实验室环境健康与安全 | 人工智能在实验室安全管理中的应用、挑战及应对策略

来源：牵翼云（Qlab）关键词：LIMS,lims系统,检验检测,实验室信息管理系统发表时间：2025-12-01 点击量：19

人工智能在实验室安全管理中的应用、
挑战及应对策略

Applications, challenges, and coping strategies of artificial intelligence in laboratory safety

作者单位

柳长峰，王睿

中国地质大学（北京）海洋学院，北京 100083

LIU Changfeng, WANG Rui

School of Ocean Sciences, China University of Geosciences (Beijing), Beijing 100083, China

作者简介：

柳长峰（1982—），男，山西吕梁，博士，副研究员，主要研究方向为实验室管理与实验教学。

以下为本文目录结构

点击图片查看大图

摘要

随着人工智能技术的迅速发展，实验室安全管理迎来了新的变革。该文系统探讨了人工智能技术在实验室安全管理中的多维应用，包括图像识别、数据分析、智能巡检机器人、虚拟现实和增强现实（VR/AR）培训、物联网与区块链的数据管理等。通过分析实际应用案例，总结了人工智能在实验室安全管理中的优势和挑战。在此基础上提出了应对策略：建立统一的数据标准和规范，提高数据质量；应用可解释性人工智能技术，增强模型透明度；构建全面监管和隐私保护框架，确保合法合规与伦理道德；建立人类专家与人工智能协作的混合框架，充分发挥二者优势。随着技术不断进步和策略有效实施，人工智能将推动实验室安全管理迈向智能化、自动化、数据化的新阶段，为科研活动创造更安全、高效的环境，助力科学研究持续健康发展。

Abstract: [Objective] The overarching objective of this research endeavor is to conduct an exhaustive and in-depth exploration of multifaceted applications, concomitant challenges, and the corresponding countermeasures to artificial intelligence (AI) within the domain of laboratory safety management. In the contemporary scientific landscape, laboratories are the epicenters of cutting-edge research and experimentation, often dealing with hazardous substances and complex procedures. Therefore, the prime focus is to ascertain how AI technologies can be optimally harnessed to fortify the safety and security infrastructure of these laboratories, thereby safeguarding the well-being of personnel, protecting valuable research assets, and ensuring the integrity of the scientific process. [Methods] To actualize this objective, meticulous and comprehensive review and analysis were carried out. This involved scouring a vast and diverse array of relevant literature sources, including peer-reviewed academic research papers, industry white papers, technical reports, and case studies. Simultaneously, an in-depth examination of real-world applications of AI in laboratories across a spectrum of scientific disciplines was conducted. By collating and synthesizing data from these multiple sources, valuable insights and empirical evidence were amassed regarding the practical implementation and effectiveness of AI in enhancing laboratory safety. [Results] The research findings reveal that AI has made substantial advancements in laboratory safety management. In image recognition, the algorithms of the Engineering Training Center of the University of Science and Technology Beijing are capable of facial recognition and authentication of experimental personnel, as well as the recognition and early warning of dangerous behaviors, effectively reducing the risk of human errors during the experiment process. The Electrical and Electronic Experimental Teaching Demonstration Center of Central China Normal University applies Internet of Things (IoT) technology. By identifying and responding to abnormal situations, it brings great convenience to the management work of the laboratory. The intelligent robots in the laboratory of Tianjin Polytechnic University detected fire hazards during unattended periods. The virtual reality (VR) and augmented reality (AR) technologies in many universities have enhanced the safety awareness and emergency response capabilities of trainees. Tsinghua University utilizes technologies such as the Internet and the Internet of Things to track the full-life cycle status of controlled chemicals. It can grasp the usage amounts and stock quantities of controlled chemicals in different laboratories in real time, thereby eliminating potential hazards caused by irregular storage and use in laboratories. Data quality and integration issues due to inconsistent collection methods and format variations impacted AI model performance. The “black-box” nature of some AI models makes it difficult for the laboratory staff to understand and trust them. Regulatory and ethical concerns exist as current safety standards do not account for AI, and privacy issues are involved. Moreover, finding the right balance between automation and human supervision is crucial, as laboratories are complex and dynamic environments. AI lacks contextual awareness and adaptability, while overreliance on it could lead to human skill degradation. Therefore, establishing effective communication channels between AI and humans is essential to ensure the highest level of laboratory safety. [Conclusions] AI holds great promise and potential in revolutionizing laboratory safety management. The diverse applications of AI technologies, as demonstrated by various case studies and examples, show their capacity to enhance the efficiency, accuracy, and responsiveness of laboratory safety measures. However, to fully realize this potential, concerted efforts are required to address identified challenges. Strategies such as the establishment of unified data standards and specifications, application of interpretable AI technologies, construction of comprehensive regulatory and privacy protection frameworks, and development of collaborative frameworks between human experts and AI systems are crucial. By implementing these measures, the laboratory safety management landscape can be propelled toward a new era of intelligence, automation, and datafication. This will not only create a safer and more efficient environment for scientific research activities but also contribute to the sustainable and healthy development of the scientific community as a whole.

