Devido ao alto custo da leitura manual tradicional dos medidores e às limitações impostas por ambientes adversos, a leitura inteligente dos medidores tornou-se a direção para o desenvolvimento futuro. Os medidores de eletricidade comuns podem ser divididos principalmente em dois tipos: medidores mecânicos com rodas numéricas e medidores de cristal líquido. Entre eles, os medidores mecânicos apresentam problemas de desvio, o que leva à perda de informações características dos caracteres durante o processo de reconhecimento, resultando em uma baixa taxa de precisão no reconhecimento do tipo de medidor. Para resolver esse problema, este artigo modificou a parte backbone do algoritmo de reconhecimento YOLOv5, melhorando o desempenho do algoritmo no reconhecimento de caracteres desviados nos medidores mecânicos. Primeiro, o mecanismo de atenção CBAM foi introduzido no modelo de rede, aumentando a capacidade do modelo de extrair características dos caracteres desviados. Em segundo lugar, a operação de fatia (Focus) foi substituída por uma convolução 6×6, e a estrutura de pooling SPP original foi substituída por uma estrutura SPPF mais rápida para melhorar a velocidade de processamento do algoritmo. Para testar o desempenho do modelo, foram coletadas 329 amostras de caracteres desviados dos medidores para experimentação, alcançando uma taxa geral de precisão de 99,4%. Paralelamente, 1.500 amostras de medidores de cristal líquido foram coletadas para testar a generalização do modelo, e a taxa de precisão alcançou 99,6%. Os resultados experimentais mostram que o método proposto resolve o problema da baixa taxa de reconhecimento dos caracteres desviados e verifica que o modelo de reconhecimento possui forte capacidade de generalização.

reconhecimento de leituras de medidores;YOLOv5;mecanismo de atenção CBAM;estrutura de pooling;caracteres desviados