随着人们物质生活日益改善,餐饮业市场需求持续扩大,但由此产生的油烟污染成为人们环保投诉的热点问题之一。研究表明未净化的餐饮油烟成分十分复杂,做到全面监测十分不易,通过分类检测油烟成分可有效预防环境污染,油烟中含有大量的CO、甲醛等有害气体和大量固体细小颗粒物,直接增加大气中PM2.5含量,破坏环境和人体免疫系统。因此,本文设计一款基于数据融合的餐饮油烟监测系统,可以实时监测油烟浓度,利于环保部门防控治理,解决现有监测系统精度低、虚报率高、实时性差等问题。本文首先介绍课题的研究背景,论述了国内外餐饮油烟监测系统与边缘计算技术的研究现状,阐明设计油烟监测系统的意义。其次,从整体系统设计出发,以物联网三层架构为基础,将油烟数据采集任务部署在感知层外,利用边缘计算技术将计算任务迁移到网络边缘并入感知层,以降低上传数据量,提高网络传输效率。然后,从实际应用角度考虑,监测节点以控制中心stm32、计算中心S3C2440为核心,设计四个相关传感器与电压检测电路接入控制中心进行监测。接着,系统对采集的数据进行数据融合,并在计算中心利用多种数据融合方法进行监测准确性对比。最后,利用轻量级物联网消息传输协议MQTT将数据传输到云服务器,在Web端利用GIS地图标记商家信息,并对采集的数据进行应用、存储、展示。本系统的创新性:（1）将云端计算资源迁移到边缘计算中心,满足系统实时性要求;（2）将油烟按有机物、无机物、颗粒物进行分类,根据油烟中各成分含量比例,更新神经网络权重、阈值,进而拟合标准油烟浓度;（3）利用GA-BP/SVM人工神经网络对油烟数据进行拟合,采用D-S证据理论验证数据融合的有效性,根据误差分析选择合适的计算方法。为了验证数据融合模型监测的准确性,利用环保局光谱分析仪测得油烟浓度作为标准油烟浓度,将采集多个周期的数据进行数据融合比较。数据分析表明,相对于单传感器而言,采用多源数据融合后,监测误差较小、准确率大幅提高,能够满足监测需求。油烟监测系统应用于中小型餐饮企业进行实地测试,从餐饮油烟防控治理角度考量,系统具备一定的可行性和实用性。