徐咏，黄文海，黄波，王扬栋，黄丽林，杨程钧

（河池学院 人工智能与制造学院，广西 河池 546300）

0 引言

传统的实验设备识别和管理只能对特定的标签进行识别，即在每样实验设备上标记条形码或二维码，通过扫码器对设备的条形码或者二维码进行出库入库操作[1-2]，而且没有一个较为精确的物品定位功能，也没有容错机制，若是设备找不到，只能通过实验室管理员到现场查找。在科技不断发展的今天，基于深度学习的图像识别技术为解决实验室设备管理问题提供了方向，但目前国内将这项技术应用于实验室设备识别和管理方面的研究和应用还较少。为了解决实验室设备管理及其图像识别问题，本文回顾和分析深度学习在图片识别方面突出的成果及其发展趋势，并对其在实验室设备管理方向的未来应用进行展望。

1 实验室设备管理的深度学习图像识别难点

从1924年心理学家McCulloch和Pitts提出MP神经元模型到Rosenblatt将单层感知器网络模型应用于实践，再到2006年深度学习之父Hinton教授提出的深度学习这一概念之后[3]，深度学习经过十几年的快速发展，当今最受欢迎的深度学习模型有卷积神经网络CNN、深度自动编码器网络DAN、生成式对抗网络GAN、循环神经网络RNN和深度信念网络DBN等[4-5]。目前，深度学习在图像进行识别领域已经有了较为广泛的应用，如人脸识别、车牌识别和手势识别等。这些领域的实际应用给实验室设备的管理者提供了许多可以借鉴的经验……