关键词：人工智能；实验室安全；图像识别；数据分析；智能巡检

Key words: artificial intelligence; laboratory safety; image recognition; data analysis; intelligent patrol

以下进入全文阅读

高校实验室承担着多学科、多类型的科研实验活动，这些实验往往涉及有毒、易燃、易爆的化学药品和精密仪器，一旦管理不善，可能引发火灾、爆炸、泄漏等安全事故^[1-4]。近年来，由于高校实验室开展的实验种类和复杂度不断增加，实验室安全问题变得愈发突出^[2-4]。人工智能是一门涵盖计算机科学、神经科学、逻辑学、统计学和心理学等多学科领域的技术科学，经历了从知识（规则）驱动（依赖于明确和完整的知识来指导系统行为，例如专家系统和模糊逻辑）^[5]到数据驱动（依赖于从大量数据中学习特征来进行预测，例如机器学习）^[6]的过程。

目前，人工智能技术在医疗保健、汽车和工业制造等领域的安全管理中已经显示出巨大的潜力，如用于加强监测、检测异常并进行预测性评估，从而降低事故发生率。在实验室安全管理中，人工智能也展现出显著优势，特别是在数据分析、行为识别、实时监控等方面，为提升实验室安全提供了有效的技术支撑^[7]。

一方面，图像识别、机器学习、自然语言处理等人工智能技术可以用于实时监控实验室环境、检测异常行为、分析风险数据、执行自动化巡检等。基于人工智能技术的实验室安全管理系统不仅可以在第一时间发现异常，发出预警，还可以不断学习优化，为实验室管理者提供更全面的安全信息并实现安全合规自动化^[8]。人工智能具有持续改进能力，即模型适应新数据并随着时间的推移改进其预测，特别适合像实验室这样的动态环境。

另一方面，实验室设备传感器、化学数据库、事件日志和环境监测系统等生成的大数据，可以增强人工智能在安全管理方面的应用。人工智能驱动的系统可以通过分析大数据，揭示出人类操作员可能不容易察觉的模式和相关性。例如，人工智能可以识别险些发生的事件或设备故障的趋势，提供有助于在危害发生之前预先解决危险的方案^[8-10]。利用这些数据进行预测分析和及时干预，可以使实验室从被动安全措施转变为主动安全措施，从而营造更安全的实验室安全环境。

