电力工业是支撑经济社会持续快速发展的基础。为了促进电力行业更好地满足经济和社会发展需求,提高从电力建设、生产到消费的效率很有必要。变电站作为电力从生产端到消费端的核心枢纽,提升变电站的日常运行效率对电力行业健康快速发展具有重大意义。其中对变电站中大量的指针仪表实现自动读数识别从而代替人工抄表是关键之一。本文在总结概括了关键点检测和传统指针仪表自动读数识别方法的基础上,设计基于深度学习的关键点检测算法,并将其应用到指针仪表自动读数识别任务当中。本文取得的主要研究成果如下:1)提出了一种基于Mask RCNN的关键点检测算法。通过在Mask RCNN网络结构的基础上添加偏差分支,修正原有网络因上采样导致的关键点位置偏差,实现了网络在关键点检测任务上的定位精度提升。在公开数据集上的实验结果表明,本文提出的算法在各项指标上均有提升,有效提高了关键点的定位准确度。2)提出了一种基于关键点检测的指针仪表自动读数识别算法。将传统的指针仪表自动读数识别任务与基于深度学习的关键点检测任务相结合,设计了基于精确关键点检测的指针仪表自动读数识别算法框架,利用关键点检测算法定位刻度线和指针位置,从而进一步实现读数识别。实验结果表明,本文提出的算法对多种指针仪表的识别均有较高的准确度,且对拍摄角度和光照条件等具有很好的鲁棒性。