基于大数据的碾米机精准智造策略探讨

黄文雄,谢 健,*，周 娜，程 科，郭亚丽，李 磊，罗小虎，王 宏，戴智华，王 彪

1. 国粮武汉科学研究设计院有限公司 (武汉 430079) 2.武汉轻工大学 (武汉 430023) 3.江南大学 (无锡 214122) 4.衢州市库米赛诺粮食机械制造有限公司 (衢州 324000)

大米是我国最重要的口粮，每年大米的消费量占我国粮食消费总量的60%。但是，大米从生产到摆上餐桌，每一个环节都存在浪费。由于消费者误区，成品粮食过度追求过亮、白、精和低水平粗放加工，既损失营养元素又明显降低出品率，副产品综合利用效率低，加工环节每年造成粮损失130亿斤以上，其中大米占多半。因此，“节粮减损”成为国家粮食的大政方针，是大米加工未来发展的新方向。

稻谷加工成大米需要经过清理、砻谷、碾米和白米整理、包装等阶段，由于同一品种稻米中，与加工质量较好的米相比，碎米经济效益明显降低[1]。碾米的增碎率却占整个加工过程的60%，成为了产生碎米最多的环节，极大地降低了经济效益。在“节粮减损”政策下，如何降低碾米设备的增碎率是亟待解决的问题。

目前，碾米生产存在两个主要问题：加工精度不可控，相对于大米的包装、码垛等工序的无人化，碾米中流量和碾白压力等参数仍然凭借操作人员的经验进行手动调整，但是由于操作人员的专业知识和技术有限，碾米机无法根据进口的稻谷特性来实现快速精准地调节碾米参数，碾米精度和碎米率等指标无法控制；生产技术指标相差大。由于大米加工关键参数完全靠经验，导致企业不同班组间加工相同原材料时，产品也会产生出米率、整米率和单位电耗等指标相差过大。因此，上述问题对碾米机提出了“精准智造”的高要求，即达到碾米过程的精准控制和智能调节的目标。

为了满足“精准智造”的要求，目前已经有公司或学者在碾米机的精准化、智能化和物联化做了相关的研究。中米集团将自动售货机和碾米机两者结合，生产出“智能碾米机”产品，智能碾米机是一个全自动化运行的设备，该设备以智能鲜米终端构建物联网智能社区，主打的宣传卖点是实现了24 h鲜米的线下“现制现售”。该设备针对的是销售方面的物联化和智能化，对于碾米参数的精准控制在体积较小的售货机上还没有实现。

我国的碾米机目前均存在智能化程度不高，能耗、损耗严重的问题，这些都成为制约我国大米加工企业发展的关键因素。大米加工产业作为传统的产业，解决传统大米加工过程中三大体系问题，即精准加工体系、智能化控制体系、云平台刻不容缓，攻克在线智能检验技术、智能生产控制技术、云技术及三大技术集成应用的难题，亟待建立基于“数字工厂”的新型大米智造协同集成技术。

1 云物联智能碾米机协同制造策略

1.1 结构赋能

传统碾米机的碾白室主要核心器件是砂辊或铁辊，在砂辊或铁辊磨削工作中，磨具自身具有无弹性、锋利性低、磨削压力大的特点，导致糙米增碎率高、电机功耗大、温升情况明显，造成大米产后损失严重以及能源损耗大。目前，基于“表面分层磨削原理”开发出的“高性能节能型砂带碾米机”，米流被均匀、独立地分为12个碾磨区域，糙米依靠自重下落，利用米粒与旋转砂带之间形成的高速线速差进行均匀碾磨，糙米被加工时处于低压强状态，彻底颠覆了已有百年历史的传统碾米工艺，进一步解决稻米加工行业长期存在的高增碎、高能耗、高米温“三高”问题。这种颠覆传统碾米机的砂带式结构，有逐渐取代全国传统碾米机的趋势，符合未来智能碾米的新方向。

1.2 检测与数据赋能

在线检测是大米质量实时跟踪反馈的最佳方法，对关键信息进行在线传感检测，取代人工测量，是实现碾米机智能感知的基础，大量的数据为后续控制策略中的“离线学习”和“在线学习”提供依据。

传统大米的品质检测以离线方式居多，满足不了实时调整的要求。碾米机需要检测的参数分为输入和输出信息。输入信息包括传感器直接采集的数据、经验丰富的操作工提供的数据、原料商提供的稻谷数据(稻谷品种，未熟粒率、性质)等，输出信息是与出料口大米相关的信息，包括达标率、碾米率、增碎率等。输出信息的获取大多采用图像识别的方式进行大米在线外观检测，在线获取图像的方式目前有两种，一种是采用频闪仪对高速流动的米粒进行图像处理，该方法不会干扰米粒的流动，但获取清晰图像的难度较大，对图像处理能力提出了较高要求。另外一种是目前已经投入使用的在线分流方式，周期性地抽取米样后送入固定容器中拍照识别，在控制取样周期的基础上，实现大米品质的在线检测。

1.3 大数据云平台智能协同策略

智能协同控制策略的核心目的是及时匹配来自不断变化的原料以保证碾米的指标最优问题。这里智能协同包含两个方面含义：多级智能协同和云智能协同。

1.3.1多级智能协同

一台碾米机的碾米效果往往存在碎米率高的问题，为了进一步降低碎米率，可以采取多台碾米机协同逐级(一般2-4级)轻碾，上一台碾米机的输出作为下一台碾米机的输入。取各道碾米机下的工艺检测数据，并对这些数据进行分析、判断、推理、形成决策和产生控制动作，既有对各道碾米机独立的分析、决策和控制，也有对整个碾米机群智能控制器的决策和控制，每台碾米机根据来料原料特点进行任务分配，使得整个碾米工序在保证生产效率条件下充分满足碾米目标达标率和保持最小的增碎率[2]。

1.3.2云智能协同

单工厂碾米机群的训练数据为机器学习提供的数据量有限，特别是机群初始工作阶段并不能提供足够的数据，为了获得更多训练数据，基于大数据物联网的云协同提供了很好的解决方案。碾米机作为物联终端连入工业云服务器，实时上传当前传感器状态和输出大米的品质，建立云数据库，经过机器学习的最优化后下发控制参数，使整个碾米机群的整体碾米效果达到一致且最优。

碾米机群具有多输入和多输出变量，它们之间是强耦合非线性的关系，在物联网云端可以考虑使用迭代学习控制技术，如深度神经网络、基于模式识别的自适应学习技术等，通过历史操作数据测的误差来修正控制参数，使得下一次任务的输出不断优化，如此不断重复，达到精准碾磨的效果。

2 结论

精准农业是未来农业发展的大方向，对于大米加工而言，碾米机的精准控制是实现不同品质谷物适度加工的重要方法。自动化和智能化是碾米机实现精准控制的核心。本文给出了一种基于大数据的碾米机精准智造策略，为未来碾米机的智能化和自动化提供一种思路。

通过碾米设备的精准化、智能化、物联化的进一步普及和完善，高性能、低能耗的智能碾米机很快进入稻谷加工的行业。