一种基于物联网的全冷链温度在线监控系统的制作方法

本发明涉及冷链物流监控，具体涉及一种基于物联网的全冷链温度在线监控系统。

背景技术：

1、冷链物流是保障食品、药品、生物制品等温度敏感性货物品质与安全的关键环节。冷链的核心要求在于全链条的温度可控性与可追溯性，任何环节的温度偏离都可能导致货物品质下降、经济损失甚至安全事故。随着全球冷链物流市场的持续扩大，以及食品安全和药品监管的日益严格，行业对冷链全流程温度监控的需求急剧增加。

2、目前，现有技术中存在以下主要问题：

3、其一，监控环节碎片化，缺乏全链条覆盖。现有系统多针对冷链的某一环节（如仓储或运输）进行设计，数据孤岛现象严重，难以实现从仓储、运输到终端配送的全程实时监控。

4、其二，温度监测存在盲区。传统方案依赖固定点位的单一温度传感器，难以全面反映冷藏车厢或冷库内部的温度场分布，存在局部温度异常无法被及时发现的问题。虽然已有系统采用多点温度采集，但缺乏对传感器网络的高效组网管理和冗余验证机制，数据可靠度不足。

5、其三，数据传输与处理能力不足。在冷链运输过程中，车辆常处于移动状态，传统wifi组网在金属车厢内信号衰减严重，蓝牙网络覆盖范围有限，导致数据丢包率高、传输不可靠。同时，大量原始数据直接上传云端，导致网络带宽压力大、系统响应延迟高。

6、其四，缺乏智能预警与溯源能力。多数系统仅提供简单的阈值报警功能，缺乏对温度变化趋势的智能预测和对环境变化的动态适应能力，无法实现从“事后追溯”到“事前预警”的转变。温度报警阈值通常采用固定值，无法根据外部环境的剧烈变化进行动态调整，导致预警滞后或误报频发。同时，温度数据在多方交接过程中缺乏防篡改机制，数据可信度难以保障。

技术实现思路

1、有鉴于此，本发明的目的是提供一种能够实现覆盖冷链全链条、实现高可靠温度数据采集与传输、具备智能预警能力且数据可追溯的基于物联网的全冷链温度在线监控系统。

2、为实现上述目的，本发明提供如下技术方案：

3、本发明提供一种基于物联网的全冷链温度在线监控系统，该系统包括多源感知层、边缘计算网关、云平台层和用户应用层。

4、多源感知层部署于冷链仓储节点、冷链运输载体及终端配送节点，包括多点温度传感器阵列、位置传感器和环境传感器。

5、所述多点温度传感器阵列以分布式方式部署于所在空间的不同深度与方位，形成空间温度场的立体监测网络。具体地，多点温度传感器阵列包括至少三个温度传感器节点，分别部署于所在空间的内部不同深度和方位，例如在冷藏车厢内按前、中、后三个区域、上下两个高度进行部署。温度传感器节点采用高精度数字温度传感器，测量精度不低于±0.5℃，分辨率不低于0.1℃，采样频率可配置为1hz至1次/分钟，以满足不同冷链场景的监测需求。

6、所述环境传感器包括湿度传感器、门磁传感器和振动传感器中的至少一种。湿度传感器用于监测冷链环境的湿度数据，门磁传感器用于监测所在空间门的开启与关闭状态及持续时间，振动传感器用于监测运输过程中超出预设阈值的冲击振动事件。这些环境传感器补充了温度之外的关键环境信息，为综合判断冷链状态提供了多维数据支撑。

7、所述多源感知层通过lora无线通信模块将采集的温度数据发送至边缘计算网关，通过ble通信模块将温度数据发送至移动终端。lora无线通信模块采用扩频调制技术，在金属密闭车厢或冷库环境中与边缘计算网关建立无线连接，数据包丢失率低于0.3%，有效克服了传统无线技术在金属环境中信号衰减严重的问题。ble通信模块用于在巡检或装卸过程中与手持移动终端进行短距离数据同步，实现离线数据补传和现场参数配置，保障了在无公网覆盖场景下的数据完整性。

