密集烤房是烤烟生产环节的主要设备之一[1]。其具有装烟密度大、烘烤时间短以及生产成本低等优势[2-3]。近年来，随着烟区种植计划的调整，密集烤房的数量增多、规模增大且区域分布变广[4]，导致密集烤房的集中管理难度较大。随着物联网技术的普及，密集烤房逐步实现了烘烤过程中温湿度数据收集、异常情况预警和集中远程操控等智能烘烤功能[5]。白万明等[6]通过对密集烤房进行物联网改造，实现了“互联网+智能化烤烟”技术产业化示范应用，通过试验对比发现，新型智能控制器控温、控湿精准稳定，显著提高了烟叶烘烤质量和综合效益。刘培江等[7]利用物联网和智能控制等相关技术，设计开发了烘烤曲线个性化定制及远程分发、烘烤状态全程监控和偏差执行实时预警等管控技术，实现了烘烤过程数据的实时精准采集和烘烤作业的全流程监控，从而提高烟叶烘烤质量，促进各环节作业规范化和痕迹化。张保全等[8]通过安装物联网温湿度实时监测系统，对密集烤房烘烤过程中温湿度的变化和烤后烟叶外观质量进行分析，结果表明，安装物联网监测系统的烤房干湿球温度变化的稳定性及烤后烟叶外观质量均优于未安装烤房，对提高烘烤的稳定性和安全性以及改善烟叶质量具有促进作用。
在实际烘烤过程中，由于烟叶品质不同、烘烤环境及设备存在差异，烘烤人员对各项烘烤参数的调整和把握显得尤为重要[9-10]。现有技术未根据实际烘烤过程中的工艺参数对烘烤人员进行事后评价，因此不能有效确定烘烤过程是否满足预设的工艺参数。在以密集烤房为基础的密集烘烤工艺中，部分烘烤工艺差距较大，导致烤后烟叶外观质量差、淀粉等内含物转化不充分等[11]。对烘烤人员的各项操作进行评价，能有效分析及追溯烘烤工艺中出现的问题，并充分发挥烤房物联网信息化的优势作用。为此，本文基于烤房物联网技术，设计智能烘烤信息化考核模型，制定烟叶推荐烘烤工艺、预警规则、烘烤工艺和操作评分标准，对烘烤过程的工艺和操作进行考核评分，为提升烟区烟叶烘烤水平提供技术路径。
1 智能烘烤信息化考核模型构建
1.1 结构框架
智能烘烤信息化考核模型包括基于物联网对烟叶进行密集烘烤的烘烤执行单元、数据获取单元和评价单元，其中数据获取单元包括预警信息、烘烤工艺和操作实际数据，评价单元包括评价模型单元、各权重分值计算单元、分值汇总单元以及考核等级设定模型单元（图1）。
1.2 实施步骤
S1：烘烤人员参照推荐烘烤工艺的各项参数要求，利用烘烤执行单元进行烟叶烘烤。
S2：通过数据获取单元获取S1中烘烤执行单元的烘烤工艺和操作实际数据。
S3：将S2中获取的烘烤工艺实际数据及烘烤操作实际数据传输至评价模型单元进行评分对比。当实际数据达到预警监控单元所设定的预警规则阈值时，预警信息以信息化方式向烘烤人员发送。
S4：计算烟叶烘烤工艺得分和烘烤操作得分，并经分值汇总单元进行汇总计算，得出综合分值。
S5：将S4中获取的综合分值与所述考核等级设定模型单元进行对比分析，以获得考核等级。
1.3 制定规则
1.3.1 推荐烘烤工艺
围绕“烤黄、烤熟、烤香”的烟叶烘烤目标，推行以“中温中湿变黄，中湿长时定色，相对高湿干筋，控制风量风速”为核心的密集烘烤技术，高度重视湿球温度，适当延长变黄期、定色期，制定推荐烘烤工艺。
变黄前期以1 ℃/h升温至起点干球温度36 ℃，控制湿球温度在35 ℃以内，稳温4～6 h。烟叶尖部和叶缘变黄。如采烤当天气温较低（<25 ℃），可设干球温度33 ℃，湿球温度33 ℃，稳温1 h后升温。
变黄中期以1 ℃/h升温至干球温度38 ℃，控制湿球温度36 ℃，稳温20 h左右。烟叶黄度达80%，主脉两侧的叶肉变黄变软、支脉发软，但主脉仍呈膨硬状态。
变黄后期以1 ℃/（2～3） h升温至干球温度42 ℃，湿球温度在36～37 ℃，稳温16 h左右。主脉变软变韧，难以折断，支脉变黄，叶片充分塌架。
定色前期，干球温度44～46 ℃，控制湿球温度在36～37 ℃。叶尖和叶缘干燥勾卷，其余大部分仍较软。
