基于改进YOLOv8n的数字式仪表读数识别

来源：计算机测量与控制杂志2026年第5期北京时间：

作者：李笑笑,焦良葆,顾嘉炜,陈治锐,孟琳

单位：南京工程学院

摘要：针对数字式仪表读数中人工抄表误差大和识别准确率低的问题，提出一种基于改进 YOLOv8n 的数字式仪表自动识别算法。在网络结构中，将 SCConv 模块嵌入主干网络的 C2f 结构，以增强模型在空间与通道维度的特征提取能力，提高对细粒度目标和边缘细节的感知效果；使用 Focal Modulation 结构替换原有的 SPPF 模块，通过分层上下文化与门控聚合机制实现局部与全局特征的高效融合，从而提升检测精度与特征表达能力；在损失函数设计方面，将 CIoU 损失替换为 EIoU 损失，以优化边界框回归的收敛速度与定位精度。实验结果表明，该方法在自建仪表数据集上的 mAP@0.5 较原始 YOLOv8n 模型提升 1.5%，其中小数点类别精度提升 14.3%。结果验证了所提算法在数字式仪表读数任务中的有效性与优越性。

关键词：目标检测;仪表读数;深度学习;损失函数;注意力机制;

基金资助：江苏省产学研合作项目 (BY20230656)