为对处于复杂环境中的变电站指针式仪表进行示数识别，提出一种基于深度学习的指针式仪表示数识别方法。首先使用目标检测算法YOLOv3检测图片中仪表和仪表刻度值的位置，并使用基于LeNet-5网络的字符识别算法识别刻度数值；然后使用语义分割算法DeepLabv3+分割出仪表指针区域；最后使用角度法读取仪表示数。实验结果表明，该算法在不同光照、天气、背景环境中均可高效准确地读取指针式仪表示数，平均读数误差率小于3.5%，可满足变电站巡检机器人的日常巡检需求。
0 引言
变电站是电力网络的枢纽点，变电站中各类仪表的示数对实时监测变电站运行数据至关重要。变电站常见的仪表包括指针式仪表和数显式仪表两大类，尽管数显式仪表已广泛应用于现代化工业生产中，但指针式仪表因其结构简单、抗干扰、耐用性强等优点，仍具有不可替代的作用[1-3]，这些指针式仪表大多没有通信接口，需要人工进行读数。随着人工智能的不断发展，使用计算机视觉技术对仪表进行自动读数成为可能