仪表盘是检测及记录设备工作状态和历史数据的重要工具,由于设备老旧、数据接口不统一等问题,导致工业及生活中存在设备孤岛问题,使得设备的在线监测很难实现。对此,本文依托2020年郑州市协同创新重大专项-智能工业物联网平台关键技术研究项目,开展基于文本检测与识别技术的仪表盘数字识别研究,旨在提高背景种类繁多、曝光过渡、黑暗环境等复杂条件下文本识别的准确率。本文具体工作如下:（1）针对复杂场景下存在文本遮挡情况,影响文本区域检测精度的问题,提出了一种基于多尺度融合的文本区域检测算法MF-RCNN。该算法采用残差网络提取图像特征,并在卷积层中加入多尺度融合模块FPN-I,使得算法能够融合高低层语义信息,实现精确识别小目标位置的目的。实验结果表明,该算法的分类准确率达到89.4%,分割平均准确率均值达到58.4%。（2）针对复杂场景下噪声、光线过暗等情况降低文本内容识别准确率的问题,本文结合由（1）算法提取的文本区域图像特征,采用六种数据增强方法扩充数据,进而训练模型,提高识别准确率。在此基础上,本文提出了一种基于注意力机制的文本内容识别算法CS-CRNN,该算法在卷积层中加入注意力机制,使得模型能够联系上下文信息,提高识别变化较大文本的准确率。实验结果表明,该算法在滚轮和数码管数据集上的正确率分别达到87.1%、83.8%。（3）基于本文所研究的仪表图像文本检测与识别算法设计并实现了一个智能仪表识别系统。该系统是集图像采集、图像处理、图像文本识别、结果展示、结果矫正等功能为一体的自动识别系统,并且其识别速度快、准确率高。综上所述,本文提出了一个复杂场景下文本检测与识别算法,并依据该方法设计了一个智能识别工业仪表的系统,为工业仪表监测领域提供了有效的辅助工具。