《Smart Agricultural Technology》：Coupled DEM–MBD Analysis and Experimental Investigation of a Dragon Fruit End-Effector
编辑推荐：
针对烟草烘焙过程依赖人工经验、效率低下且品质不均的行业痛点，研究人员开发了一套集感知、控制、执行与软件于一体的自适应决策支持系统。该系统通过自主研发的传感器实现烘房内温湿度与烟叶图像的实时监测，并利用内嵌的智能算法动态识别烟叶状态，据此生成并执行自适应的温湿度优化指令。验证试验表明，该系统可平均降低4.2个百分点的烘焙损失，单烘房年均可节约成本约6500元，为实现烟草烘焙的无人化、智能化与标准化提供了坚实的技术方案，展现出良好的商业应用前景。
想象一下，一片片青翠的烟叶被送入烘房，在温度与湿度的精准“魔法”下，逐渐转变为金黄油亮、香气浓郁的商品原料。这一被称为“烘焙”的过程，是决定烟叶最终品质和经济效益的生死关卡。然而，传统的烘焙方式高度依赖于“烘焙师傅”的个人经验。他们需要每隔几小时进入高温高湿的烘房，凭借肉眼观察烟叶的颜色和形态变化，再手动调整加热和通风设备。这种方法不仅劳动强度大、工作环境艰苦，更带来了主观判断不一致、响应滞后、品质波动大等一系列难题。随着劳动力短缺和成本上升，如何让烘焙过程摆脱对人的经验依赖，实现稳定、高效、高质量的自动化生产，成为了烟草农业现代化进程中一个亟待破解的“卡脖子”问题。近期，一项发表在《Smart Agricultural Technology》上的研究，为我们展示了破解这一难题的智能方案：一套能够“看”懂烟叶状态、“想”出优化策略并自动执行的无人化自适应决策支持系统。
为了攻克传统烘焙的弊端，研究团队设计并开发了一套由感知单元、控制单元、执行单元和软件单元构成的新型自适应决策支持系统。其核心技术路径遵循“感知-认知-决策-控制”的闭环逻辑。首先，通过集成自研成像传感器与温湿度传感器的感知单元，在极端烘房环境下实时采集烟叶RGB图像与环境数据。其次，控制单元作为“大脑”，搭载了基于Swin-Transformer v2等模块的智能算法，能对烟叶的黄化度(YD)、干燥度(DD)和褐变度(BD)进行实时识别。然后，一套全新的自适应控制逻辑会依据识别结果，动态生成并下达温湿度控制指令。最后，执行单元（即烘房控制器）接收指令，精准调节烘房设备运行。整个系统实现了从数据感知到控制执行的全流程自动化闭环。为验证系统效能，研究团队在河南、广东两省的不同产区，针对云烟87、中烟100等品种，进行了共计8个批次的烘焙验证对比试验，将新系统与当地经验丰富的师傅操作的传统方法进行同条件对比，并以烘焙损失(Closs)和经济效益作为核心评价指标。
本研究的主要结果通过系统开发验证和对比试验得以呈现：
3.1. 基于自研传感器的烟草感知
感知单元成功捕获了烟叶在整个烘焙周期内的形态与颜色变化序列图像，清晰记录了烟叶从鲜绿舒展到枯黄卷曲的动态过程。同时，温湿度传感器实现了对烘房内部环境的连续监测，稳态误差控制在±0.5°C（温度）和±2% RH（湿度）以内，为精准控制提供了可靠数据基础。
3.2. 自适应决策支持系统在烟草烘焙中的验证
系统在实际烘焙过程中运行良好。例如，在河南三门峡的试验中，系统能够基于烟叶状态识别结果（如黄化度是否达到50-60%），自动触发升温指令，并依据干燥度和褐变度动态调整湿球温度设定值。从图像采集到控制动作执行的总延迟小于800毫秒，满足了烘焙过程的实时性要求，成功实现了全流程无人化自适应烘焙。对比试验的经济性分析结果更具说服力：与传统人工烘焙相比，自适应系统将平均烘焙损失从24.8%显著降低至20.6%，平均降低了4.2个百分点。统计检验表明二者存在显著差异（t=4.457, p=0.003）。经济效益测算显示，因减少损失和节省人工，每座烘房每年可产生约6500元的总节约效益。系统成本约8000元，预计使用寿命超过5年，投资回报率可观。
4. 讨论
本研究开发的无人化自适应烘焙系统，实现了从依赖经验的开环控制到数据驱动的闭环自动化的范式转变。其技术核心在于建立了一个实时、客观、自优化的控制回路：感知单元以连续客观的传感数据替代了间歇主观的人工检查；控制单元中的智能算法将定性经验转化为对烟叶黄化度、干燥度、褐变度的定量诊断；自适应逻辑则能基于烟叶实时状态动态优化工艺参数，而非执行固定曲线；执行单元确保控制指令被精确执行。这种“感知-识别-决策-控制”的架构，从根本上用传感器的客观性取代了人的主观性，用算法的分析取代了经验的猜测，用自动化的即时执行取代了滞后的人工干预。这不仅提升了烘焙品质的均一性，降低了损失，也大幅减轻了劳动强度和对熟练工人的依赖。
5. 结论
该研究成功开发并验证了一套适用于实际烘烤环境的新型自适应决策支持系统。系统能够准确感知烟叶状态与环境参数，智能识别烟叶的黄化度（识别准确率83.0%）、干燥度（75.6%）和褐变度（90.5%），并据此实时生成控制指令，实现烘焙全过程的自适应无人化控制。田间试验证明，该系统可有效降低烘焙损失，并产生显著的经济效益。尽管在实际推广中可能面临烘房基础设施多样性的挑战，且其在不同产区、品种下的普适性仍需更多验证，但本研究无疑为烟草烘焙的智能化升级提供了切实可行的技术方案，展示了强烈的商业化应用潜力。
