冷链运输TinyML温控节点：低功耗边缘预警实验

冷链运输对温控连续性要求高，传统方案依赖云端回传，存在断网丢数据、终端功耗高、响应滞后等问题。本实验室近期围绕“端侧推理”开展实验：将经INT8量化的轻量时序模型（约48KB）部署于低功耗MCU温控节点，在本地完成温度趋势预测与异常判别，仅在触发预警时上报，以降低通信与功耗开销。
· 阶段进展：在温箱模拟的72小时变温工况中，节点以15秒采样间隔连续运行，平均电流约1.8mA，估算电池续航6个月以上；对开门漏冷、化霜异常两类事件，本地识别F1约0.91，平均可提前约8分钟预警。
· 下一步计划：接入真实冷链箱开展为期一个月的随车测试，重点验证低温与震动对时钟漂移、模型稳定性的影响，并完善OTA远程模型更新链路。
我们的判断是：端侧模型的价值不在精度上限，而在断网可用、低功耗与数据最小化上报。测试数据集与量化脚本整理后将对外共享，欢迎同行交流指正。