(石家庄铁道大学 a. 电气与电子工程学院，b. 机械工程学院，河北 石家庄 050043)

随着无人值守变电所的数量逐渐增多以及变电站巡检机器人的推广，利用巡检机器人搭载的可见光摄像头采集仪表图像，并结合机器视觉技术识别读数，可以大幅减少人工巡检工作量和巡检压力，巡检效率显著提升[1]。由于复杂环境因素(如光照不均、雾霾及雨水天气等)影响，致使采集到部分仪表巡检图像为低光照图像，不利于后续利用机器视觉识别仪表读数，因此增强低光仪表图像细节，提高仪表定位的精度和速度，精确识别目标仪表读数，进而完善基于变电站巡检机器人的表记识别系统，对促进变电所无人值守化意义重大[2]。

针对变电站仪表识别已有大量相关研究，如韩绍超[3]借助尺度不变特征变换(SIFT)的特征提取算法匹配定位仪表；施成燕[4]利用加速稳健特征-模式匹配(SURF-BF)算法将巡检机器人采集的不同时刻和状态的仪表配准到相同的模板，以较高的时间成本提升定位精度，但不能满足基于变电所巡检机器人巡检的实时要求。邢浩强等[5]用卷积神经网络(CNN)定位仪表，并结合双边滤波和带色彩恢复的多尺度视网膜增强(MSRCR)算法[6]增强仪表图像，但常常因没有充分提取低光图像的暗内容而出现误检。刘葵[7]利用更快区域卷积网络(Faster-RCNN)定位表盘、LeNet-5识别表盘刻度值的数值，尽管该算法适用于各种分度值、不同表盘的仪表，但需要大量带标签的训练集以及高性能的电脑配置才能得到训练好的模型。……