摘要: 电梯钢带作为电梯的承重和驱动的关键零件，是保障电梯安全的基础。电梯钢带在频繁使用过程中一旦出现磨损、划伤等表面损伤会威胁电梯运行安全可靠性，进而严重威胁电梯用户的生命安全。因此，亟需开展电梯钢带表面损伤的检测研究，为电梯安全可靠运... 展开 电梯钢带作为电梯的承重和驱动的关键零件，是保障电梯安全的基础。电梯钢带在频繁使用过程中一旦出现磨损、划伤等表面损伤会威胁电梯运行安全可靠性，进而严重威胁电梯用户的生命安全。因此，亟需开展电梯钢带表面损伤的检测研究，为电梯安全可靠运行提供重要技术支撑。本文针对电梯安全运行检测的实际需要，开展电梯钢带表面损伤检测研究，基于机器视觉搭建电梯钢带表面损伤检测平台，实现电梯钢带表面损伤的智能化检测，进而提高电梯作业的安全，具有一定的理论研究和工程运用价值。 首先，分析常见的电梯钢带表面损伤，并建立图像数据集；对电梯钢带表面损伤图像进行预处理，包括图像对比度的增强、图像噪声的降低以及图像的分割提取；针对潮湿易起雾环境中采集的电梯钢带表面损伤图像，提出不同工况下对图像进行Retinex去雾、暗通道去雾处理；针对昏暗环境中采集的电梯钢带表面损伤图像，使用基于γ校正的图像增强算法进行图像处理。 接着，针对电梯钢带表面损伤检测，本文将采用深度学习中的目标检测算法模型对电梯钢带表面损伤进行实时检测，分别使用单阶法中的SSD、Yolo目标检测算法框架对电梯钢带表面损伤图像进行训练，比较各项指标，确定SSD目标检测算法进行电梯钢带表面损伤检测；为更好满足电梯钢带表面损伤检测的实时性要求，本文对SSD算法框架主干网络进行调整，融合MobileNet以及GhostNet轻量级网络，改进后的模型可以在保证准确性的基础上提高检测速度；对电梯钢带表面损伤进行像素级分类，基于U-net语义分割模型对表面损伤进行图像分割。 然后，采用Snap7开源库系统结合西门子PLC采集电梯钢带出现表面损伤的环境、位置信息；基于双目相机成像理论和双目相机测距理论，生成电梯钢带深度图像；基于钢带深度信息和相机成像物理模型估算钢带表面损伤实际尺寸。 最后，基于机器视觉并结合PyQt5框架进行电梯钢带表面损伤检测平台的搭建。该检测平台能够实现电梯钢带表面损伤的检测、电梯钢带工况参数的获取、图像表面损伤信息管理等功能，为电梯钢带安全可靠运行提供重要技术支撑。 收起