1 应用现状

在实验室安全管理中，人工智能技术的应用包含多个层面（图1），为实验室管理者提供了自动化、实时化的监控与预警手段。

图1 人工智能赋能实验室安全管理

1.1 基于图像识别的行为监控

图像识别技术主要用于实验室实时监控，在实验室无人监管的情况下，可自动检测实验人员的操作规范性。例如：使用深度学习算法分析摄像头拍摄的视频流，可自动检测实验人员是否佩戴安全装备（如防护眼镜、手套、实验服等）；使用图像识别模型对比视频画面已知危险操作行为库，可快速识别并分类出不符合规范的操作，以及是否存在危险操作行为，当存在危险操作时，模型自动生成预警信号并通知实验室管理者，以便及时采取纠正措施^[11-12]。

北京科技大学工程训练中心在各个重要区域安装了智能摄像头，采用数字建模、图像识别、深度学习模型、危险区域行为预警、动态监控等先进技术，建立了实验室安全管理预警系统。系统能够对实验人员面部进行识别认证、判别实验人员的操作是否符合规范、系统化识别与分析实验室危害因素、对危险行为识别预警，有效减少了实验过程中的人为风险^[13]。

1.2 数据分析融入环境监控

实验室通常布设多种传感器，如温度、湿度、气体浓度传感器，通过物联网可实时收集传感器数据。融合这些环境因素数据，人工智能系统就可以实时监测并评估实验室环境安全状况^[14]。使用大数据和深度学习技术分析历史数据，可以评估潜在的风险因素。例如，人工智能系统通过分析化学药品的使用频率和特性，可以预测事故隐患并生成报告，帮助实验室管理者做出预防性决策。风险预测不仅能够提高实验室安全管理的精准度，还能有效减少突发事件^[15]。

华中师范大学电工电子实验教学示范中心根据实验室安全需求，通过物联网技术集成了多个不同类型的传感器，可以实时监测一氧化碳、二氧化碳、臭氧、粉尘浓度、温湿度，并将获取到的环境参数通过网络传送至控制器。控制器通过与系统预先设置的各项参数阈值进行对比，判断当前环境是否符合安全标准，如某项参数不达标，会向上位机发出报警信息，并启动相应的环境设备，使环境恢复到预先设置的符合实验安全运行的最佳状态。这一设施实现了实验室环境的全天候智能化安全管理，为实验室的管理工作带来便利^[16]。

1.3 智能机器人用于自动化巡检

智能巡逻机器人可携带多种传感器和摄像头，定时巡查实验室，实时监测实验室的环境数据，如火灾、烟雾、温度等，当检测到有害气体泄漏等情况时会立即报警^[17]。在实验室内发生突发事故时，应急机器人能够代替救援人员进入高危区域（如火灾或化学品泄漏区），实施灭火、通风、封闭泄漏源等初步应急处理，应急机器人还可替代实验人员在恶劣环境中操作实验，有效保障实验人员的安全。

目前，智能巡检机器人已经广泛地应用在电力输送、桥梁隧道工程检修、矿山及化工实验、海上油气平台等行业场景。天津工业大学使用了一款集成各类固定式传感监测设备与智能算法的移动巡检机器人，用于实验室的安全预警与监测。机器人配备高精度传感器和摄像头，通过定时巡检监测实验室环境数据（如温度、湿度、有毒气体浓度），并自动检测火灾、烟雾等异常情况，还可以自动记录巡检数据，为安全管理提供决策支持。通过横向对比巡检机器人检测、人工定期检测和人工随机检测三种情况下识别各类安全隐患的次数与准确度，证明智能巡检机器人具有较大优势^[18]。

1.4 物联网与区块链结合的安全管理

物联网系统将实验室的各种设备和传感器互联，实现信息同步与共享。例如，当实验人员进入高危区域时，系统可以自动记录并追踪其活动，通过联网设备进行实时监控来保障实验人员的安全^[19]。使用区块链技术存储物联网采集的实验室大量数据，可保障数据的不可篡改性和透明度。例如，危化品的使用记录、操作步骤等数据可存入区块链，帮助分析事故原因或追溯责任^[20]。

