【摘要】数字仪表读数识别技术被广泛应用在电厂中，但是电厂中复杂环境为仪表读数获取带来了很大困难。为了解决光照不均、仪表倾斜、尺度变化、图像模糊、预处理繁复等问题，本文设计了一种基于深度学习的电厂数字仪表识别算法。在 YOLOv5 模型上加入 CBAM注意力模块加强特征提取，同时为了强化利用底层特征，使用 BiFPN 结构代替 PANet 结构。实验表明，本文提出的改进 YOLOv5 在实际电厂现场 95% 以上准确率，对小数点也敏感，成功应用于现场生产环境中。