1.一种基于深度学习的指针仪表读数识别方法，其特征在于，包括：获取原始指针仪表图像并进行预处理，获得处理后的指针仪表数据集；

构建初始指尺提取网络模型，基于所述处理后的指针仪表数据集对初始指尺提取网络模型进行训练，获得目标指尺提取网络模型；

基于所述训练后的目标指尺提取网络模型对待识别指针仪表图像进行识别，获得无背景指针与尺度仪表的图像识别结果；

基于所述训练后的目标指尺提取网络模型对待识别指针仪表图像进行识别的过程包括：基于指针仪表特征提取模块提取指针仪表图像特征；

基于多尺度特征图融合模块提取多尺度指针仪表图像特征；

基于指针仪表自适应特征提取模块还原原始指针仪表图像空间结构；

所述基于指针仪表特征提取模块提取指针仪表图像特征的过程包括：将像素大小为512×512，3通道的原始指针仪表图像Y输入所述指针仪表特征提取模块，先由大小为1×1的卷积核进行卷积操作，得到像素大小为256×256，32通道的浅层指针仪表特征图F1；

将所述浅层指针仪表特征图F1输入至第一个混合空洞卷积注意力块MDCA Block中进行处理，获得像素大小为128×128，64通道的中层指针仪表特征图F2；

将所述中层指针仪表特征图F2输入至第二个混合空洞卷积注意力块MDCA Block中进行处理，获得空洞激活特征图R2；

将所述空洞激活特征图R2输入至第二个混合空洞卷积注意力块MDCA Block的DECA注意力模块进行处理，获得像素大小为64×64，128通道的深层指针仪表特征图F3，然后将所述深层指针仪表特征图F3输入多尺度特征图融合模块；

将所述浅层指针仪表特征图F1输入至第一个混合空洞卷积注意力块MDCA Block以及指针仪表自适应特征提取模块中的过程包括：将所述浅层指针仪表特征图F1输入混合空洞卷积注意力块MDCA Block中，首先经大小为3×3、空洞率为1的卷积核处理后，进入归一化与ReLU激活函数层；

再进入大小为3×3、空洞率为2的卷积核处理层，归一化与ReLU激活函数层；

再进入大小为3×3、空洞率为3的卷积核处理层，归一化与ReLU激活函数层；

最后经过3×3卷积操作得到空洞激活特征图R1，进入DECA注意力模块，通过所述DECA注意力模块捕获指针仪表图像数据的全局信息；

通过所述DECA注意力模块捕获指针仪表图像数据的全局信息的过程包括：以进入DECA注意力模块的空洞激活特征图R1为输入在空间维度上使用，平均池化与最大池化两个并行池化进行空间特征压缩，获得长度为C的一维向量；

对所述一维向量进行一维卷积，并经过Sigmoid激活函数得到各个通道的权重ω，将所述权重ω与原始特征图F相乘获得特征图其中

所述基于多尺度特征图融合模块提取多尺度指针仪表图像特征的过程包括：将深层指针仪表特征图F3进行1×1卷积操作，得到特征图M1、空洞率为12的特征图M2以及空洞率为24的特征图M3；

将所述特征图M1、特征图M2以及特征图M3在通道维度上进行拼接，获得具有大规模全局信息和小规模局部细节信息的多特征融合特征图M4；其中，所述特征图M1、特征图M2以及特征图M3的像素大小为64×64，128通道；所述多特征融合特征图M4的像素大小为64×64，128×3通道；

将所述多特征融合特征图M4进行3×3卷积后，所述多特征融合特征图M4的像素大小与中层指针仪表特征图F2一致，获得像素大小为128×128，128通道的多尺度特征图F4，并将所述多尺度特征图F4输入至指针仪表自适应特征提取模块中；

所述基于指针仪表自适应特征提取模块还原原始指针仪表图像空间结构的过程包括：将多尺度特征图F4与中层指针仪表特征图F2连接，包括所述中层指针仪表特征图F2通过1×1卷积将特征映射的通道调整为128，得到指针仪表特征图F5；

将所述指针仪表特征图F5与所述多尺度特征图F4通过1×1卷积操作在通道维度上进行拼接，获得指针仪表特征图F6；

将所述指针仪表特征图F6通过双线性重塑将像素大小调整为与浅层指针仪表特征图F1的像素大小相同，获得像素大小为256×256，128通道的指针仪表特征图F7；

所述浅层指针仪表特征图F1通过1×1卷积将特征映射的通道调整为128，得到指针仪表特征图F8，然后所述指针仪表特征图F8与指针仪表特征图F7执行连接操作和1×1卷积，获得大小为256×256，256个通道的指针仪表特征图F9；

将所述指针仪表特征图F9输入自调整卷积层中，提取不规则指针与尺度形状的特征，再经过1×1卷积和双线性重塑后，输出1个通道、512×512像素大小的最终指尺提取结果；

将所述指针仪表特征图F9输入自调整卷积层进行处理的过程包括：所述指针仪表特征图F9通过正常卷积层获得位置偏移，然后调制从每个采样点学习到的特征的偏移量和幅度；最后，执行几何变换特征学习过程，计算为：

2.根据权利要求1所述的基于深度学习的指针仪表读数识别方法，其特征在于，获取原始指针仪表图像并进行预处理的过程包括：在指针仪表前端安装摄像机，基于所述摄像机获取原始指针仪表图像；

对所述原始指针仪表图像进行手动标注，获得指针仪表分割数据集；

将所述指针仪表分割数据集生成的JSON文件转换为语义分割数据集，并将所述指针仪表分割数据集中的RGB彩色标签转换为对应的指针仪表单通道数字标签，然后将所述指针仪表单通道数字标签和原始指针仪表图像进行裁剪，获得指针仪表单通道数字标签和与指针仪表单通道数字标签对应的RGB遥感影像数据集。