清华大学利用互联网、物联网等技术，追踪管制化学品全周期状态，可以实时掌握不同实验室管制化学品的使用量与存量，形成精准的动态台账，从而消除实验室不规范存储、使用等带来的隐患^[20]。海军工程大学某实验室，通过分析实验室安全管理需求，采用多种数字和视频传感器、结合有线和无线网络技术，利用PLC编程和工业组态软件设计实现了一套实验室安全管理系统，集成了原有的视频监控和门禁管理，可以实时监测实验室的水流、电能使用情况，有效改善了实验室管理手段，提高了实验室管理效率^[21]。

1.5 虚拟现实与增强现实助力安全培训

虚拟现实（VR）技术可以为实验室工作人员提供安全培训。通过虚拟模拟实验室的场景，实验人员可以在虚拟环境中体验火灾、化学泄漏等突发事件的应急处理流程，提高在真实场景下应急反应能力^[22]。在实验过程中，AR设备（如AR眼镜）可以为实验人员提供实时的安全信息。例如，当实验人员操作危险化学品时，AR眼镜会显示操作步骤及注意事项，帮助实验人员避免操作失误^[23]。

多所高校使用虚拟现实（VR）和增强现实（AR）设备模拟不同的实验室安全事件，对实验人员进行安全培训。通过VR设备，实验人员可以在虚拟环境中体验化学泄漏、火灾等突发事件，进行应急操作。AR设备则可在真实实验中提供操作指引，实时显示操作步骤和注意事项。VR和AR培训提高了实验人员的应急处理能力，得到受训人员的认可^[22-23]。

1.6 深度学习与安全管理系统的决策支持

基于实验室的实时监控数据与历史事故数据，深度学习算法可以分析不同操作带来的潜在风险，帮助管理人员在特定情况下采取相应的安全措施。此类模型的动态学习能力可以提升决策的实时性和准确性^[24]。智能风险评分系统利用人工智能模型，对实验人员、操作区域和实验内容进行评分，标记高风险区域或实验，确保实验过程中高风险环节得到更加严格的监管。这种系统化的风险评估在实验管理中具有高度的实用性和灵活性^[25]。

壳牌石油公司研发实验室的人工智能系统，通过分析实验数据、设备历史使用记录等，预测潜在的安全风险，并提供风险评估报告和预警。该系统在某海上平台实施后，有效避免了生产损失和非计划停工，显著提高了安全管理的预见性和决策支持能力^[26]。

2 面临的挑战

2.1 数据质量和整合

人工智能系统在实验室安全管理方面的有效性，很大程度上取决于数据的质量、一致性和可用性。实验室环境从各种来源生成大量数据，如传感器、监控系统和事故报告。然而，不同系统之间不一致的数据收集方法、不完整的记录以及数据格式的变化，给人工智能模型的训练和性能带来了挑战^[9]。例如：实验室安全相关的数据具有异质性，包括结构化数据（如传感器读数）、非结构化数据（如基于文本的事故报告）和多媒体数据（如监控录像）。数据格式不匹配会造成分析不准确或不完整，而数据质量会影响人工智能预测的可靠性^[27]。

2.2 模型可解释性

人工智能模型具有“黑箱”属性，即难以理解模型是如何得出特定预测或建议的。这种不透明性在实验室等安全关键环境中是一个主要问题，如果实验室工作人员无法解释或验证人工智能系统做出的决策，就可能会考虑是否依靠人工智能，从而限制了人工智能在安全过程中的实际应用^[28]。

2.3 监管和伦理

实验室必须遵守监管机构制定的各种安全标准和协议，将人工智能集成到这些协议中具有一定的挑战性，目前大多数安全标准和政策法规没有考虑到人工智能驱动的工具和流程，从而导致人工智能建议与既定法规之间可能存在冲突。此外，用于实验室安全的人工智能系统还可能存在伦理问题，如监控涉及实验人员的隐私和自主性，特别是个人敏感信息。确保人工智能系统符合相关政策法规和维护伦理道德是一个不可忽视的问题^[29]。

