近年来,随着经济全球化,集装箱运输业务不断的扩大。其中集装箱的发泡工艺在实践与科学研究中的问题涉及的面非常多。传统的工具、方法应用到集装箱的发泡工艺中能够得到的优化提升越来越少,主要是由于传统的工艺优化手段存在瓶颈,并且在某些工艺过程中无法准确及时的进行相关技术操作。而随着科学技术的不断的发展,机器学习的研究以及应用范围正在不断的扩大,尤其在工业领域,基于机器学习模型的工业应用变得越来越广泛。本研究针对目前我国集装箱的发泡工艺的相关问题,尝试将相关的基于自适应的机器学习应用于集装箱的发泡工艺优化中,促进集装箱发泡工艺的智能化发展。因此本研究也通过对目前的国内发泡工艺以及集装箱发泡工艺技术进行了相关的问题分析,并结合自适应机器学习模型技术来研究如何对集装箱发泡工艺进行相关的优化,实现自适应机器学习模型下的集装箱发泡工艺。本研究的主要工作如下:（1）研究分析当前集装箱发泡工艺的现状。（2）研究分析集装箱发泡工艺当前存在的一些不足及其实际应用中存在的问题。（3）探索研究通过工业物联网数据对发泡工艺流程和参数进行优化。利用物联网传感器进行数据采集和分析,结合数据分析和工艺专家经验挖掘重要工艺参数并实现对工艺参数进行实时采集、监控和控制,进而优化发泡工艺。（4）本研究提出的基于自适应机器学习模型下的集装箱发泡工艺质量预测的参数优化算法能有效帮助工艺参数优化,通过对预测召回的坏板进行工艺参数调优,避免不合理工艺参数配比进入生产环节的概率,进而降低整体返修率。本研究利用自适应机器学习技术探索优化集装箱发泡工艺的方法,通过建立自适应机器学习模型能够在一定条件下对集装箱的发泡工艺过程进行一定的优化,为集装箱的运输带来一定的保障作用,同时根据自适应机器学习模型所设计的相关的质量预测系统,能够对集装箱的生产工艺进行一定的监测,为冷藏集装箱的生产制造提供一定的帮助。