（4）指针仪表读数
为解决变电站内不同仪表间读数难的问题，本文提出了一种通用级联卷积神经网络读数方法。该方法能够准确读取包括圆形仪表、方形仪表以及刻度不均匀仪表示数。
提出了一种适用于指针仪表场景下的”大背景小目标”数据增强方法，该方法能够在不引入冗余背景信息的前提下大量增加数据样本，且增加样本数据不会脱离原始图片分布。
提出了一种自适应特征融合金字塔结构（），该方法能够在不同支路特征融合过程中学习到每个支路的重要程度，并进行不同层次的特征融合。该方法能够极大的提高不同尺度特征的融合效率。