随着国家“数字新基建”推动模块化智能变电站的发展,发电、用电产业智慧化转型正逐步进行。为促进电网智能化的实现,将信息技术、计算机技术、人工智能技术与电网基础设施有机融合是目前转型期间的研究热点和难点,如何自动检测和读取电网基础设施存在的各类指针式仪表是难点之一。本文针对这一问题展开研究,主要研究内容包括:（1）多类型仪表表盘检测算法研究。通过对传统目标检测算法和深度学习检测算法的理论研究和仿真分析,本文采用YOLOv4目标检测算法对圆形、矩形以及不规则形状仪表表盘完成目标检测。通过理论分析和仿真实验,验证了本文采用的算法对多类型表盘均能获得较好的检测效果,且具有较高MAP值和FPS值。（2）利用图像匹配算法完成仪表表盘校正。提出了一种基于网格运动统计（Grid-based Motion Statistics,GMS）的改进的图像匹配算法的多类型仪表表盘校正方法,在网格运动统计中融入网格边缘属性加强了边缘特征点对正确匹配点的支持作用,通过理论分析和仿真实验,验证了在光照、旋转、模糊、压缩等情况下提高了算法的实时性和召回率,并实现了多种类型的表盘校正。（3）对多目标分割算法的研究。提出了一种基于RAL-UNet++网络的改进目标分割算法。在U-Net++网络基础上,本文采用较深层次网络进行特征提取,引入残差模块避免网络退化,同时融入空间、通道双注意力机制,以及采用优化的损失函数的方法,通过理论分析和仿真实验,验证了提出的改进算法在指针、数字和刻度线等目标中获得理想的分割结果,并具有较好的均交并比和戴斯相似系数。（4）对多类型指针式仪表读数算法研究。本文提出一种基于长刻度线精确赋值的指针式仪表读数算法,通过理论分析和仿真实验,验证了本文提出的算法对多类型仪表实现了准确读数,包括非均匀刻度仪表。基于上述分析,本文构建了多类型表盘仪表数据集,同时完成了多类型指针的自动检测和数据读取方法研究,通过实测数据的仿真实验及结果分析,验证了本文方法的有效性和准确性。