物联网的出现将使更严格的冷链物流实时温度监测成为可能

冷链开裂对食物的影响被广泛记录在案，触及多个利害关系：健康、环境和经济。物联网的出现将使更严格的实时温度监测成为可能，但对生成的数据处理提出了新的问题。

冷链开裂检测相关的不同定义和挑战。描绘了应用于冷链的机器学习办法，以杰出与这些数据相关的问题。此外，这些研讨使咱们能够带出可用于训练学习模型的不同数据源。冷链范畴生成试验和数值数据，这些数据在训练机器学习模型方面具有巨大潜力。据咱们所知，虽然机器学习办法已被用于猜测温度，但这些办法没有用于检测冷链中的开裂。但是，已经存在几种办法来检测时序数据中的异常。从这些数据中学习将是向前迈出的一步：一方面，更好地了解冷链开裂，另一方面在正确的时间提醒操作员。

冷藏至关重要，因为它能够延长易腐食物的保质期，并为消费者提供高感官品质的安全食物。事实上，低温降低了易腐食物变化的速度，例如微生物（例如病原体和糜烂菌群）的成长，成熟速度，褐变反应或水分丢失。跟着制冷的运用在过去几十年中在大多数发达国家和发展中国家扩大，人工智能 （AI） 是指一组概念、办法和东西，旨在更好地了解智能，并赋予机器在由人类或其他生物执行时被认定为智能的才能。达到明智决策才能的一种办法是从比如中学习。

如何获取用于机器学习的冷链数据？

整体而言，冷链中冷藏设备内部的气流和温度散布已通过试验和数值进行了广泛的研讨。在本节中，描绘了这些研讨产生的数据。还讨论了这些数据的潜力和局限性，用于为能够检测和表征温度变化的算法提供信息。为了构建一个能够检测中止的学习样本，咱们提出了一个形式化来构建一个变量来猜测。挑战是运用机器学习技术，运用有限数量的传感器，高精度地猜测冷链开裂期间产品温度的变化。依据这个猜测的温度，应该能够猜测食物质量的演变。这些学习模型带来的信息将有助于操作员在检测到中止时进行食物供应办理。

冷链中的温度操控关于削减食物糟蹋和健康危险以及保证消费者层面的产品质量至关重要。因为冷藏设备中的温度散布不规则，当前的温度操控实践很杂乱。据咱们所知，虽然冷链范畴在生成数据方面具有丰厚的潜力，但还没有开发出专门检测冷链开裂的主动学习模型。很少有研讨运用过这台机器。