1.一种基于深度学习的指针式仪表的自动读数的方法，用于通过图像信息来确定仪表的示数，其特征在于，包括以下步骤：S1.将需要检测的仪表图像输入利用卷积神经网络训练的仪表圆盘指针检测模型进行检测，得到仪表圆盘和指针的位置；

S1中利用卷积神经网络训练仪表圆盘指针检测模型的具体方法为：采集指针式仪表数据并进行标记；

将所采集到的指针式仪表数据和标记作为样本数据输入卷积神经网络中对所述卷积神经网络进行训练，得到所述仪表圆盘指针检测模型；

S2.将需要检测的仪表图像进行二值化的处理，得到黑白的二值化图像；

S2的具体内容包括：

对原始图像进行二值化处理，得到仅存在像素值为0和255的像素点的二值化图像；

S3.根据得到的指针的位置信息，在二值化后的黑白图像进行剪裁，得到指针区域；

S4.根据得到的所述指针区域，求出指针的偏向角度，再根据仪表的量程，得出相应的度数，从而实现指针式仪表的读数；

S4的具体内容包括：

根据在指针区域图像对指针进行细化，检测指针中轴线，得到指针中轴线所在的直线的斜率，再换算成以圆盘中心为原点的坐标系下的偏向角度；

利用指针区域部分中指针部分像素点的像素值为255，其他部分像素点的像素值为0的特性，在指针区域图像对指针进行细化；

根据得到的偏向角度和仪表量程，计算得到仪表的示数，从而得到指针式仪表的读数。

2.根据权利要求1所述的一种基于深度学习的指针式仪表的自动读数的方法，其特征在于，S1具体内容包括：将需要检测的指针式仪表的图像输入训练好的所述仪表圆盘指针检测模型进行检测，在原始的需要检测的指针式仪表的图像上用矩形框标记仪表圆盘和指针的位置。

3.根据权利要求2所述的一种基于深度学习的指针式仪表的自动读数的方法，其特征在于，S3的具体内容包括：根据矩形框标记的指针位置获取矩形框的坐标，在二值化图像上裁剪矩形框，得到指针区域。