基于小样本深度学习的通风柜橱窗状态识别方法

马振伟， 何高奇,2， 袁玉波

（1. 华东理工大学信息科学与工程学院，上海 200237；2. 华东师范大学计算机科学与软件工程学院，上海 200062）

化学实验室的安全管理一直是广大科研机构关注的重点难题。近年来发生的一些安全事故的主要原因之一是实验室人员离开实验室或者下班后未关闭通风柜橱窗，导致一些长时间加热的设备过热，进而造成火灾事故，轻则造成设备、财产的损失，重则导致人员的伤亡[1]。同时由于通风柜橱窗内通风排风系统均按照通风分压传感器进行设备的开启和关闭，橱窗不按照规定关闭也造成了大量的能源浪费。因此，对于通风柜橱窗的安全管理是实验室安全的重要一环，准确地识别通风柜橱窗的开闭状态，能够有效杜绝火灾等事故发生并减少能源浪费。

目前对通风柜橱窗状态识别的研究较少，较为相关的研究是关于门窗状态的检测，主要是通过检测传感器及各类电子控制系统来进行。文献[2]提出了一种用于检测汽车车窗开闭的系统，通过可编程逻辑单元以及RS232 通讯接口对车窗开闭状态进行检测。文献[3]设计了一种家用门窗自动开关控制系统,利用CAN 总线作为通信总线与PC 机进行门窗开关状态信息的传递。该类方法虽然识别准确率较高，技术较为成熟，但不适用于通风柜橱窗安全管理，主要有以下两方面的原因：（1）需要对现有通风柜橱窗进行改造来安装上述电子控制系统，安装难度较高[4]，并且化学实验设备有安全要求，肆意改造会造成潜在的安全风险。……