随着我国高等教育进入普及化和高质量发展阶段,国家加大了对高校实验室建设的资金投入,高校大量采购各类实验设备的同时,如何科学、有效的管好用好实验设备,使其更好地为教学、科研服务已成为各高校面临的重要问题。目前国内高校实验室落后的管理水平已难以应对日益增长的管理需求,在高等教育普及化的同时,实验室管理水平的提升明显脱节。本文将物联网技术、图像检测技术应用到实验室日常管理中,是对高校实验室信息化建设的重要探索和尝试。本文以工科计算机实验室为参考,搭建实验室信息化管理系统,实现对实验室环境、实验设备工况等多种信息的采集和监测,提升高校实验室的管理效率,缓解实验室管理人员的工作压力。主要研究工作如下:（1）针对实验室环境、实验设备工况等多种信息的采集问题,设计了一套基于物联网的信息采集装置。首先,在感知层设计了采集节点和中继节点,采集节点采用ESP8266处理器,可采集设备开关机、电流、功率,环境温湿度、光照强度等,可以直接与应用层进行数据交互,也可以通过中继节点转发数据,中继节点采用STM32L431处理器,在具备采集节点所有功能的基础上,还具有图像采集、网关功能,方便与采集节点组网;其次,在网络层设计时,根据高校实验室特点,选择以WIFI通信为主,辅以NBIo T或移动数据通信,尽量降低通信成本。（2）针对实验室设备遗失后难以追责的问题,提出一种改进YOLOv4的实验室设备检测算法。首先,针对YOLOv4算法中K-means先验框聚类算法在实验室设备尺度分布不均匀场景下的局限性,提出以改进的IK-means++（Improved K-means++,IK-means++）算法将数据集标注框按大小分布划分区间,再分别进行先验框聚类;其次,为了进一步提高检测精度,在主干网络的CSP残差结构中融合了ECA（Efficient Channel Attention,ECA）通道注意力模块,提出一种改进的阶梯状特征融合网格L-FPG（Ladder-Feature Pyramid Grids,LFPG）,加强特征融合能力;最后,通过对比实验验证本文算法的有效性。实验结果表明,IK-means++算法聚类效果得到有效提升,改进后的YOLOv4算法检测精度更高,模型复杂度更低,速度更快。（3）搭建实验室信息化管理平台。平台基于SSM框架,包含数据库、后台服务程序、WEB客户端三部分设计,通过信息化管理平台可对信息采集装置所采集数据进行存储、分析、管理及可视化展示。选取某计算机实验室为对象,对整套系统的硬件和软件进行测试。测试结果得出的结论与前文验证结果类似,验证了基于物联网的实验室信息化管理系统的有效性。