随着科学技术的进步和智能电网投资的加大,巡检机器人逐渐被应用于变电站中指针式仪表的检测与识别。但是目前对于仪表的自动巡检仍然需要人为参与,对巡检机器人采集到的仪表图像进行示数判读,所以仍不能真正实现智能变电站的目标。另外,受限于巡检机器人的拍摄质量,仪表的读数结果也会受到较大的影响。对此,本课题提出了一种基于图像处理的变电站指针式仪表识别系统。系统地研究了仪表的检测、预处理和自动示数识别算法,并作出了相应改进,实现了一种实用、稳定的变电站指针式仪表识别。本文的主要研究工作如下:1、首先,为了解决变电站指针式仪表识别时存在的仪表位置随机性、环境复杂性和多类型仪表问题,本文提出了基于仪表检测、仪表预处理和仪表识别的系统设计思路和相应的技术方案,降低了仪表识别难度,实现了系统的通用性。2、接着,本文提出了一种基于Faster R-CNN的仪表检测算法。该算法在原始Faster R-CNN算法的基础上,结合多尺度训练、增加锚点数量并引入了在线困难样本挖掘机制策略来增强模型的性能,能够准确地将目标仪表从变电站复杂的背景中检测出来。同时算法能够根据检测框在当前检测视野中的位置,对相机的位置和焦距进行调整从而获得居中、放大的高质量仪表图像。3、其次,针对复杂环境下的仪表识别本文改进了仪表图像预处理算法。该算法首先使用MSRCR算法对光照不均的仪表图像进行调整,然后设计了光斑检测流程,利用改进的基于特征对应的算法修复光斑,能够恢复图像的有效信息,减少光照等环境因素对图像的影响。4、最后,本文设计了指针式仪表示数识别算法。该算法首先基于预建模算法完成不同类型仪表的先验信息采集,降低识别的难度。然后通过表盘提取、形态学处理、Hough变换等完成指针检测,并通过角度法完成示数识别。算法在保证识别精度的同时,适用于多类型仪表。