在过去的几十年中,随着计算机技术的发展,计算机视觉和数字图像处理技术已被广泛应用于指针式仪表的检测与识别。本文针对巡检机器人采集的刻度分布均匀的圆形指针式仪表图像,提出了一种基于计算机视觉的指针式仪表自动检测与识别方法,该方法主要包含仪表目标检测、仪表图像配准和仪表读数识别三个步骤:首先,利用改进的YOLO算法训练自制的指针式仪表数据集,得到卷积神经网络模型,通过训练的卷积神经网络模型检测当前视野下仪表目标的包围框位置,得到仪表目标的感兴趣区域,完成仪表目标的检测。然后,使用ORB算法对检测到的仪表目标图像以及预先获取的高质量仪表模板图像进行特征点提取,利用快速最近邻匹配(FLANN)算法对提取到的特征点进行特征点匹配,通过随机抽样一致(RANSAC)算法结合改进的特征匹配策略对错误的匹配对进行剔除,进而得到透视变换参数模型的参数矩阵,通过对待配准的仪表图像进行透视变换得到正对的高质量仪表图像,完成仪表图像的配准。最后,利用改进EAST算法对配准后的高质量仪表图像进行文本检测,检测出仪表图像中的所有文本,利用设计的印刷体数字识别模型对检测到的文本图像进行识别,筛选出仪表刻度数字,得到仪表刻度数字的位置信息与数值,通过仪表刻度数字的位置与数值信息提取出仪表刻度线轮廓、表盘中心以及仪表指针直线,结合角度法和距离法,完成仪表读数识别。通过大量实验对所提出的指针式仪表读数判别方法进行验证,实验结果表明,本文所提出的仪表识别方法的平均准确率高于97.5%,对于复杂背景下刻度均线的圆形指针式仪表的自动检测与识别任务具有良好的准确性与稳定性,可满足智能变电站的实际应用需求。