基于改进YOLOv8的指针式仪表读数识别算法

张震; 刘建昌; 葛帅兵; 张俊杰; 张凯

doi:10.13705/j.issn.1671-6833.2025.06.008

郑州大学学报（工学版） ›› 2026, Vol. 47 ›› Issue (03) : 83 -91. DOI: 10.13705/j.issn.1671-6833.2025.06.008

基于改进YOLOv8的指针式仪表读数识别算法

张震, 刘建昌, 葛帅兵, 张俊杰, 张凯

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对现有深度学习的仪表读数识别算法在边缘设备上存在资源消耗较大和传统图像处理算法在复杂场景下鲁棒性不足、误差累积以及难以实现端到端指针提取等问题，提出了一种轻量化改进的YOLOv8模型实现仪表检测，并采用YOLOv8-pose关键点模型提取仪表盘关键点，拟合指针与刻度线结合角度法计算仪表读数。首先，设计轻量级的RGELAN模块替代C2f模块，降低骨干和颈部网络复杂度；其次，将考虑多尺度特征贡献的CASC-Head检测头替代解耦头，减少检测头参数量；最后，引入Shape-IoU优化回归损失函数，提升检测准确性。实验结果表明：改进后的模型YOLOv8-RSS在P和mAP@50:95上分别为98.5%和90.6%,相较于原始YOLOv8的P和mAP@50:95仅损失了0.3%和0.4%,但参数量、计算量和模型大小分别减少了48.3%,44.4%和46%;在复杂场景下，仪表读数阶段算法的平均相对误差、平均引用误差、参数量和检测速度分别为1.425%,0.557%,3.08M和78帧/s,与其他算法相比，该算法降低了空间占用和读数误差，提升了检测速度。