随着我国工业自动化的快速发展,传统的仪表人工采取方式由于自身的种种局限,已经逐渐无法满足工业自动化中高实时性和高鲁棒性的采集要求。因此在技术进步和工程实际需求的推动下,智能巡检方式逐渐得到了广泛应用,其中基于神经网络技术更是凭借其识别精度高以及运算速度快等优势成为了机器视觉方法中的重点研究内容。本文的研究目的是通过较少的成本,设计并开发出一套指针式仪表识别读数系统,用于变电所等复杂环境下指针式仪表的自适应识别读数。首先,本文针对指针式仪表可能受到天气原因造成图像雾化的问题,引入了基于暗通道的仪表图像去雾方法,使用暗通道算法在一定程度上减少了雾气遮挡产生的影响。通过结合Riesz分数阶导数和反锐化掩膜算法创新频域图像增强算法,并应用到仪表图像增强有用信息细节。最后利用仿射变换法完成坐标系之间的转换以实现舵机智能调整摄像机。其次针对仪表表盘定位识别问题,详细说明传统目标检测算法用于仪表表盘识别定位的缺点,然后引进同步采用池化和反卷积进行特征融合的RSSD目标检测网络,成功提高了定位识别仪表表盘的准确率与鲁棒性。对于目标检测网络数据集的短缺,采取自制仪表数据集的方法,通过充分训练进一步提升RSSD网络模型的精度与稳定性。再次,针对仪表图像在巡检机器人工作时出现运动模糊与倾斜问题,通过运动模糊的逆过程完成复原,且利用透视变换法对具有一定倾斜角度的仪表图像进行纠正,获取质量较好的仪表图像。在指针识别定位与读数问题上,通过引进加入改进柔性非极大抑制策略Softer-NMS和角度向量法创新YOLOX网络模型,实验证明具有高准确率和速率。最后,基于Pycharm平台、Python开发语言,结合Qt、Open CV开源库设计并开发了指针式仪表识别读数系统的配套软件,且通过该系统在实地情况对开关柜上的电压表进行了识别读数试验,验证了方法的可行性及有效性。