2.4 平衡自动化与人工监督

虽然人工智能自动化可以显著减少人为错误并提高安全性，但实验室是具有动态安全要求的复杂环境，通常需要细致的决策和专家判断。一方面，人工智能系统虽然高效，但缺乏人类人员的情境意识和适应性，可能会忽略数据中可能未捕获的细微风险指标。另一方面，实验室人员可能会过度依赖人工智能而导致技能退化，降低在紧急情况下有效响应的能力[30]。此外，实验室经常遇到不可预测的事件或新的危险，而基于历史数据训练的人工智能模型可能无法识别。在这些情况下，人类专家可以提供必要的适应性和情境判断。因此，如何平衡人工智能系统和实验室人员以及建立二者之间的沟通渠道至关重要^[28]。

3 应对策略及展望

人工智能在实验室安全管理中的应用从知识驱动逐渐转变为数据驱动。随着多模态数据融合的深入应用、自适应和自主学习的人工智能系统、边缘计算与云计算结合等技术的进一步发展，人工智能将转向更有前景的知识驱动和数据驱动相结合的方法（图2），以应对当下的挑战。

图2 人工智能与实验室安全演化过程

3.1 建立统一的数据标准和规范

制定适用于实验室各类数据源的采集、记录和存储的统一标准，明确数据格式、字段定义等内容，确保不同系统收集的数据在格式和语义上的一致性，减少数据异质性。例如，对于传感器读数、事故报告等不同类型数据，设定标准化的模板与元数据要求^[9]。对原始数据进行审核、纠错、补全等操作，剔除错误或不合理的数据记录，处理缺失值等，提高数据的质量与可靠性。对于多媒体数据，可以使用合适的图像、视频处理技术提取关键特征并转化为可分析的结构化数据形式^[10]。在完成原始数据清洗与预处理的基础上，建设数据集成平台，利用数据仓库、中间件、多模态数据融合等技术将不同数据源的数据整合到一起，方便人工智能模型统一访问与调用，进行关联分析等操作，充分挖掘数据价值。

3.2 使用可解释性人工智能技术

为提高人工智能模型的可解释性和信任度，可选择基于规则的模型、决策树等具有较好解释性的算法构建人工智能模型，或者运用模型解释方法（如特征重要性分析、局部可解释模型无关解释、SHAP 值等）对复杂的深度学习模型进行解释，揭示模型决策的依据和逻辑，帮助实验室工作人员理解模型输出结果。此外，在独立的测试数据集以及实际场景模拟中对人工智能模型进行反复验证，对比模型预测结果与实际情况，分析偏差原因，同时与传统的安全分析方法或专家经验判断进行对比验证，展示模型的有效性和合理性，并在真实环境中收集更多实验室的行为数据，不断对模型进行优化，增强工作人员对其的信任度。

加强实验室人员的培训，使其了解人工智能模型的基本原理、运作机制以及常见的解释方式，能够更好地解读模型给出的建议，并定期收集实验人员对系统的反馈意见，以提高实验人员对人工智能系统的理解和接受程度。

3.3 全面监管和隐私保护

随着人工智能在实验室安全领域的应用日益广泛，确立人工智能的标准化规范有助于保障其一致性、可靠性，以及伦理的完整性。一套完备的、专门针对实验室安全管理的人工智能监管体系应涵盖数据处理、模型可解释性、访问控制、人工监督等多方面的细则与指南，且与现行的安全标准、相关法律法规相契合^[29]。此外，监管框架还需妥善处理与监控及数据收集相关的隐私问题，如明确数据使用的边界、制定透明的同意协议、使用隐私保护技术等。如对图像或语音信息进行模糊化处理，实时监控系统能够通过模糊人脸的方式来识别行为，而非直接识别个体，以防实验人员的隐私信息泄露。同时，使用数据加密技术对监控数据进行加密存储，并使用区块链技术保障数据在存储与传输过程中的安全性，防止被篡改或泄露。此外，定期向实验室管理者与实验人员通报数据的用途及采取的安全举措，使监控系统保持透明，打消实验人员的顾虑。确保人工智能遵循伦理与隐私标准，能够切实保护实验室人员的权益，有助于推动人工智能在实验室安全管理中的应用。