定色中期，干球温度46～48 ℃，控制湿球温度在37～38 ℃，稳温10 h以上。主脉退青泛白，叶片进一步脱水，有50%以上达到干燥发硬程度，两侧叶片向正面卷曲形成“小卷筒”。
定色后期，干球温度54 ℃，控制湿球温度在38～39 ℃，稳温12 h提质增香。叶片几乎全干，仅主脉基部未干燥，达到“大卷筒”或“叶片干燥”。
干筋前期，干球温度60 ℃，湿球温度40 ℃。主脉水分干燥约50%左右。
干筋后期，干球温度68 ℃，湿球温度41 ℃。烟叶主脉水分全被排除，一折即断。
1.3.2 评分标准
根据推荐烘烤工艺，分别制定烘烤工艺评分标准和烘烤操作评分标准。
（1）烘烤工艺评分标准。烘烤工艺评分指标有10项，每项最高5分，工艺得分等于各项得分之和（表1）。
表1 烘烤工艺评分标准 |
| 指标 | 0分 | 2分 | 5分 | 2分 |
|---|---|---|---|---|
| 烘烤总时间/h | <120或>240 | [120，144） | [144，216） | [216，240] |
| 变黄期时间/h | <24或>120 | [24，48） | [48，96） | [96，120] |
| 定色期时间/h | <24 或>96 | [24，48） | [48，72） | [72，96] |
| 干筋期时间/h | >72 | [0，24） | [24，48） | [48，72] |
| 变黄期中低温段（38 ℃）湿球温度中位值 | <33.0 | [33.0，35.0） | [35.0，37.5） | [37.5，38.0] |
| 变黄期中高温段（39～40 ℃）湿球温度中位值 | <33.0或>38.5 | [33.0，35.0） | [35.0，38.0） | [38.0，38.5] |
| 变黄期高温段（41～42 ℃）湿球温度中位值 | <33.0或>38.5 | [33.0，35.0） | [35.0，38.0） | [38.0，38.5] |
| 定色期低温段（43～48 ℃）湿球温度中位值 | <33.0或>38.5 | [33.0，35.0） | [35.0，38.5） | [38.0，38.5] |
| 定色期高温段（49～54 ℃）湿球温度中位值 | <35.0或>42.0 | [35.0，37.0） | [37.0，40.0） | [40.0，42.0] |
| 干筋期（55～68 ℃）湿球温度中位值 | <37.0或>43.0 | [37.0，38.0） | [38.0，42.0） | [42.0，43.0] |
（2）烘烤操作评分标准。烘烤操作评分共5个指标，每个指标满分10分，根据温度偏离情况扣分，每个指标最多扣满10分，烘烤操作得分等于各项得分之和（表2）。
表2 烘烤操作评分标准 |
| 烘烤阶段及升温速率 | 减5分/次 | 减2分/次 |
|---|---|---|
| 变黄期（点火～42 ℃） | 温度偏离>5 ℃ | 温度偏离3～5 ℃ |
| 定色期低温段（43～48 ℃） | 温度偏离>5 ℃ | 温度偏离3～5 ℃ |
| 定色期中高温段（49～51 ℃） | 温度偏离>5 ℃ | 温度偏离3～5 ℃ |
| 定色期高温段（52～54 ℃） | 温度偏离>5 ℃ | 温度偏离3～5 ℃ |
| 干筋期（55～65 ℃） | 温度偏离>5 ℃ | 温度偏离3～5 ℃ |
1.3.3 预警规则
根据推荐烘烤工艺和评分标准，制定预警规则，当烤房运行状态达到预警条件时，向绑定的烘烤师发送预警信息，提醒烘烤师及时调整。预警规则主要包括以下几种。
（1）超限升温。在烘烤过程中，装烟室内的任何一个温度传感器的温度升高速率超过2 ℃/h。
（2）温度非预期下降。在烘烤过程中，装烟室内的任何一个温度传感器的温度下降速率超过2 ℃/h。
