A smart container for real-time load occupancy estimation using embedded neural inference
Remón, Diego (Universidad de Zaragoza) ; Gascón, Alberto (Universidad de Zaragoza) ; Marco, Álvaro (Universidad de Zaragoza) ; Blanco, Teresa (Universidad de Zaragoza) ; Casas, Roberto (Universidad de Zaragoza)
Resumen: The increasing demand for sustainable urban delivery solutions has driven the adoption of cargo bikes due to their environmental benefits and adaptability to congested urban environments. These operations benefit from monitoring systems capable of estimating load occupancy (volume) to support logistical decision-making. This study presents a smart-container approach for real-time occupancy estimation using two Time-of-Flight (TOF) sensors and a compact neural model deployed on an ESP32-S3 microcontroller. TOF sensors generate distance matrices of the internal cargo space, which are processed to estimate occupied volume via the normalized FreeSpace target. In two inference stress tests, the system achieves 2 = 0.929 and 0.923, with mean absolute error (MAE) = 0.044 on the normalized FreeSpace scale (0–1), equivalent to 8.1 dm3 (4.4% of container capacity). The results support the feasibility of low-cost embedded inference for operational capacity checks in cargo-bike logistics.
Idioma: Inglés
DOI: 10.1016/j.measurement.2026.120785
Año: 2026
Publicado en: MEASUREMENT 269 (2026), 120785 [22 pp.]
ISSN: 0263-2241
Financiación: info:eu-repo/grantAgreement/ES/AEI/PID2020-116011RB-C22
Financiación: info:eu-repo/grantAgreement/ES/DGA/T27-23R
Tipo y forma: Article (Published version)
Área (Departamento): Área Tecnología Electrónica (Dpto. Ingeniería Electrón.Com.)
Área (Departamento): Área Expresión Gráfica en Ing. (Dpto. Ingeniería Diseño Fabri.)
Área (Departamento): Área Lenguajes y Sistemas Inf. (Dpto. Informát.Ingenie.Sistms.)
Dataset asociado: A smart container for real-time load occupancy estimation using embedded neural inference (dataset) ( https://doi.org/10.5281/zenodo.1 8614817)
You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use. You may not use the material for commercial purposes.
Exportado de SIDERAL (2026-02-20-14:53:42)
Visitas y descargas
Idioma: Inglés
DOI: 10.1016/j.measurement.2026.120785
Año: 2026
Publicado en: MEASUREMENT 269 (2026), 120785 [22 pp.]
ISSN: 0263-2241
Financiación: info:eu-repo/grantAgreement/ES/AEI/PID2020-116011RB-C22
Financiación: info:eu-repo/grantAgreement/ES/DGA/T27-23R
Tipo y forma: Article (Published version)
Área (Departamento): Área Tecnología Electrónica (Dpto. Ingeniería Electrón.Com.)
Área (Departamento): Área Expresión Gráfica en Ing. (Dpto. Ingeniería Diseño Fabri.)
Área (Departamento): Área Lenguajes y Sistemas Inf. (Dpto. Informát.Ingenie.Sistms.)
Dataset asociado: A smart container for real-time load occupancy estimation using embedded neural inference (dataset) ( https://doi.org/10.5281/zenodo.1 8614817)
You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use. You may not use the material for commercial purposes. Exportado de SIDERAL (2026-02-20-14:53:42)
Permalink:
Visitas y descargas
Este artículo se encuentra en las siguientes colecciones:
Articles > Artículos por área > Expresión Gráfica de la Ingeniería
Articles > Artículos por área > Lenguajes y Sistemas Informáticos
Articles > Artículos por área > Tecnología Electrónica
Record created 2026-02-20, last modified 2026-02-20