Abstrak-Cold chain dideskripsikan sebagai alat dan proses yang melakukan suatu cara untuk memastikan produk terjaga suhunya hingga sampai ke konsumen. Produk ini bersifat mudah busuk, rentan perubahan suhu, dan memiliki jangka waktu yang pendek. Cold chain logistic merupakan gabungan dari empat sistem yang bekerja sama yaitu precooling, gudang pendingin, transportasi dengan pendinginan, dan pemasaran. Kelemahan sistem pemantauan yang digunakan sekarang ialah menggunakan sensor yang tidak merepresentasikan suhu satu ruangan. Pada penelitian ini melibatkan kamera termal untuk mendeteksi suhu dari produk-produk yang diletakkan dalam satu ruangan chiller. Sistem ini menggunakan computer vision untuk menampilkan gambar termal yang ditangkap oleh kamera termal, object detection dengan model YOLOv5 untuk mendeteksi objek yang akan dipantau, dan Internet of Things untuk pengiriman datanya. Alat ini dibuat menggunakan modul kamera termal MLX90640 yang terhubung dengan mikrokontroler ESP32 dan dikirim ke komputer untuk dapat mendeteksi objek dan pemantauan suhu dengan sistem peringatan dini. Hasil percobaan menunjukkan bahwa kamera termal dapat mengukur suhu ruangan chiller dengan persamaan polinomial orde dua setelah dilakukan proses kalibrasi. Tahap pelatihan model YOLOv5 menghasilkan nilai mean average precision (mAP) terbaik sebesar 0.7, object loss terkecil sebesar 0.013, dan box loss terkecil sebesar 0.016 dengan precision sebesar 0.976 dan recall sebesar 0.965. Sistem peringatan dini berupa alarm yang aktif ketika suhu objek atau ruangan melebihi batas yang telah diatur. Data-data suhu dikirimkan via Internet of Things (IoT) ke server Thingspeak untuk ditampilkan pada komputer.