（3）水壶缺水。在烘烤过程中，同一位置的湿球温度基本等于干球温度。
（4）棚间温度不均。在烘烤过程中，上棚和下棚的干球温度差值超过5 ℃。
1.3.4 综合得分统计规则
根据烟叶烘烤工艺得分与烘烤操作得分之和计算综合得分，制定综合得分统计规则。
（1）烘烤师的综合分值为其负责的若干个烤房综合分值的加权平均值，即该烘烤师所负责烤房的综合得分总和÷该烘烤师所负责烤房的数量。
（2）烘烤专职人员的综合分值为其负责的若干个辖区内烤房综合分值的加权平均值，即该烘烤专职人员辖区内烤房的综合得分总和÷该烘烤专职人员辖区内烤房的数量。
（3）各区域的综合分值为若干个其负责的烤房综合分值的加权平均值，即该区域烤房的综合得分总和÷该区域烤房的数量。
1.3.5 考核等级使用规则
（1）烘烤师。每年烘烤中期和烘烤后期，统计全市烘烤师综合得分的平均值。按照表3对相应综合得分等级的烘烤师进行考核。
表3 烘烤师综合得分考核 |
| 序号 | 综合得分/分 | 考核绩效 |
|---|---|---|
| 1 | [90，100] | 当月绩效增加4% |
| 2 | [85，90） | 当月绩效增加3% |
| 3 | [80，85） | 当月绩效增加2% |
| 4 | [70，80） | 当月绩效增加1% |
| 5 | [60，70） | 当月绩效不变 |
| 6 | [0，60） | 当月绩效减少1% |
①二次进步考核。对比烘烤中期和烘烤后期综合得分的平均值，按照两次平均值的差值由高到低进行排名。对进步最大且得分大于70分的前10名，分别给予“3级烘烤师奖励”；对落后最大，且得分小于60分的最后10名，各减少当月绩效1%。
②退出烘烤师队伍。统计全市各烘烤师烘烤中期和烘烤后期的综合得分，对连续两次平均值均低于60分的烘烤师，考虑使其退出烟叶烘烤师队伍。
（2）烘烤专职人员。每年烘烤中期和烘烤后期，统计全市烘烤专职人员辖区内烤房综合得分的平均值。按照表4对相应综合得分等级的烘烤专职人员进行考核。
表4 烘烤专职人员综合得分考核 |
| 序号 | 综合得分/分 | 考核绩效 |
|---|---|---|
| 1 | [90，100] | 当月绩效增加4% |
| 2 | [85，90） | 当月绩效增加3% |
| 3 | [80，85） | 当月绩效增加2% |
| 4 | [70，80） | 当月绩效增加1% |
| 5 | [60，70） | 当月绩效不变 |
| 6 | [0，60） | 当月绩效减少1% |
①二次进步考核。对比烘烤中期和烘烤后期的综合得分的平均值，按照两次平均值的差值由高到低进行排名。对进步最大且得分大于70分的前10名，分别给予“3级专职员奖励”；对落后最大，且得分小于60分的最后10名，各减少当月绩效1%。
②通报批评。统计全市各烘烤专职人员烘烤中期和烘烤后期的综合得分，对连续两次平均值均低于60分的烘烤师通报批评，扣除所在烟站绩效工资的1%。
（3）各区域。统计各区域烘烤综合得分的平均分，按照分数由高到低公布排名，授予前3名“烟叶烘烤质量奖”。同时，对区域平均分超过80分（含80分）以上的给予“2级分公司奖励”，70～80分（含70分）的给予“1级分公司奖励”，低于60分（不含60分）的进行罚款并通报批评，扣除该区域绩效工资的1%。
表5 区域综合得分考核 |
| 序号 | 综合得分/分 | 考核绩效 |
|---|---|---|
| 1 | [80，100] | 当月绩效增加2% |
| 2 | [70，80） | 当月绩效增加1% |
| 3 | [60，70） | 当月绩效不变 |
| 4 | [0，60） | 当月绩效减少1% |
2 模型应用实例
在河南平顶山地区中烟100烟叶密集烘烤过程中应用该评价模型，采用自身前后对照设计，从烘烤人员综合得分、烤后烟叶质量方面对该模型的应用效果进行分析。
