1.一种电力巡检机器人的数字仪表识别方法，包括机器训练准备阶段以及数字仪表识别阶段，其特征在于，机器训练准备阶段：

步骤一、将清晰的数字仪表模板图进行灰度化，读取出其仪表设备编号，标定单个数字区域并切分；

步骤二、随机读取一张数字仪表图像并灰度化，与所述数字仪表模板图进行匹配对齐，按照标定的单个数字区域将所述数字仪表图像进行切分得到各个单个数字图像；

步骤三、重复所述步骤二获取大量单个数字图像并获取相应的数字仪表读数，即为训练图像集；

步骤四、按照特征库中的特征，利用特征工程和十个支持向量机回归器对训练图像集进行训练，从而确定出最优特征集以及相应训练模型参数，具体包括：步骤1)从特征库中提取训练图像集的每个单项特征；

步骤2)将每个单项特征放入十个支持向量机回归器中进行训练，并将单项特征按照其结果准确率进行排序；

步骤3)前向搜索逐个添加单项特征，直到准确率变化小于第一阈值停止添加，将停止添加时对应的各个单项特征作为最优特征集；其中，第二阈值范围为[0.01,0.03]；

数字仪表识别阶段：

步骤一、电力巡检机器人获得实际数字仪表图像及其仪表设备编号，按照其仪表设备编号获取相应的模板图以及单个数字区域参数；

步骤二、将实际数字仪表图像灰度化后与其相应的模板图进行匹配对齐，并按其单个数字区域参数进行切分，得到实际图像内的若干单个测试数字图像；将若干单个测试数字图像分别与灰度化后的模板图单个测试数字图像进行规定化处理；

步骤三、按照确定出的最优特征集相应提取出若干测试单个数字图像的最优特征集特征；

步骤四、将提取的各最优特征集特征分别放入训练好的十个支持向量机回归器中进行识别，获得支持向量机回归的解，从而获得该特征对应为每个数字的概率，概率最高对应的数字即为该数字仪表图像的识别结果。

2.根据权利要求1所述的电力巡检机器人的数字仪表识别方法，其特征在于，所述特征库包括尺度不变特征变换SIFT、尺度不变特征变换SUFT、局部二值模式LBP、边缘提取的线性滤波器GABOR、方向梯度的直方图HOG、角点检测FAST、空间包络特征GIST、特征点描述BRIEF、角点检测HARRIS、尺度不变特征变换ORB、纹理特征描述GMRF、多尺度纹理图像分割HMT、纹理提取LAWS、纹理特征TAMURA、综合局部特征、半方差、分型盒维数、灰度差分统计GLDS、灰度共生矩阵GLCM、小波分析WAVELET以及自相关函数特征。

3.根据权利要求1所述的电力巡检机器人的数字仪表识别方法，其特征在于，单个数字区域的获取方式包括以长宽为N×M大小的图像中点为中心，对包含图像2/3区域进行搜索，计算每个位置误差度： Xi,j表示数字仪表图像在(i，j)的像素值；

X'i,j表示数字仪表模板图在(i,j)的像素值；i表示横坐标，j表示纵坐标；找到误差度最小位置对齐后，按模板图的单个数字区域切分实际图像得到单个数字图像。

4.根据权利要求1所述的电力巡检机器人的数字仪表识别方法，其特征在于，机器训练准备阶段中步骤四还包括：分析目前最优特征集对0～9十个数字单独的识别准确率，对单个数字识别准确率低于标准识别率的，再添加相应单项特征中识别最好的特征，直到准确率变化小于第二阈值停止。

5.根据权利要求4所述的电力巡检机器人的数字仪表识别方法，其特征在于，单个数字标准识别率范围为[0.95,0.99]，第二阈值范围为[0.05,0.15]。

6.根据权利要求1所述的电力巡检机器人的数字仪表识别方法，其特征在于，所述支持向量机回归的解包括：其中

f(x)表示为当前数字概率，b表示超参数；m表示为训练图像集个数； 为第i个训练图像集，yi为第i个训练图像集对应的标签值，ε为训练结果与标签值所允许的单边误差范围，和αi为拉格朗日函数中的相关参数，xi即为0～9十个数字。