随着科学技术的不断发展,信息技术的进一步革新,传统的生产生活方式都在向着数字化、智能化转型。电子数显式仪表作为数据监控与测量的重要工具,在工、农、林、牧、渔等行业发挥着重要作用,对保障正常、合理、安全的生产生活具有重要的价值。电子数显式仪表凭借其直观性强、测量精度高等优点得到了越来越广泛的应用。但是,目前仅有少量的电子数显式仪表具备网络传输数据功能,可以实现测量数值的自动获取。在很多户外便携式设备上,仍需要人工读取仪表示数并记录。对于这种需要通过人眼识别并记录数显式仪表数据的方式,往往容易因为人眼工作量大而录入错误,或者记录人员主观上舍去部分精度只记录粗略数据而降低数据采集的精准性。因此,一个针对电子数显式仪表的数据自动录入系统可以有效解决这些问题。随着手机等移动终端的普及,采集图像的方式变得更加便利,图像质量也更加清晰。因此,通过手机等设备对电子仪表进行拍照,然后通过图像处理等方式自动识别出测量示数,就可以实现数据的自动识别与录入。本文结合深度学习技术与图像处理技术对电子仪表示数的自动识别方法进行研究。该方法主要包含五个步骤:仪表屏幕的检测与提取、屏幕关键点的定位、屏幕的水平矫正、示数检测以及示数识别。针对电子仪表屏幕检测,本文对SSD算法进行改进并提出了基于多卷积特征编码的Multi-Conv-SSD算法,本文通过多路卷积结构来降低检测模型参数并提高了检测精度,实现了屏幕与背景的分离。针对屏幕关键点定位方法,本文提出了基于全卷积的关键点检测模型,实现了旋转以及畸变图像中屏幕关键点的定位。然后本文根据识别出的关键点对屏幕区域进行透视变换,实现了屏幕的水平矫正。针对仪表示数检测,本文采用基于CTPN的文本检测算法,并构建了相应的数据集对模型进行训练与测试。针对示数识别,本文通过实验验证使用LSTM等时序模型提取示数文本中的弱语义特征会使得模型退化,进而提出了基于卷积和自注意力模块的文本识别算法,通过自注意力系数作用于较难识别的样本区域,提升了识别效果。本文在自然场景中对仪表进行图像采集并构建数据集,在该数据集上对提出的算法模型进行了实验并进行了对比。实验结果证明,本文提出的电子仪表示数自动识别算法可以较好地识别出仪表示数,可以应用于实际场景。