以使用51单片机为控制核心,利用单总线器件实现控制温度的实时追踪和监测,通过自发研制烘干器、调湿器,根据干湿对比借助两次线性插入数值的方式来得到湿度值从而实现智能烘烤的过程。这种现代型设计思路效率高、清洁效果好、方便易取,同时使得整个烘烤系统的智能程度大大提升。

烤烟模块化烘烤工艺特征分析

为建立基于模块化的烘烤工艺关键参数提取与工艺分析方法,通过传统记录与物联网设备,提取分析重庆市酉阳县不同部位、不同地区烟叶烘烤过程中各模块的干球温度、湿球温度及烘烤时间,并拟合出烘烤工艺曲线,对比分析其烘烤工艺特点。结果表明:酉阳县烘烤总时间中位值集中在215~235 h之间,板溪镇上部叶变黄时间比中部叶长10 h左右,板溪镇上部叶烘烤时间比两罾乡长20 h左右;板溪镇变黄阶段、定色阶段和干筋阶段烘烤时间占比分别为40%、30%、30%,而两罾乡分别为45%、30%、25%;两地干球温度调控相近,湿球温度调控存在差异,中部叶湿球温度随干球温度上升呈阶梯式上升,上部叶呈上升—下降—上升的变化趋势,在变黄后期和定色前期存在0.5℃左右的下降。基于模块化的烘烤工艺关键参数提取方法可较为准确地获取烟叶烘烤过程中各模块的烘烤时间、干球温度及湿球温度等关键参数,为后续智能化烘烤数据库构建与烘烤工艺的优化提供依据。

精益烟草下烟草烘烤模式的创新与发展方向

在分析我国烟叶烘烤管理现状的基础上,提出了未来生产后期各个环节中的“大数据运用+无人值守+智能控制”的烘烤发展方向。结合文献,归纳出下一步科研创新的研究重点,并对新形势下大数据的挖掘与管理提出了建议。

基于图像处理的烟叶烘烤阶段判别模型优选

【背景和目的】烟叶烘烤阶段的自动判别是建立智能化烟叶烘烤系统的重要环节。为实现烘烤阶段的精确识别和操控,提升烟叶烘烤的精准度。【方法】提取烘烤过程中整夹烟叶图像的11种颜色特征和8种纹理特征,分别对颜色特征和纹理特征进行变量聚类分析,以10为距离,将提取的颜色特征和纹理特征各分为2类。利用相关性分析筛选出每类特征中与烘烤阶段相关性最强的1个特征组成特征子集(R/G、l*、灰度平均和惯性),作为模型输入,分别利用基于遗传算法的支持向量机(GA-SVM)、基于粒子群算法的反向传播(PSO-BP)神经网络和极限学习机(ELM)进行烟叶烘烤阶段的分类识别研究。【结果】以优选后4个图像特征作为模型输入时,所建立的GA-SVM模型的测试集判别准确率为93.27%,PSO-BP神经网络模型的测试集判别准确率为89.35%,ELM模型的测试集判别准确率为85.05%。【结论】基于遗传算法的SVM模型烘烤阶段识别效果优于基于粒子群算法的BP神经网络模型,基于粒子群算法的BP神经网络模型识别效果优于ELM模型。

节能倒立式铁液浇包烘烤装置的设计与应用

针对目前铸造行业所使用的浇包烘烤器烘烤时间长、烘烤火焰不充分、能源利用率不高,以及使用操作不便等问题,设计制作了一种节能倒立式铁液浇包及烘烤装置,该装置属于铸造技术领域,具体涉及一种节能倒立式铁液浇包烘烤装置的设计应用。对原铁液浇包烘烤设备装置进行节能、智能改造后,实现了烘烤器的智能烘烤、高效运维、持续节能、提升烘烤效果,以及提高铸件质量等目标。