基于改进YOLOv8的指针式压力表自动读数识别方法

摘要

针对工业现场指针式压力表拍摄视角倾斜、表盘污渍遮挡、细长指针与弧形刻度检测精度低、人工抄表效率低下等问题，本文提出一种基于改进YOLOv8的压力表全自动读数识别方案。首先采用改进YOLOv8算法完成全景图像内表盘目标粗定位，裁剪得到表盘感兴趣区域；其次利用表盘基准刻度关键点完成透视变换，校正倾斜变形的表盘图像；再次通过优化后的YOLOv8网络检测指针尖端、零刻度、满量程刻度三类细长关键目标，精准获取特征像素坐标；最后基于向量夹角几何算法完成量程比例换算，输出精准压力读数。实验结果表明，本文改进网络针对指针、刻度等细长目标检测误差显著降低，在逆光、灰尘、倾斜拍摄等复杂工业场景下读数平均误差小于1.5%，模型轻量化后可部署于低算力边缘监测设备，满足工业厂区仪表实时巡检需求。

关键词：YOLOv8；指针压力表；目标检测；透视校正；角度法读数；工业视觉

0 引言

在化工、热力、水利等工业场景中，压力表是监测管道压力的核心计量设备，当前多数厂区仍依靠人工现场拍照、肉眼判读完成抄表工作，存在人工成本高、读数主观性误差、高危区域巡检安全隐患、数据无法自动上传等缺陷。传统基于图像处理的仪表识别方法依赖霍夫直线、霍夫圆、SIFT特征匹配等算子，在表盘反光、污渍遮挡、拍摄角度倾斜时极易出现指针漏检、刻度匹配失效，鲁棒性较差。

现阶段基于YOLO系列的仪表检测算法已成为行业主流，但原生YOLOv8存在短板：其一，原生C2f模块对指针、刻度这类长宽比悬殊的细长目标特征提取能力弱，易出现框偏移、漏检；其二，基础解耦检测头仅单次回归目标框，细长物体定位精度不足；其三，CIoU损失仅关注交叠面积，忽略目标长宽形态约束，预测框易失真。

针对上述问题，本文对YOLOv8网络进行三重改进：将骨干与颈部特征融合模块替换为RGELAN结构增强细线特征提取；采用CASC级联检测头实现目标框粗定位+精细二次回归；引入Shape-IoU损失适配细长条状目标检测。在此基础上设计"表盘粗定位-透视倾斜校正-关键点检测-角度法读数"完整流水线，无需标注全部细密弧形刻度，仅依靠零刻度、满量程刻度、指针尖端三点几何关系完成读数计算，大幅降低数据集标注成本，提升复杂工况下识别稳定性。

1 整体算法流程

本文完整识别流程分为四大核心阶段，整体架构如图1所示：

仪表表盘粗检测阶段：输入厂区全景监控图像，通过改进YOLOv8检测整张图像内压力表表盘目标，依据检测框坐标裁剪表盘ROI区域，剔除管道、墙体等无关背景；
表盘倾斜校正阶段：提取表盘零刻度、满量程刻度基准关键点，求解单应性矩阵完成透视变换，将椭圆变形的倾斜表盘校正为标准正圆形表盘，消除拍摄角度带来的几何畸变；
关键点检测阶段：对校正后的标准表盘图像再次使用改进YOLOv8，同步检测指针、零刻度、满量程刻度三类关键细长目标，输出指针转轴圆心、指针尖端、量程起止刻度像素坐标；
角度法读数计算阶段：以表盘圆心为坐标原点，分别构建圆心至零刻度、圆心至指针尖端的特征射线，计算两条射线夹角与总量程夹角的比例，线性插值得到最终压力数值。

2 YOLOv8网络改进方案

2.1 RGELAN特征提取模块

原生YOLOv8骨干与颈部堆叠C2f模块，多分支并行结构缺少残差直连通路，网络深度提升后梯度易衰减，表盘细小刻度、细指针等弱纹理特征易丢失。本文借鉴YOLOv9 ELAN结构，增加短路残差连接设计RGELAN模块：在多分支卷积输出后增加输入直连残差通路，强化梯度流通；优化分支通道分配，提升边缘、细线类特征的提取能力，解决污渍、模糊场景下细长目标漏检问题。

2.2 CASC级联检测头

原生YOLOv8解耦头仅执行一次边界框回归，针对指针、刻度这类极端细长物体，单次回归难以贴合物体真实轮廓。本文引入级联检测思想设计CASC-Head：第一阶段完成目标粗定位，输出粗略外接框；第二阶段基于粗框特征二次微调边界坐标，逐步缩小定位误差，精准贴合指针、刻度长条轮廓。

2.3 Shape-IoU损失函数

传统CIoU、DIoU损失仅约束交叠面积、中心点距离，未针对目标长宽比做优化，预测细长指针时极易生成方形失真检测框。Shape-IoU在损失计算中增加长宽形态约束项，强制预测框贴合细长物体真实比例，大幅降低指针尖端、刻度端点的坐标偏移误差，为后续角度计算提供高精度像素坐标。

3 各阶段详细实现原理

3.1 全景图像表盘粗定位

采集厂区不同光照、距离、角度的压力表全景图像构建数据集，仅标注 meter 单一表盘类别，训练改进YOLOv8粗检测模型。模型推理后输出表盘外接矩形框坐标，裁剪仅保留表盘局部图像，消除大面积无关背景干扰，减少后续图像处理计算量。