8、边缘计算网关部署于冷链运输载体或冷链仓储节点，接收多源感知层发送的温度数据。边缘计算网关包括数据预处理模块、异常检测模块、本地决策模块、多协议兼容模块和传感器数据验证模块。

9、所述数据预处理模块对接收的原始温度数据进行去噪、剔除异常值和数据压缩处理。在数据压缩方面，数据预处理模块对传感器原始数据采用旋转门压缩算法，通过设定压缩偏差门限，将连续采集的时序数据点近似为线段序列，仅上传线段的端点数据，实现对原始数据至少80%的压缩率，从而显著降低网络带宽负载和云端数据存储压力。

10、所述传感器数据验证模块接收来自多点温度传感器阵列的多个温度数据后，执行以下验证融合步骤：第一步，将同一时刻采集的各传感器温度值按升序排列，计算该数据集的均值和标准差；第二步，根据预设的置信概率和当前有效传感器数量，通过查表获得格拉布斯准则的临界值；第三步，分别计算排列后数据中最大值和最小值的格拉布斯统计量，将统计量与临界值比较，若超出临界值，则判定对应的数据为异常值并将其剔除；第四步，重复执行上述步骤，直至无数据被判定为异常值；第五步，对保留的有效温度数据计算算术平均值，作为该时刻的融合温度值。该验证融合过程有效去除了个别传感器故障或局部干扰带来的异常数据，提高了温度数据的整体可靠性。

11、所述异常检测模块内置自适应阈值算法，该算法根据所运货物类型和当前冷链环节预设基础温度安全区间，并实时获取环境传感器采集的外部温度数据，计算外部温度变化率，当变化率超过预设门限时，自动按比例收窄所述安全区间的上下限，以动态调整温度报警阈值。

12、具体地，自适应阈值算法在动态调整温度报警阈值时执行以下过程：异常检测模块通过位置传感器和预设的冷链环节逻辑判断当前处于仓储、运输或配送阶段；从云平台层同步的货物信息中读取所运货物的标准温度安全下限和上限；实时接收环境传感器采集的外部环境温度，计算当前外部温度在滑动时间窗口内的变化斜率；当变化斜率的绝对值超过预设斜率阈值时，根据斜率的大小按比例系数缩小安全区间的上下限宽度，所述比例系数通过预先标定的货物温升敏感度曲线确定，使得在外界热负荷急剧增大时报警阈值提前收窄，实现超前预警。

13、所述本地决策模块在检测到温度异常时立即触发本地报警并自动调节制冷设备，将响应延迟控制在毫秒级，确保在通信中断或云端响应延迟的情况下仍能实现快速本地决策。

14、进一步地，边缘计算网关内置轻量化ai模型。该模型以预处理后的温度序列和制冷机组运行参数作为输入，采用时间卷积网络或长短期记忆网络提取温度变化的时序特征，并结合历史故障标签数据训练异常检测与故障分类器，通过分析温度变化趋势和传感器历史数据识别温度异常模式，实现对制冷机组潜在故障的预测，提前预警时间不少于48小时。通过将ai推理部署于边缘侧，系统无需依赖云端即可完成故障预测，大幅降低了响应延迟，同时保障了在断网环境下的持续监测能力。

15、云平台层通过4g/5g通信模块与边缘计算网关进行数据交互，接收经边缘预处理后的温度数据。云平台层包括时序数据库引擎、智能分析模块、数字孪生模块、区块链存证模块和协同调度模块。

16、所述智能分析模块包括温度趋势预测单元和多级预警单元。

17、温度趋势预测单元基于时序数据库引擎中的历史温度序列，以及接入的外部气象预报数据，采用arima模型或prophet模型对未来预设时间段内的温度变化趋势进行预测。在预测过程中，该单元自动进行模型参数定阶与季节性分解，充分考虑了温度序列的自相关性、周期性和外部气象因素的影响，从而实现对温度变化的精确预测。

