近年来随着互联网技术的快速发展,所需要的运算性能和存储容量大幅提升,致使机房规模不断扩大和设备换代速度加快,给机房资产管理提高了难度。机房资产管理中的一项重要工作是机房设备信息的采集。机房管理人员通常采取的方式为查看设备标签,手工将标签上的设备信息录入到系统中,这种方式的效率低并且容易出错。设备信息可细分为设备本身的信息和设备在机架上的位置信息。设备图像上存在设备信息,可考虑通过对图像的分析进行获取。一张设备图像上可能存在多种设备,需将所有设备的信息均进行获取。相对于整张图像,标尺示数占比很小,对其进行定位较为困难。在实际拍摄过程中,拍摄角度的偏差会导致设备图像发生形变,同时环境因素也会对图像质量产生影响。为了解决上述问题,本论文深入研究了设备图像的特征和机器视觉的技术,依托于深度学习的方法,提出了设备属性信息检测算法、设备位置信息检测算法,设计并实现了智能机房管理系统中设备信息自动化采集子系统。通过设备信息自动化采集子系统,用户只需拍摄设备图片并上传,就能获得这张图片上所有设备的信息。用户对检测结果进行审核后,上传至智能机房管理系统中,就完成了设备信息的采集工作。首先,本论文介绍了研究背景和设备信息自动化采集子系统中涉及的相关技术,并提出设备属性信息检测算法、设备位置信息检测算法。其次,对子系统进行需求分析,划分功能模块,设计总体架构。之后,对子系统进行了详细的设计与实现,并通过“黑盒法”对子系统的功能、性能、准确度方面做了测试。最后,对全文进行了总结,阐述了研究中存在的不足并指出了改进的方向。