在国家积极推定智能化信息社会发展的大背景下,物联网的发展为其他产业的变革提供了技术支撑。从专业的角度讲,物联网是以互联网为前提进行拓展的网络,在系统中通过多种类型的传感器设备获取物理信息,再通过通信网络将感知到的数据传导到信息中心。并广泛的应用于城市建设、交通物流、结构检测、医疗卫生、设备管理、军事等领域。人工智能的出现使得物联网更加智能化,应用价值得以提升,更加符合当今智能社会的发展。国家经济和技术的快速发展,人们生活水平的提高,城市建设也向着更加绿色更加智能更加科学的方向前进,桥梁作为一个城市中非常重要的通行方式,它的安全性监测受到大家的关注。从近几年的高架桥坍塌事故可以看出如果能在事故出现前进行有效的危险预警提示,能够有效的保证生命和财产安全。其次,当桥梁受到不可控因素比如地震等大强度损坏、监测系统的有线链路损坏的情况下,如何将已经采集到的应力、挠度等数据存储并回传给中央处理系统也是非常重要的。最后在桥梁监测系统中应力传感器的性能需要更加稳定、精确度更高。本论文在机器学习与物联网蓬勃发展的大背景下,以桥梁的监测系统为应用场景,对应用于桥梁监测系统的物联网关键技术进行研究,提出基于光学传感器与机器学习的物联网系统优化,利用材料的光弹效应,提出了不受波长漂移、功率衰减、光源老化等影响的基于阵列波导光栅结构的应力传感器,提高了检测的稳定性;利用RFID技术设计物联网数据传输链路损坏时的数据保护传输机制以解决在设备损坏下无法将采集到的应力数据保存以及传输问题;而人工智能与数据挖掘的应用使得结构健康状态的检测更加智能化、精确化,设计基于机器学习的结构状态检测和保护策略推荐方法。首先分析物联网的三层体系架构,对感知层、网络层与应用进行介绍。分析常用的电学传感器与光学传感器的优缺点,针对当今光纤传感器的易受光源损耗、波长漂移的影响的缺点,利用材料的光弹效应,提出并设计基于阵列波光栅和微环结构的接触性应力传感器,适应更复杂环境的场景中。其次利用RFID技术设计数据存储保护机制,利用RFID存储数据的便携性以及环境适应性强的特点,对数据进行存储保护,设计基于RFID的压力数据的采集系统。通过MFRC522射频芯片对电子标签进行识别,并将压力传感器采集的压力数据存储到电子标签中。实现了数据的保护与存储,可应用于桥梁结构数据的采集以及海洋设备的数据保护,即使当设备完全损坏,数据也会得到存储。最后,为了能实现对桥梁的危险预警功能,通过PSO-BP神经网络对数据集进行分类预测,以实现对状态的判断。除此之外,在设计算法之前对数据集进行了一系列数据预处理工作。