烟叶是烟草行业的物质基础,烟叶必须在经过很长一段时间的仓储醇化处理后才能达到品质要求。而烟叶在仓储醇化处理的过程中极易发生霉变,如不能及时发现进行处置,将造成极大的损失。烟草行业为了减少损失一直在研究烟叶霉变规律和适用于烟叶仓库的环境监测系统。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,难以及时发现烟叶霉变,无法满足烟草行业需要。因此,本课题基于NB-IoT技术设计并实现了一套效率高、易部署、针对性强的烟叶仓储环境监测系统来减轻仓库管理人员负担,及时发现异常,降低霉变造成的损失。最近几年,为了满足物联网市场的远距离、低功耗需求,窄带物联网(NBIoT)应运而生。物联网和人工智能的结合为许多行业难题提供了新的手段。利用NB-IoT技术来优化仓储烟叶环境监测方式,利用人工神经网络辨别仓储烟叶霉变情况是本课题的研究思路。根据烟叶仓储管理需要和烟叶霉变特点完成了仓储烟叶霉变预警系统的总体结构设计,该系统主要由数据采集终端和监测服务器两部分组成。在数据采集终端的实现上,选择多种气体传感器组成传感器阵列,选择STM32F103RCT6作为主控芯片,选择谷雨NB200作为NB-IoT模块,设计了相应的电路原理图,并通过PCB制版、焊接器件、集成调试等过程完成了硬件部分的实现;然后设计和开发了数据采集终端的软件,最终完成了数据采集终端的软硬件设计和实现。选用BP神经网络建立了烟叶霉变状态识别模型,深入研究了烟叶霉变状态的识别。在监测服务器上,选用B/S架构搭建了烟叶仓储环境监测平台,依次完成了数据接收、数据库设计、页面实现等工作。仓库工作人员可以登录该平台查看仓储环境的温、湿度、二氧化碳、乙醇等气体的浓度以及烟叶的霉变状态,细致地了解烟叶仓储情况,从而及时发现问题。经实测,该系统满足烟叶仓储环境监测的要求,可以较好地反映烟叶的霉变状态,运行稳定,具有较高的实用价值。