针对烟叶烘烤生产中，工艺控制参数无法自适应地调整，缺乏系统化、全过程的生产及工艺管控等现状，本文研究了基于极致梯度提升(XGBoost)算法的烘烤工艺控制参数预测算法，设计了“端-云”架构的物联网监控系统，并开展了相应的实验验证，主要工作如下。 完成了需求及技术分析。结合烤烟生产工艺和研究现状，分析提出了工艺及生产数据的收集与应用、决策全自动化等主要需求。完成了关键技术的分析、对比及选型，提出了基于领域知识和监督学习来实现工艺控制参数预测的研究思路。 研究设计了工艺控制决策方法的三步流程。第一步是烤烟实时样本前处理，提出了针对烤烟图像的目标分割方法(称为RMIS)并提取颜色特征，结合防抖及衍生处理后的数据，最终获得关键特征作为算法输入项；第二步是工艺控制参数的预测，构建了基于XGBoost算法的多个烘烤工艺控制参数模型并将其集成为预测算法，用于完成温度、稳温时间目标值的预测任务；第三步是策略处理，设计了预测值防抖、参数匹配等处理策略，使决策结果稳定可靠且有效，并完善了决策逻辑。 设计和实现了烤烟监控系统，为决策提供数据和平台支撑。设计了星型拓扑的系统架构，实现了终端采控设备、云端工艺监控服务及决策方法集成等，并采用消息队列遥测传输(MQTT)等物联网协议实现了终端与云间的点对点双向通信机制。 完成了关键模块的验证实验。首先，对比实验表明 RMIS 的分割质量及性能更高；防抖处理后的数据波动小、响应快。其次，通过实验及文献对比表明本文预测算法的各项评价指标均优于经典算法、性能优于或接近相似研究，说明本算法的预测及泛化性能高。最后，通信抗压和生产实验表明本系统各项功能均符合预期且收集数据的质量良好，可支撑十万接入量级的终端通信需求。
NETL
