En entornos de trabajo de subestaciones, se utilizan ampliamente manómetros analógicos para el monitoreo de equipos. La lectura precisa de los valores del manómetro es crucial para comprender en tiempo real el estado operativo del equipo y mejorar la inteligencia en la operación y mantenimiento de los equipos de la subestación. Sin embargo, los algoritmos existentes de reconocimiento de lectura de manómetros enfrentan errores significativos en escenarios complejos y tienen dificultades para adaptarse a manómetros con diferentes rangos de medición. Para abordar estos problemas, este documento propone un método de lectura automática para manómetros analógicos que consta de dos etapas: segmentación del manómetro y reconocimiento de lectura. En la etapa de segmentación del manómetro, se utiliza una red DeepLabv3+ mejorada para lograr una segmentación precisa de la escala del manómetro y la aguja, y la red se optimiza para cumplir con los requisitos en tiempo real. En la etapa de reconocimiento de lectura, primero se corrige la imagen distorsionada, y se utiliza PGNet para obtener información de la escala para el emparejamiento de escalas. Finalmente, se emplea un método basado en ángulos para lograr el reconocimiento automático de lectura del manómetro analógico. Los resultados experimentales muestran que la red DeepLabv3+ mejorada tiene 4.25 M de parámetros, con un tiempo de detección promedio de 19 ms por imagen, una precisión promedio de píxeles del 92.7% y una intersección sobre unión (IoU) promedio del 79.7%. El algoritmo de reconocimiento de lectura logra una precisión de lectura del 92.3% en imágenes de manómetros en varios escenarios, mejorando efectivamente la precisión del reconocimiento de lectura y proporcionando un fuerte apoyo para el desarrollo de operaciones y mantenimiento inteligentes en subestaciones.