随着高校教学水平的逐渐提高,各实验室纷纷引进了更加精密的实验设备。然而,这些实验设备虽然能够提升学校的科研水平,但也因此带来了不少的安全隐患。随着科技的进步,各高校更倾向于智能程度更高、决策精度更好的安防系统。一个完善的实验室安防系统不仅能提高实验室的安防水平,更能使实验室师生生命财产安全得到保障。因此设计一款适用于实验室的安防系统是很有必要的。论文以实验室安防入手,着重从防火与门禁两个方面进行研究。具体工作如下:首先,通过对国内外安防系统的研究现状及发展趋势进行了分析与研究,针对目前安防系统防火部分在数据方面由于数据来源不同,采集的数据可能存在噪音、数据不准确等质量问题,决定采用TS模糊神经网络对系统采集的信号进行数据融合处理;此外,门禁部分采用基于YOLO算法设计的人脸识别算法对靠近的人员进行身份识别,当发现陌生人时,系统会将摄像头拍摄的信息发送到云端进行储存,当靠近人员的人脸信息在数据库中时,系统将打开房门准许人员进入。接着,论文根据火灾各个阶段火焰存在形式的不同（无火、阴燃火和明火）与传统算法因决策精度差导致系统容易出现误报、错报等情况,提出了将传统TS模糊神经网络结构的单输出改为三输出,作为火灾决策结果（无火、阴燃火和明火）的概率输出;通过将改进的算法与其他火灾预测算法进行对比,发现迭代次数在150次之前,改进的算法收敛较慢,这是因为改进的算法存在融合步骤,但在超过150次迭代之后,改进的算法损失相较其他网络更小,表明改进的TS模糊神经网络能有效提高火灾决策结果的准确性、减少误差,解决了传统算法对于火灾决策结果精度差的问题。其次,论文选用了Zig Bee无线传输技术与Wi Fi技术作为系统的数据传输方式,通过对各传感器的选型完成了对系统硬件环境的搭建与程序设计,同时,基于MQTT协议与One Net云平台设计了远程监控模块,做到了系统数据的云端储存与相关设备的远程控制。再次,通过各传感器的有效监测范围对实验室内传感器的布局进行了设计。同时基于Py Qt5与远程监控模块设计了一款上位机,可以做到对传感器检测到的数据的直观观测与其他相关设备的直接控制。接着对系统整体进行了测试,测试结果表明:论文设计的实验室安防预警系统稳定、可靠性高,能够满足实验室的日常安防需求,整体设计可以达到预期效果。最后,对论文进行了总结与展望。介绍了论文的研究目的、研究过程与研究结果,同时提出了论文的不足之处,为课题的下一步研究提供了方向。