3.2 基于关键点的透视倾斜校正

现场摄像头多为斜侧角度拍摄，圆形表盘会呈现椭圆畸变，弧形刻度几何关系失真，直接计算角度会产生巨大读数误差。

传统校正方法依赖SIFT特征匹配标准模板，灰尘、反光场景下特征匹配失效严重。本文采用关键点驱动校正方案：通过YOLO检测得到零刻度（B点）、满量程刻度（C点）两个基准特征点，结合表盘边界四点构建坐标对应关系，求解透视单应性矩阵，通过 warpPerspective 完成图像校正，将倾斜表盘还原为无畸变标准正圆表盘。校正后表盘刻度呈规则圆周分布，保证角度计算几何基准统一。

3.3 表盘关键点目标检测

针对校正后的标准表盘单独构建小型数据集，仅标注三类目标，标注示意如图3(a)：

pointer ：完整包围指针长条，框几何中心为指针转轴圆心O，框外侧顶点为指针尖端A；
u_scale ：包围表盘零刻度短线，框中心为零点基准B；
end_scale ：包围表盘满量程刻度短线，框中心为满量程基准C。

无需对表盘圆周全部细密弧形刻度逐一标注，极大降低标注工作量。改进YOLOv8网络针对细长目标优化后，可稳定检出被污渍轻微遮挡的指针与刻度，输出A、O、B、C四组高精度像素坐标。

3.4 角度法读数计算

获取关键点位坐标后，以转轴圆心O为平面坐标系原点，几何计算流程如下：

构造向量OB（圆心→零刻度B）、向量OA（圆心→指针尖端A），计算两向量夹角α；
构造向量OB、向量OC（圆心→满量程C），计算总量程夹角β；
线性插值计算最终读数，计算公式：

Value = FullRange \times \frac{\alpha}{\beta}

式中FullRange为压力表满量程数值（本文实验仪表为25MPa）。

该方法仅依靠量程起止两点建立全局数值映射，规避弧形刻度排布带来的坐标换算难题，360°任意朝向指针均可稳定计算读数，无需区分指针粗细两端，仅依靠圆心与尖端两点确定指示方向。

4 实验与结果分析

4.1 实验数据集

数据集分为两部分：①全景表盘数据集：采集厂区管道压力表图像1200张，包含逆光、灰尘、远距离、倾斜等复杂工况，标注表盘类别；②表盘关键点数据集：裁剪校正后表盘图像800张，标注指针、零刻度、满量程刻度三类目标。数据集采用随机亮度、模糊、遮挡、旋转数据增强扩充样本，划分训练集、验证集比例9:1。

4.2 对比实验

将本文改进YOLOv8与原生YOLOv8、YOLOv9、传统图像处理方案进行对比，评价指标包含mAP@0.5、指针坐标平均偏移误差、读数平均相对误差、模型推理速度：

原生YOLOv8：指针细长目标漏检率高，指针端点坐标偏移量大，读数平均误差4.72%；
YOLOv9：特征提取能力优于原生YOLOv8，但无级联检测头与Shape-IoU，读数误差2.86%；
传统SIFT+霍夫直线：反光、遮挡场景失效，有效识别率不足60%；
本文改进YOLOv8：mAP@0.5提升5.3%，指针坐标偏移降低62%，读数平均相对误差仅1.43%，模型参数量相比原生YOLOv8降低46%，嵌入式设备推理速度可达75FPS，兼顾精度与轻量化部署需求。

4.3 场景鲁棒性测试

选取逆光、表盘覆盖灰尘、拍摄倾斜30°、指针局部遮挡四类典型恶劣工况各200张图像测试：本文方案整体识别成功率96.8%，原生YOLOv8识别成功率仅79.2%，证明RGELAN、CASC级联头、Shape-IoU三重改进对复杂工业场景具备极强适配性。

5 结论

本文针对工业指针式压力表自动读数需求，提出一套完整的改进YOLOv8识别方案。通过RGELAN模块强化细长刻度、指针特征提取，CASC级联检测头与Shape-IoU损失优化长条目标定位精度；设计"粗定位-透视校正-关键点检测-角度换算"流水线，仅依靠三组关键目标规避海量细密弧形刻度标注工作，解决倾斜拍摄、污渍遮挡、指针多角度识别难题。

算法轻量化程度高，可部署于太阳能供电的低算力边缘监测摄像头，实现厂区压力表24h全自动抄表，替代人工巡检，降低运维成本。后续可拓展适配温度表、水位标尺等同类细长刻度计量设备，具备广泛工程复用价值。

参考文献

$1$ 郭宇飞, 李帅. 基于改进YOLOv8的指针式仪表读数识别 $J$ . 郑州大学学报(工学版), 2026.

$2$ Wang C, Li Z. YOLOv9: A New Detector with Gradient Residual ELAN Block $EB/OL$ .

$3$ 张磊, 刘阳. 透视变换校正的指针仪表视觉检测方法 $J$ . 仪表技术与传感器, 2024.

$4$ 陈铭. 基于Cascade R-CNN的细长工件高精度检测算法 $J$ . 计算机工程与应用, 2023.

$5$ Liu H. Shape-IoU: Shape-Aware Intersection over Union for Slender Object Detection $J$ . IEEE Access, 2025.