面向工业巡检的数字仪表读数识别普遍利用人工识别并记录仪表读数信息的方式,然而人工方式记录读数是影响工厂生产效率的重要因素。当工厂使用人工抄表,不可避免出现记录错误读数,耗时长等问题。因此,利用巡检设备自动优化记录过程,提高生产效率,并为记录读数提供准确保障。本文分析了工业巡检中数字仪表读数识别的影响因素,并根据工业巡检的功能和性能需求,设计了一种能够实现工业数字仪表读数实时识别的方案。本文利用巡检终端摄像头对工业现场的数字仪表成像并作为数据来源,接着对仪表图像进行预处理,得到符合工业数字仪表读数视觉检测模型要求的图像格式,并利用检测模型对图像中仪表读数区域进行检测,得到读数的区域信息,然后设计工业数字仪表读数视觉识别算法读出读数。本文主要研究内容如下:（1）本文基于工业数字仪表数据集特点和对数字仪表读数智能识别准确性的要求,设计了基于一种有效和准确的场景文本检测器（An Efficient and Accurate Scene Text Detector,EAST）的数字仪表读数视觉检测方法。本文使用测试集测试验证后,发现基于EAST的检测方法不能很好解决大读数、长读数的情况。本文基于此,设计了基于改进EAST的数字仪表读数视觉检测方法,该方法通过对读数区域划分,使得边缘区域关注近邻的顶点方式,训练改进EAST的方法。实验验证,改进EAST后的检测模型,在大读数、长读数情况下,准确度明显提升。（2）本文基于工业数字仪表读数不定长、读数颜色丰富的数据特点和对数字仪表读数识别准确性的要求,设计了面向工业巡检的数字仪表读数视觉识别方法。该方法首先对读数进行特征提取,接着转置特征和长短期记忆（Long Short-Term Memory,LSTM）序列化后,得到读数特征序列,最后使用连接时序的分类（Connectionist temporal classification,CTC）解码特征序列,得到读数示数。实验证明,满足工业的功能和性能需求。（3）本文基于工业现场对数字仪表读数智能识别的实时性要求,对本文设计的工业数字读数检测识别模型进行压缩设计。本文利用剪枝方法,关注和学习模型连接,把低于权重阈值的连接删除,实现模型的压缩,接着,本文利用量化和权值共享方法,对模型权值数值用少量位数表达,从而进一步对模型实现压缩。实验证明,通过剪枝和量化融合压缩的方法可以提升工业数字读数检测识别模型实时性。（4）本文基于工业巡检环境中仪表读数区域存在反光问题,设计了 一种利用摄像头聚焦信息实现图像反光抑制的算法,并与前人研究的反光抑制方法进行了比较分析。实验验证,该算法能有效提升工业对准确性的性能要求。经过验证,本文能够实时准确实现对面向工业巡检的数字仪表不定长读数的检测和识别,能够在本文移动终端样机平台上达到预期的读数识别准确度90%和实时性1秒的方案设计目标,满足工业巡检中对数字仪表自动抄表的性能要求。