2.1 烘烤人员综合得分
按照模型应用前和模型应用后2个阶段，对应用该模型的烘烤师、烘烤专职人员和5个区域（A~E)综合得分进行评估，统计各分段的人数变化。
2.2 烤后烟叶质量
2.2.1 烟叶外观质量评价
表6 烤烟外观质量评分标准 (分) |
| 指标 | 标准（得分） | ||||
|---|---|---|---|---|---|
| 颜色 | 柠檬黄色 （6～9） | 橘黄色 （7～10） | 红棕色 （3～7） | 微带青色 （3～6） | 杂色 （0～3） |
| 成熟度 | 完熟 （6～9） | 成熟 （7～10） | 尚熟 （4～7） | 欠熟 （0～4） | 假熟 （3～5） |
| 叶片结构 | 疏松 （8～10） | 尚疏松 （5～8） | 稍密 （3～5） | 紧密 （0～3） | |
| 身份 | 中等 （7～10） | 稍薄 （4～7） | 稍厚 （4～7） | 薄 （0～4） | 厚 （0～4） |
| 油分 | 多 （8～10） | 有 （5～8） | 稍有 （3～5） | 少 （0～3） | |
| 色度 | 浓 （8～10） | 强 （6～8） | 中 （4～6） | 弱 （2～4） | 淡 （0～2） |
2.2.2 烟叶化学成分含量检测
2.2.3 烟叶香气成分含量测定
3 结果与分析
3.1 综合得分
3.1.1 烘烤师综合得分
从表7可以看出，与模型应用前相比，该模型应用后综合得分在90分及以上的烘烤师人数增加3人，增幅25.00%；[85，90）分的增加2人，增幅10.00%；[80，85）分人数无增减；[70，80）分的增加2人，增幅3.08%；[60，70）分的增加2人；低于60分的减少9人，减幅75.00%。可见，模型实施后，85分以上的烘烤师人数有所增加，60分以下的人数有所减少，提高了整体烘烤师综合得分。
表7 烘烤师综合得分人数 (人) |
| [90，100]分 | [85，90）分 | [80，85）分 | [70，80）分 | [60，70）分 | [0，60）分 | 合计 | |
|---|---|---|---|---|---|---|---|
| 模型应用前 | 12 | 20 | 23 | 65 | 0 | 12 | 132 |
| 模型应用后 | 15 | 22 | 23 | 67 | 2 | 3 | 132 |
| 提高人数 | 3 | 2 | 0 | 2 | 2 | -9 |
3.1.2 烘烤专职人员综合得分
与模型应用前相比，模型应用后综合得分≥90分的烘烤专职人员人数增加2人，增幅100.00%；[85，90）分的增加2人，增幅66.67%；[80，85）分的增加2人，增幅33.33%；[70，80）分的减少6人，减幅20.69%；[60，70）分和<60分的人数均为0（表8）。可见，模型实施后，增加了烘烤专职人员80分以上的人数，减少了70～80分段的人数，提高了整体烘烤专职人员综合得分。
表8 烘烤专职人员综合得分人数 (人) |
| [90，100]分 | [85，90）分 | [80，85）分 | [70，80）分 | [60，70）分 | [0，60）分 | 合计 | |
|---|---|---|---|---|---|---|---|
| 模型应用前 | 2 | 3 | 6 | 29 | 0 | 0 | 40 |
| 模型应用后 | 4 | 5 | 8 | 23 | 0 | 0 | 40 |
| 增加人数 | 2 | 2 | 2 | -6 | 0 | 0 |
3.1.3 各区域综合得分