18、多级预警单元采用如下多级预警策略：第一级，实时采集的温度数据超出所述预设基础温度安全区间时触发一级报警，表明当前温度已偏离正常范围，需要立即关注；第二级，温度数据在单位时间内的变化速率超出根据货物热敏感特性设定的动态变化率阈值时触发二级预警，表明温度正在快速恶化；第三级，当温度趋势预测单元预测未来一段时间内温度将突破安全区间时触发三级预警，实现从事后响应到事前预防的转变。

19、所述数字孪生模块在云端构建冷链运输载体或仓储空间的三维数字模型，实时映射由多点温度传感器阵列采集并融合后的温度场分布，并以热力图形式在三维数字模型中展示温度分布状态。当边缘计算网关或智能分析模块检测到局部温度异常时，数字孪生模块在三维模型中以视觉高亮方式标注异常区域，并根据预设的专家规则库生成处置建议，包括但不限于调整制冷设定点、检查门封完整性、引导就近停靠检查等，辅助管理人员快速定位问题并采取有效措施。

20、所述区块链存证模块对冷链全流程的温度关键数据进行哈希运算并上链存储。温度关键数据包括各环节的温度记录、异常事件记录和交接确认信息。区块链存证模块对每条关键数据计算哈希值，将哈希值打包写入区块链交易，并返回存证标识；根据存证标识生成二维码，消费者和监管机构可通过扫描二维码查验不可篡改的冷链数据存证，从而验证货物在整个冷链过程中的温度合规性，增强了数据可信度和监管透明度。

21、所述协同调度模块用于应对温度异常无法通过本地调节恢复的情况。当监测到某一冷链运输载体出现持续温度异常且本地决策模块无法通过调节制冷设备将温度恢复至安全区间时，协同调度模块获取该异常载体的实时位置、所运货物类型、温控要求和目的地信息，在可用的替代运输资源池中匹配符合温控条件的后备车辆或就近的应急冷库，生成接力运输或应急入库的调度方案，并将该方案推送至相关操作人员终端，最大程度降低因设备故障导致的货损风险。

22、用户应用层与云平台层通过api接口连接，提供多终端实时数据显示、异常报警推送、历史数据追溯和合规报告生成功能，满足不同用户角色（如驾驶员、冷库管理员、物流调度员、质检人员、监管机构）的差异化使用需求。

23、与现有技术相比，本发明具有以下有益效果：本发明，包括多源感知层、边缘计算网关、云平台层和用户应用层，通过分布式部署传感器阵列、边缘预处理和动态阈值调整，实现全链条温度数据的实时采集、处理和预警，从而解决背景技术中数据割裂、监测盲区、传输受限和智能预警薄弱的问题，具有实现全冷链温度的实时、动态监控，有效减少数据孤岛现象，提高温度监测的准确性和预警及时性的优点；全链条覆盖，消除监控盲区，系统覆盖仓储、运输、配送全冷链环节，实现从货物入库到终端交付的全程温度在线监控，解决了各环节数据孤岛问题；多源感知数据高可靠；采用多点温度传感器阵列形成空间温度场的立体监测网络，结合边缘计算网关的格拉布斯准则验证和融合处理，有效剔除异常传感器数据，提高温度数据的准确性和可靠性；边缘计算网关完成本地数据预处理、异常检测和快速响应，将数据响应时间控制在毫秒级；旋转门压缩算法大幅降低数据上传量；云端负责全局分析和长期数据管理，实现了计算资源的合理分配；采用“静态阈值+动态变化率+趋势预测”的多级预警策略，自适应阈值算法根据外部环境变化动态调整报警阈值，轻量化ai模型实现设备故障提前48小时预警，从“事后追溯”转变为“事前预警”；通过数字孪生技术实现冷链环境的实时三维可视化监控，异常区域视觉高亮标注并生成处置建议，提升管理效率；区块链存证技术确保冷链全流程温度数据的不可篡改性和可追溯性，扫码查验功能增强了消费者与监管机构的信任，满足gsp/gmp等合规要求；在制冷设备故障等极端情况下，系统自动生成接力运输或应急入库调度方案，有效降低货损风险。