为了解决低温药品在储存、运输等所有医药冷链环节中,能够保证药品疗效的问题,又由于药品的储存时间比较短并且易受周围环境的影响,因此本文基于深度学习设计了医药冷链数据监控系统。该系统采集仓库内的多种基础信息,利用卷积神经网络等算法,在服务器端分析仓库内的温湿度记录仪所记录的温湿度数据是否存在同向变化、无效、温度超标、湿度超标、反向变化、传感器故障、开门情况、除霜、同时超标、人为修改等十种情况,从而反映出药品的存储情况,即解决了人们的用药安全问题也帮助了有关部门实施有效的监管。本文对卷积神经网络算法进行了深入的研究,通过不断改变卷积神经网络算法中的隐层数目以及卷积核和抽取比例的大小来得出最适合本系统的网络参数,从而使本系统利用卷积神经网络算法快速、高效地分类温度、湿度数据,提取有效特征,诊断出不同的故障情况,并使其能够有效的应用于药品的监管系统当中。本文选取的输入数据为2×288,并设计了5个卷积层和4个降采样层以及2个全连接层,而且对每层的参数进行了相应的调整。为了使有关部门更容易地查看各个故障情况,本文还系统的设计了冷链温湿度检测系统手机APP,此APP是运行在智能手机上的快速浏览的软件,主要基于Android移动平台设置开发环境设计。该手机APP为有关部门用来查询温湿度数据相关分析结果,为监管工作提供真实、及时、有效的数据。通过实验结果表明以卷积神经网络算法为代表的深度学习来诊断医药冷链数据的故障是可行的,并且此算法的一个突出特点就是检测精度高。