指针式仪表是变电站监视变电设备运行状态的重要工具,巡检机器人在室外巡检时对仪表读数识别是一项重要任务。然而,受室外复杂环境如光照、雾霾、下雨等因素的影响,巡检机器人对指针式仪表的读数识别存在误检率高、准确率较低的问题。现有的指针式仪表读数识别方法大多适用于变电站简单的环境,对仪表复杂光照也有一定研究成果,而对雨雾环境下的读数识别研究较少。为解决这个问题,本文以雨雾环境为研究背景,对指针式仪表识别算法进行了相关研究,主要研究如下:（1）采用基于Faster R-CNN的检测定位方法实现仪表图像中的表盘定位。由于巡检过程中相机平面与仪表平面的偏差,采集到的仪表图像存在倾斜、畸变的现象,通过特征点相似性度量将最终预测框中的表盘区域与模板图像进行特征匹配,对倾斜、畸变的表盘进行校正,得到正立、无变形的表盘图像。（2）研究了雾天环境下仪表图像处理方法。针对雾天环境下仪表图像较模糊、整体亮度偏低的情况,通过经典的同态滤波、暗通道先验去雾方法、Retinex去雾算法比较分析,提出改进的基于灰度级动态调整的Retinex图像去雾方法,对不同光照影响下雾霾仪表图像进行实验,本文改进方法与其他去雾方法相比信息熵提升1.1-3dB,均方误差（MSE）降低700-800,提高图像对比度、清晰度。（3）研究了基于ResNet的仪表图像去雨方法。在ResNet网络去雨模型中引入快速引导滤波层对含雨仪表图像进行高低频分解,从而提取图像的细节雨纹;改进残差网络的残差单元,引入密集连接块充分提取图像局部特征,得到更高分辨率的高频层,将低频层与重构后的高频层相叠加得到最终去雨图像。（4）在仪表读数识别环节,基于大津算法提出局部迭代的Blackhat-Otsu指针分离法。通过底帽算法分离阴影等与指针像素值接近的像素点集,迭代Otsu阈值分割,排除指针阴影及表盘刻度的干扰,从而准确分离指针二值化区域;然后根据二值化区域拟合指针中心线并计算指针偏转角度,提高指针读数的准确度。实验结果表明,此方法对于变电站雨雾环境具有良好的鲁棒性,提升了仪表检测与读数识别的准确性。