与模型应用前相比，模型应用后A区综合得分提高3.58分，增幅4.76%；B区综合得分提高2.91分，增幅3.85%；C区综合得分提高1.41分，增幅1.91%；D区综合得分提高1.16分，增幅1.58%；E区综合得分提高1.11分，增幅1.61%；各区域分公司平均提高2.03分，增幅2.77%（表9）。可见，模型实施后，研究区各区域综合得分均有提高。
表9 各区域综合得分 (分) |
| A | B | C | D | E | 平均 | |
|---|---|---|---|---|---|---|
| 模型应用前 | 75.23 | 75.62 | 73.77 | 73.24 | 69.13 | 73.40 |
| 模型应用后 | 78.81 | 78.53 | 75.18 | 74.40 | 70.24 | 75.43 |
| 提高分数 | 3.58 | 2.91 | 1.41 | 1.16 | 1.11 | 2.03 |
3.2 烤后烟叶质量
3.2.1 烟叶外观质量
表10 烤后烟叶外观质量得分 (分) |
| 颜色深浅 | 颜色饱和度 | 光泽度 | 成熟度 | 叶片结构 | 身份 | 油分 | 总分 | |
|---|---|---|---|---|---|---|---|---|
| 模型应用前 | 5.1 | 5.0 | 5.3 | 5.0 | 6.5 | 6.0 | 6.0 | 38.9 |
| 模型应用后 | 7.2 | 7.3 | 7.6 | 7.2 | 7.2 | 7.2 | 7.1 | 50.8 |
| 提高分数 | 2.1 | 2.3 | 2.3 | 2.2 | 0.7 | 1.2 | 1.1 | 11.9 |
3.2.2 烟叶化学成分含量
烟叶化学成分是衡量烟叶内在质量和使用价值的重要因素，在很大程度上决定了烟叶及其制品的烟气特征[22]。尤其是淀粉降解不完全时，会产生焦糊味、刺激性和杂气[11]，直接影响着烟叶香气和吃味[23]。一般认为，优质烤烟化学成分的适宜范围为总糖含量18%～26%，还原糖含量16%～24%，烟碱含量1.6%～3.2%，总氮含量1.6%～2.9%，钾含量≥2%，氯含量0.3%～0.8%，蛋白质含量8%～10%，淀粉含量<4%[24-25]。从表11可以看出，与模型应用前相比，模型应用后的烟叶总糖含量降低4.6个百分点；还原糖含量降低5.5个百分点；淀粉含量降低7.29个百分点。可见，模型实施后，烤后烟叶总糖、还原糖、淀粉明显降低，且更接近优质烟叶范围。特别是淀粉含量的大幅降解，有利于烟叶内含物的充分转化。
表11 烤后烟叶化学成分含量 (%) |
| 总糖 | 还原糖 | 烟碱 | 总氮 | 钾 | 氯 | 蛋白质 | 淀粉 | |
|---|---|---|---|---|---|---|---|---|
| 模型应用前 | 27.0 | 23.3 | 2.21 | 1.74 | 1.51 | 2.42 | 4.99 | 12.65 |
| 模型应用后 | 22.4 | 17.8 | 2.60 | 2.47 | 1.63 | 1.37 | 6.84 | 5.36 |
| 提高含量 | -4.6 | -5.5 | 0.39 | 0.73 | 0.12 | -1.05 | 1.85 | -7.29 |
3.2.3 烟叶香气成分含量
烤后烟叶的香气质量是评定烟叶内在质量的核心指标，一般认为烘烤过程是香气降解、香气物质形成和转换的主要时期[12]。从表12可以看出，与模型应用前相比，模型应用后的糠醇、2-乙酰基呋喃、5-甲基糠醛、6-甲基-5-庚烯-2-醇、苯甲醇、3，4-二甲基-2，5-呋喃二酮、苯乙醛、2-乙酰基吡咯、愈创木酚、芳樟醇、苯乙醇、氧化异佛尔酮、藏花醛、β-环柠檬醛、茄酮、β-大马酮、β-二氢大马酮、香叶基丙酮、巨豆三烯酮1、巨豆三烯酮2、巨豆三烯酮3、3-羟基-β-二氢大马酮、巨豆三烯酮4、螺岩兰草酮、法尼基丙酮、新植二烯分别提高0.64、0.35、2.04、0.66、4.46、0.31、5.12、0.46、0.77、0.20、1.69、0.16、0.09、0.13、5.40、1.20、6.10、0.73、1.59、4.36、1.68、1.19、2.71、0.56、3.80和584.82 μg/g。与模型应用前的烟叶相比，模型应用后的烟叶的香气成分总量（新植二烯除外）增加了43.89 μg/g，增幅44.58%；应用该模型的烟叶香气成分总量增加了628.71 μg/g，增幅75.88%。
