Partager

Document IIF

Détection des défaillances dans la conservation au froid des vaccins à l’aide de réseaux neuronaux convolutifs entraînés sur des ensembles de données simulées.

Fault detection for vaccine refrigeration via convolutional neural networks trained on simulated datasets.

Auteurs : ABHIRAMAN B., FOTIS R., ESKIN L., RUBIN H.

Type d'article : Article de la RIF

Résumé

In low-and middle-income countries, the cold chain that supports vaccine storage and distribution is vulnerable due to insufficient infrastructure and interoperable data. To bolster these networks, we developed a convolutional neural network-based fault detection method for vaccine refrigerators using datasets synthetically generated by thermodynamic modeling. We demonstrate that these thermodynamic models can be calibrated to real cooling systems in order to identify system-specific faults under a diverse range of operating conditions. If implemented on a large scale, this portable, flexible approach has the potential to increase the fidelity and lower the cost of vaccine distribution in remote communities.

Documents disponibles

Format PDF

Pages : 274-285

Disponible

  • Prix public

    20 €

  • Prix membre*

    Gratuit

* meilleur tarif applicable selon le type d'adhésion (voir le détail des avantages des adhésions individuelles et collectives)

Détails

  • Titre original : Fault detection for vaccine refrigeration via convolutional neural networks trained on simulated datasets.
  • Identifiant de la fiche : 30031625
  • Langues : Anglais
  • Sujet : Technologie
  • Source : International Journal of Refrigeration - Revue Internationale du Froid - vol. 149
  • Date d'édition : 05/2023
  • DOI : http://dx.doi.org/10.1016/j.ijrefrig.2022.12.019

Liens


Voir d'autres articles du même numéro (24)
Voir la source

Indexation