伴随着时代的发展,电力在国家经济发展与人民生活扮演着举足轻重的角色,电网系统稳定运行与否对社会有极大的影响。在我们国家电力系统中变电站属于最核心的部分,为了确保变电站中变电设备稳定运行必须要对变电站设备进行定期巡检,目前在变电站中主要是通过读表来判断变电设备运行状态。如今大部分是通过人工巡检读表来监测变电设备,此种巡检方式不仅成本高且读数精度低。现在虽然已经有很多关于计算机视觉技术应用到表盘自动识别的研究来替代人工巡检,但在识别算法中都是有许多约束条件下才能有好的识别效果且不考虑检测效率,故很难适应复杂多变的变电站环境。本文围绕着现有关于指针式表盘自动识别存在的缺点与局限性,系统的研究了表盘定位算法、表盘读数区域定位算法、指针定位方法等,实现了一种适用于变电站环境的基于计算机视觉的巡检机器人指针式表盘智能读数方法。本文核心的工作与研究内容如下:(1)在表盘区域定位方面,提出了基于SSD模型改进的指针式表盘区域定位算法。针对传统特征点匹配算法对于大尺寸的图片检测耗时长且鲁棒性差等问题,本文将指针式表盘区域定位问题转换为深度学习领域中目标检测问题,并将迁移学习策略来改进基于SSD模型的指针式表盘定位检测,采用数据增强方法来进一步提升表盘定位效果。本文所提出的表盘定位算法不仅降低了定位耗时而且还提高了对噪声、光照变化、旋转等干扰因素的适应性。(2)在表盘读数区域分割方面,提出了基于SURF算法改进的多任务模板特征点匹配算法。针对室外光照变化大所造成制作的模板与所检测图像相差大从而导致匹配不精准的问题,本文通过制作多张光照相差大的模板,采用多线程技术同时与检测图像进行特征点检测,并且利用本文提出的改进的双向匹配法来获取匹配点,从而提高了表盘读数区域分割的准确率且增强了匹配算法对光照变化大的鲁棒性。(3)在图像预处理方面,研究适用于变电站复杂工作场景的图像预处理算法,通过灰度处理、图像对比度拉伸与滤波去燥的预处理技术,得到图像质量好又便于后续分割指针的图像。(4)指针定位识别方面,提出了基于分割扇形区域的指针定位法。针对光照不足与复杂背景干扰等原因从而使得指针难以分割的问题,本文基于表盘指针一直在某一个扇形区域转动变化这一特性,创新地提出基于分割扇形区域的指针定位法,通过对指针活动区域分割,选择合适阈值分割算法与指针拟合算法,来对指针进行定位。本文所提出的指针定位方法能够准确的拟合指针直线,有良好的鲁棒性。根据本文所提出的基于计算机视觉的指针式表盘自动识别方案,从而设计并制作了基于计算机视觉的指针式表盘识别软件系统。通过实验验证,本方案的识别率与准确率均达到了实用化的要求且具有较高的稳定性和检测效率,具有一定的实用价值。