3.4 建立人类专家与人工智能之间协作的混合框架

虽然人工智能可以在实验室安全中自主执行许多任务，但在复杂的实验室环境中，人类专家与人工智能之间协作的混合框架是更合理的方法。人工智能系统用于处理重复任务，如持续的环境监测和基本的事件报告；人类专家专注于复杂决策、解释人工智能输出、管理不可预见的情况等。同时鼓励实验室工作人员验证人工智能建议并交叉检查自动警报，从而保持他们对安全协议的参与并加强他们的决策能力^[30]。例如，如果人工智能系统检测到异常情况并发出警报，实验室管理人员将在启动紧急响应前进行验证。开发混合框架将需要数据科学家、安全员和实验室工作人员之间的持续合作，以确定最佳的分工并在工作人员和人工智能之间建立有效的沟通渠道。在混合系统中集成可解释人工智能，使实验室人员能够更好地理解和评估人工智能生成的信息，能够有效地应对实验室突发事件^[29]。

4 结语

人工智能在实验室安全管理中的应用呈现出多层面、全方位的特点，为实验室安全保障带来了新的机遇和变革。从图像识别与行为监控、数据分析与环境监控、智能机器人与自动化巡检，到物联网与区块链结合的安全管理、虚拟现实与增强现实安全培训，再到深度学习与安全管理系统的决策支持，人工智能技术在多个方面均展现出巨大潜力，有效提升了实验室安全管理的效率、精准度和应急响应能力。然而，人工智能在应用过程中也面临着数据质量和整合、模型可解释性和信任、监管和伦理考虑、平衡自动化与人工监督等问题，在一定程度上限制了人工智能的发展和应用。针对这些问题，建立统一的数据标准和规范、应用可解释性人工智能技术、构建全面监管和隐私保护框架和建立人类专家与人工智能协作的混合框架成为有效的应对手段。随着人工智能技术的不断进步以及应对策略的有效实施，实验室安全管理将朝着智能化、自动化、数据化方向持续迈进。人工智能将成为实验室安全管理的重要助力，推动实验室安全管理水平不断提升，实现安全、高效、可持续发展。

参考文献 (References)

[1] 田志刚, 郭子萌, 佟瑞鹏. 基于致因机理的高校实验室安全事故分析与危机管理探索[J]. 实验技术与管理, 2021, 38(6): 265−268.
TIAN Z G, GUO Z M, TONG R P. Analysis of laboratory safety accidents and exploration of crisis management in colleges and universities based on causative mechanism[J]. Experimental Technology and Management, 2021, 38(6): 265–268. (in Chinese)

[2] 王杰, 王士国, 任佳, 等. 新形势下高校实验室安全管理体系建设探索与实践[J]. 实验技术与管理, 2019, 36(7): 235– 238.
WANG J, WANG S G, REN J, et al. Exploration and practice on construction of university laboratory safety management under new situation[J]. Experimental Technology and Management, 2019, 36(7): 235-238. (in Chinese)

[3] 薛森仁, 郑小奇, 张贤宇, 等. 高级别生物安全实验室建设关键问题及应对措施[J]. 实验技术与管理, 2024, 41(5): 226- 231.
XUE S R, ZHENG X Q, ZHANG X Y, et al. Key issues and countermeasures for constructing high-level biosafety laboratories[J]. Experimental Technology and Management, 2024, 41(5): 226- 231. (in Chinese)

[4] 高培峰, 彭绍春, 许冰. 高校公共实验平台安全管理体系运行实践与探索[J]. 实验技术与管理, 2024, 41(6): 232-237.
GAO P F, PENG S C, XU B. Practice and exploration of the operation of laboratory safety management systems on public experimental platforms in universities[J]. Experimental Technology and Management, 2024, 41(6): 232-237. (in Chinese)

[5] WEISS S M, KULIKOWSKI C A. A practical guide to designing expert systems[M]. New Jersey: Rowman and Allanheld Publishers, 1984.