表12 烤后烟叶香气成分含量 (单位：（μg/g）) |
| 指标 | 模型应用前 | 模型应用后 | 含量增加值 |
|---|---|---|---|
| 糠醛 | 16.70 | 16.30 | -0.40 |
| 糠醇 | 1.16 | 1.80 | 0.64 |
| 2-乙酰基呋喃 | 0.33 | 0.68 | 0.35 |
| 苯甲醛 | 1.48 | 0.78 | -0.70 |
| 5-甲基糠醛 | 1.12 | 3.16 | 2.04 |
| 6-甲基-5-庚烯-2-醇 | 0 | 0.66 | 0.66 |
| 6-甲基-5-庚烯-2-酮 | 2.41 | 1.90 | -0.51 |
| 苯甲醇 | 1.36 | 5.82 | 4.46 |
| 3，4-二甲基-2，5-呋喃二酮 | 0.75 | 1.06 | 0.31 |
| 苯乙醛 | 2.33 | 7.45 | 5.12 |
| 2-乙酰基吡咯 | 0 | 0.46 | 0.46 |
| 愈创木酚 | 2.33 | 3.10 | 0.77 |
| 芳樟醇 | 0.67 | 0.87 | 0.20 |
| 苯乙醇 | 0.90 | 2.59 | 1.69 |
| 异佛尔酮 | 0 | 0 | 0 |
| 氧化异佛尔酮 | 0 | 0.16 | 0.16 |
| 2，6-壬二烯醛 | 0.73 | 0.40 | -0.33 |
| 藏花醛 | 0.03 | 0.12 | 0.09 |
| β-环柠檬醛 | 0.42 | 0.55 | 0.13 |
| 茄酮 | 9.30 | 14.70 | 5.40 |
| β-大马酮 | 19.50 | 20.70 | 1.20 |
| β-二氢大马酮 | 8.80 | 14.90 | 6.10 |
| 香叶基丙酮 | 2.10 | 2.83 | 0.73 |
| 二氢猕猴桃内酯 | 3.56 | 2.99 | -0.57 |
| 巨豆三烯酮1 | 0.73 | 2.32 | 1.59 |
| 巨豆三烯酮2 | 4.35 | 8.71 | 4.36 |
| 巨豆三烯酮3 | 1.62 | 3.30 | 1.68 |
| 3-羟基-β-二氢大马酮 | 0.85 | 2.04 | 1.19 |
| 巨豆三烯酮4 | 6.29 | 9.00 | 2.71 |
| 螺岩兰草酮 | 0.13 | 0.69 | 0.56 |
| 法尼基丙酮 | 8.50 | 12.30 | 3.80 |
| 总量（新植二烯除外） | 98.45 | 142.34 | 43.89 |
| 新植二烯 | 730.07 | 1 314.89 | 584.82 |
| 总量 | 828.52 | 1 457.23 | 628.71 |
单位：（μg/g） |
4 结语
本文设计了烟叶智能烘烤信息化考核模型，设置烘烤执行单元、数据获取单元和评价单元。模型实施后，烘烤师综合得分80分以上的人数有所增加，60分以下人数显著减少；烘烤专职人员综合得分80分以上人数有所增加；各区域综合得分平均提高2.03分；烤后烟叶外观质量总分明显提高，增幅较大；烤后烟叶淀粉含量明显降低；烤后烟叶香气成分总量增加628.71 μg/g，增幅较大。基于物联网的烟叶智能烘烤信息化考核模型，以数据分析回溯问题，达到以考促改的效果，为相关地区烟叶烘烤水平提升提供了有效路径。