仪表的读数识别是把控企业的生产过程和相应产品质量的有效途径,然而在人工抄表的过程中,不但需要大量的人力成本,还会引入粗大误差和随机误差,影响企业产品质量,甚至引发安全事故。因此,巡检机器人多种类仪表读数识别系统的研发对于企业的发展具有重要意义。本文基于机器视觉技术针对巡检机器人的指针式仪表和数显式仪表读数识别方法展开研究。指针式仪表识别方面,提出了一种基于局部可变阈值的改进Wellner自适应二值法来近似处理光照不均匀干扰,然后利用Hough梯度法对仪表进行了粗分割,接下来使用最小二乘法对预处理图像和二值图像中的定位结果进行圆拟合,并根据拟合结果对粗分割结果进行修正得到精分割结果,再通过随机Hough变换在二值图像中的精定位区域搜索直线并进行优化排序得到最终的指针向量,针对仪表刻度设计了半径缩小法在二值图像的边缘中获取刻度并计算基准刻度向量,最后计算偏转角并结合量程信息计算出最终读数。实验结果表明该方法能够在保证精度的前提下快速识别光照不均匀场景中的指针式仪表读数。此外,本文还提出一种变视角多仪表读数同时识别方法,利用改进Freeman编码对图像边缘进行编码计算来实现表盘区域分割,对得到的多个表盘依次使用角度法计算读数并通过实验验证了该方法的有效性。数显式仪表识别方面,利用指针表识别过程中提出的方法,在光照不均匀情况下得到数显式仪表的精定位结果,再利用随机Hough变换搜索图像边缘中的最长直线并进行倾斜校正和数字字符区域的粗分割,接下来利用底帽变换在光照不均匀的数字区域中突出字符并进行使用最大类间方差法对其进行二值分割,设计分块横向投影法对二值图像中的数字字符区域进行精分割,对最终得到的精分割结果区域使用纵向投影进行字符分割,针对分割出的字符中容易出现的粘连等干扰,设计了七段管数字识别方案进行数字的分类识别,实验结果表明该方法具有一定的鲁棒性。本文最后还对仪表读数识别系统进行了性能需求分析与设计,针对二分类问题,提取图像的HOG特征训练支持向量机分类模型并对模型的性能进行评价分析,得到合适的模型后提取待识别图像的表盘定位结果区域的HOG特征并将其送入训练好的支持向量机模型分类,根据分类结果对待识别图像进行相应处理,得出最终读数结果。最后对该系统进行了实现并封装于ROS节点中,以便于后续的实地测试与应用。