[6] YANG F F, ZUO R G, KREUZER O P. Artificial intelligence for mineral exploration: A review and perspectives on future directions from data[J]. Earth-Science Reviews, 2024, 258: 104941.

[7] ZHU Q, ZHANG F, HUANG Y, et al. An all-round AI-Chemist with a scientific mind[J]. National Science Review, 2022, 9(10): 190.

[8] YANG R, QI Y, DENG J. et al. A flexible remote laboratory platform for interactive AI experiments with hardware and software facilities[C]// IEEE. 2021 International Conference on Cyber-Physical Social Intelligence (ICCSI), Beijing, 2021.

[9] MANYIKA J, CHUI M, BROWN B, et al. Byers big data: The next frontier for innovation, competition, and productivity[R]. McKinsey Global Institute, 2011: 13.

[10] CHU M, ZHENG Z D, JI W, et al. Towards natural language- guided drones: GeoText-1652 benchmark with spatial relation matching[C]//18th European Conference on Computer Vision. Berlin: Springer, 2025

[11] DALVI C, RATHOD M, PATIL S, et al. A survey of AI-based facial emotion recognition: Features, ML & DL techniques, age- wise datasets and future directions[J]. IEEE Access, 2021, 9:165806-165840.

[12] HERNÁNDEZ-LUGO M. Artificial intelligence as a tool for analysis in social sciences: Methods and applications[J]. LatIA, 2024, 2: 11.

[13] 周珂, 金仁东, 赵志毅, 等. 基于信息技术的实验室安全管理智能预警系统建设[J]. 实验技术与管理, 2019, 36(12): 141– 146, 228.
ZHOU K, JIN R D, ZHAO Z Y, et al. Construction of intelligent early warning system for laboratory safety management based on information technology[J]. Experimental Technology and Management, 2019, 36 (12): 141–146, 228. (in Chinese)

[14] LIANG W, ZHI Z, RAN T, et al. Intelligent management system used for open lab[C]//2012 7th International Conference on Computer Science & Education (ICCSE). Melbourne, 2012: 1160–1163.

[15] AJAY A, JOSHUA S G, AVI G. Prediction machines, insurance, and protection: An alternative perspective on AI’s role in production[J]. Journal of the Japanese and International Economies, 2024, 72: 101307.

[16] 葛镜, 张国平, 王宁宁, 等. 基于环境安全的实验室智能监控管理系统[J]. 实验科学与技术, 2024, 22 (5): 147–152.
GE J, ZHANG G P, WANG N N, et al. Laboratory intelligent monitoring and management system based on environmental safety[J]. Experiment Science and Technology, 2024, 22(5): 147– 152. (in Chinese)

[17] SZREK J, JAKUBIAK J, ZIMROZ R. A mobile robot-based system for automatic inspection of belt conveyors in mining industry[J]. Energies, 2022, 15(1): 327.

[18] 赵地，郭宇泰，杜玉红，等. 高校机械类实验室安全预警与监测智能巡检机器人设计[J]. 实验技术与管理, 2023, 40(10): 242–247.
ZHAO D, GUO Y T, DU Y H, et al. Design of intelligent inspection robot for safety warning and monitoring of mechanical laboratories in universities[J]. Experimental Technology and Management, 2023, 40(10): 242–247. (in Chinese)

[19] GECZY A, KUGLICS L, MEGYERI I, et al. Sensor-based IoT monitoring of electronics manufacturing in university lab environment[C]// IEEE. 27th International Symposium for Design and Technology in Electronic Packaging(SIITME). 2021: 230–233.

