摘要：指针仪表作为一种重要的检测工具在核电领域中被广泛使用,针对不同类型、不同距离条件下指针仪表读数识别准确性低和检测速率低下的问题,提出了一种基于YOLOv8和DeepLabv3+的仪表读数识别方法。为了提高DeepLabv3+模型的图像输入质量,选择了推理速度快且准确的YOLOv8检测器定位仪表区域并裁剪后作为输入图像用于仪表识别。针对仪表指针识别准确率低和检测速度慢的问题,在DeepLabv3+模型的基础上,将骨干网络替换为MobileNetv3,并设计ECA+模块将其SE模块替换,降低模型参数的同时提高识别精度;将解码器的4倍上采样替换为两个2倍上采样,浅层特征图与编码器相应尺寸的特征进行拼接融合,并引入CBAM模块,提高指针分割的准确性。试验阶段,采用自制核电厂指针式仪表图像数据集,实验结果表明,该方法在仪表精度为2.5的级别下达到了94%的识别准确率,平均误差为1.542%,平均总耗时为0.57 s,具有较好的性能表现。