随着机房监控技术不断发展,越来越多的无人值守机房监控系统取代了效率低下的机房人工巡检工作。普通的机房监控系统一般只有机房环境监测传感器和监控摄像头,机房内主机硬件运行状态多数采用网络运维软件监控方式。在实际运维过程中,有时会因为设备底层硬件问题引起上报给运维软件的告警信息不完备,导致设备面板有错误指示灯但没有生成网络告警信息。本文设计实现了基于视频识别监控设备面板指示灯状态的机房监控系统。考虑机房位置分布广泛,录制视频传输到云服务器进行识别分析的方法无法解决时延、时效等问题,本文设计了基于边缘计算平台的机房监控系统。其中边缘计算端采用基于RISC-V内核的高能效比的硬件平台,设计集成了温度、湿度、烟雾传感器的边缘控制器,监测机房环境信息,并实现了本地运行视频分析算法,有效地降低了监控系统的网络负载,减少了网络传输的时延,提高了机房处理突发状况的能力。本文主要完成以下的工作:（1）基于勘智K210芯片设计并实现边缘控制器,其能够收集温度、湿度、烟雾传感器的数据,通过数据分析检测机房环境状态,还能够对主机设备面板指示灯进行图像采集,通过图像处理算法对指示灯进行识别并判断其状态,最终将处理结果通过4G模块上报给云服务器。（2）本文针对低分辨率摄像头优化了指示灯状态识别算法。基于成本控制,系统采用低成本的摄像头,图像成像质量较差,且指示灯存在颜色偏置的情况,本文针对性的提出了指示灯状态识别方案,实验结果表明,该方案能够较好的对指示灯状态进行识别。（3）设计并实现了基于云的后台管理系统。系统主要完成两方面任务,首先,接收并存储机房数据,分析并统计机房运转情况,向机房下发指令等,其次,针对因光照、拍摄角度等因素造成的边缘控制器难以识别的图像,云平台发挥计算优势对其进行进一步处理。