[20] 郭婷, 黄开胜, 艾德生, 等. 高校实验室管制化学品的智能管控[J]. 实验室研究与探索, 2022, 41(2): 291–296.
GUO T, HUANG K S, AI D S, et al. Research on intelligent management of controlled chemicals in university laboratories[J]. Research and Exploration in Laboratory, 2022, 41(2): 291–296. (in Chinese)

[21] 史蓓蕾, 张秀山, 陈修亮. 物联网技术在实验室安全管理中的应用[J]. 实验室研究与探索, 2019, 38(3): 273–276.
SHI B L. ZHANG X S, CHEN X L. Application of internet of things technology in laboratory safety management[J]. Research and Exploration in Laboratory, 2019, 38 (3): 273–276. (in Chinese)

[22] 王艺芳, 陆嘉宜, 王静, 等. 基于VR全景的实验室安全教育的设计与实践[J]. 实验室研究与探索, 2022, 41(3): 304–307, 312.
WANG Y F, LU J Y, WANG J, et al. Design and practice of laboratory safety education based on VR panorama[J]. Research and Exploration in Laboratory, 2022, 41(3): 304–307, 312. (in Chinese)

[23] GONG P, LU Y, LOVREGLIO R, et al. Applications and effectiveness of augmented reality in safety training: A systematic literature review and meta-analysis[J]. Safety Science, 2024, 178: 106624.

[24] MA Z, MEI G, CUOMO S. An analytic framework using deep learning for prediction of traffic accident injury severity based on contributing factors[J]. Accident Analysis & Prevention, 2021, 160: 106322.

[25] TANG Z, MA Y. Intelligent safety rating systems in laboratories[J]. Journal of Safety Management Systems, 2023, 12(4): 84–98.

[26] 李阳, 廉培庆, 薛兆杰, 等. 大数据及人工智能在油气田开发中的应用现状及展望 [J]. 中国石油大学学报(自然科学版), 2020, 44 (4): 1–11.
LI Y, LIAN P Q, XUE Z J, et al. Application status and prospect of big data and artificial intelligence in oil and gas field development[J]. Journal of China University of Petroleum (Edition of Natural Science), 2020, 44(4): 1–11. (in Chinese)

[27] BATKO K, ŚLĘZAK A. The use of big data analytics in healthcare[J]. Journal of Big Data, 2022, 9: 3.

[28] DOSHI-VELEZ F, KIM B. Towards a rigorous science of interpretable machine learning[Z/OL]. (2017-03-02) [2024-12- 10] https://arxiv.org/abs/1702.08608.

[29] FLORIDI L, COWLS J, BELTRAMETTI M, et al. An ethical framework for a good AI society: Opportunities, risks, principles, and recommendations[J]. Minds and Machines, 2018, 28(4): 689–707.

[30] ENDSLEY M R. From here to autonomy: Lessons learned from human-automation research[J]. Human Factors, 2017, 59(1): 5–27.

引文格式：柳长峰，王睿. 人工智能在实验室安全管理中的应用、挑战及应对策略[J]. 实验技术与管理, 2025, 42(4): 239-244.

Cite this article: LIU C F, WANG R. Applications, challenges, and coping strategies of artificial intelligence in laboratory safety[J]. Experimental Technology and Management, 2025, 42(4): 239-244. (in Chinese)

《实验技术与管理》2025年04期P239-244

DOI: 10.16791/j.cnki.sjg.2025.04.031

上一条：“一单一库”落地：5.3万家检验检测机构的“导航革命”与生死竞速下一条：《市场监管总局检验检测机构资质认定评审人员管理办法实施细则》全文发布

返回列表

产品中心