English(EN) Real-World Deployment and Performance Characterisation of Fog-Based Deep Learning for Cold-Chain Temperature Prediction over LoRaWAN

基于雾计算的 AI 在边缘硬件上预测冷链温度

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-15 04:00

研究人员成功部署了一个基于雾计算的深度学习系统，用于实际冷链温度预测，这是该应用的首次尝试。该系统在南非的 Raspberry Pi 4 上使用 LSTM-GRU 模型运行，无需依赖云即可运行，预测温度的平均绝对误差 (MAE) 为 0.2°C。它能在不到一秒的时间内提供预测，并在预计发生冷链中断时生成条件 SHAP 解释，将预测归因于温度和湿度。 AI

影响展示了可解释 AI 在冷链资源受限的边缘设备上进行实时温度预测的可行性。

排序理由详细介绍 AI 在特定行业问题中的新颖部署的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 13 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 详细介绍 AI 在特定行业问题中的新颖部署的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Jeremiah Taguta, Jean Frederic Isingizwe Nturambirwe, Clement Nthambazale Nyirenda · 2026-09-15 04:00

基于LoRaWAN的雾计算深度学习在冷链温度预测中的实际部署与性能表征

arXiv:2609.14036v1 Announce Type: cross Abstract: Fresh fruits and vegetables (FFVs) are highly perishable, and cold-chain breaks contribute significantly to global food waste. While Machine Learning (ML) can enable proactive intervention, cloud-based inference faces challenges s…

本文如何被排名

报道来源 [1]

基于LoRaWAN的雾计算深度学习在冷链温度预测中的实际部署与性能表征

相关实体

相关话题