随着仿生学的提出,机器视觉作为其重要的表现形式受到了广泛的关注。然而传统的机器视觉主要基于统计学习远远达不到人类视觉的要求,因此一些以视觉为出发点的计算模型同时拥有计算速度和视觉机制更符合生物视觉系统的要求。为了建造更加智能化的变电站,越来越多的巡检机器人开始用于变电站中仪器的检测。为了提高巡检机器人的工作能力、实现变电站的无人看管、建设智能化变电站,本课题提出了一种以视觉模型为基础的变电站仪表识别系统。针对变电站的工作要求,确定了需要实现的功能及目标,并提出了该系统的设计方案。硬件部分和软件部分构成了本系统的主要内容,硬件部分由PTZ云台和相机构成;软件部分则包括目标仪表定位算法设计与数显仪表识别算法设计两部分。通过对云台和相机的重新选型大大提高了硬件平台的紧凑性和灵活性,而软件部分通过对算法的改进,使系统拥有了更快的运算速度和更高的精度。目标仪表定位算法是在前人的基础上提出的。在目标仪表的搜索工作与云台的误差标定已经完成的情况下,将后期的定位过程分为仪表初步定位和仪表精确定位两部分。通过对仪表位置的判断控制云台转动实现仪表初步定位,对相机进行变倍与调焦实现仪表精确定位。其中,相机变倍是通过判断仪表大小从而计算变倍倍率实现。相机调焦则采用了基于图像的聚焦深度法,将视觉显著性计算模型和颜色对比度相结合实现了相机的自动调焦。数显仪表识别算法是本次研究中最重要的部分。寻找数显仪表表盘区域时,将视觉显著性计算模型与轮廓提取及多边形拟合相结合,大幅提高了定位精度。将canny算子、霍夫变换与仿射变换相结合能有效地对仪表姿态进行校正与复原。脉冲耦合神经网络的方法则被用于获取二值化图像。水平竖直投影法可以快速地对数字进行分离与定位。对数字字符进行识别时,采用了脉冲耦合神经网络多次迭代后对应的时间序列最大峰值保持不变这一特性,通过限定待识别数字时间序列的最大峰值与样本数字时间序列的最大峰值之间的差值小于阈值,从而对仪表数字进行识别。通过实验对上述方法进行验证后得出,本文提出的目标仪表定位算法能够精确地确定仪表位置,数显仪表识别算法则具有识别精准速度快适应性强的特点。