基于機器視覺的電梯曳引輪輪槽不均勻磨損檢測方法

董 寧

（北京市順義區特種設備檢測所，北京 101300）

0 引言

通過曳引驅動式方式升降的電梯在使用過程中，輪槽很容易產生磨損。這種磨損具有客觀、普遍的特性，是不可避免的。當非均勻磨損達到一定程度，并且沒有及時采取維護措施的情況下，曳引能力會降低。當曳引系數被影響，輪槽變形會導致轎廂運行不穩定。輪槽的曳引能力發生改變，會影響電梯的使用安全。電梯運行過程中主機驅動輪的摩擦力是運行的主要動力，曳引輪輪槽的磨損問題在電梯運行中有較高的出現頻率，嚴重影響乘梯體驗。當前，對于電梯運行相關的安全標準以及法律、法規逐步正在完善和制定。對于長時間使用發生老化的設備，需要及時進行更新，以防止安全事故的發生。

電梯行業的快速發展與市場的不斷擴大，給其運行期間的檢查與維護帶來挑戰。為了保證電梯的正常使用，需要分析電梯的結構以及各種安全裝置。曳引機的主體包含著曳引輪、減速器和電機等部分，其中尤其需要注意曳引輪輪槽部分的磨損，管理人員需要定期檢查磨損量，設計師需要提高材料的品質，以減少電梯事故的發生。本文基于機器視覺的檢測方法對曳引輪圖像進行處理，在提高測量精度的基礎上提供更加豐富的磨損信息。

1 電梯曳引輪輪槽磨損檢測方法

1.1 電梯曳引輪輪槽條紋去除

根據激光三角測量原理，使用鉸制螺栓連接內輪和外輪圈，當輪槽發生不正常磨損、或者磨損程度導致曳引力不符合要求時，需要將曳引輪從設備上拆卸下。為了實現定量檢測，需要查看輪槽工作平面是否平滑，并檢查鋼絲繩在工作面高度是否大于3 mm。實際檢測過程中，通過空載曳引力實驗，建立相應的離散特征參數來發射傳感器信號。為了便于日常維護和后期管理，要求檢測精度達到0.05 mm。

由于檢測環境光照不均勻給檢測帶來了難度，利用雙鏡頭垂直分布，提高原始圖片對比度。本文基于激光點陣技術，將激光位移傳感器用于曳引輪輪槽磨損的非接觸性檢測。利用光源的遠心透鏡捕捉、檢測散射光斑的位置。實現弱光照環境下的穩定可靠測量。通過邊緣抑制降噪法剔除噪點干擾，提高檢測精度。常用的曳引輪繩槽有多種類型，本文主要以U 形槽口為研究對象。

為了實現實時檢測，避免紋理干擾影響后續磨損區的提取，本文提出基于鏈表結構的區域連接標記算法。通過空間區域圖對應頻率分量可以表示為：

其中，f 表示像素點應變值，r′和r 分別表示鏈表節點的表面距離和切面距離，d 表示輪槽切面和節點的實際距離，α 表示離散變量，b 表示輪槽面的垂直長度。磨損的不均勻性使磨損區曳引輪槽底部有間隙。每個節點儲存每個行程的標簽，計算分割后背景區與曳引輪區間的方差，進而實現曳引輪槽條紋的去除。接下來使用機器視覺技術對圖像數據進行處理。

1.2 基于機器視覺技術完成圖像數據的預處理

為使機器視覺技術在實際應用中能夠達到理想的效果，可以通過圖像處理的方法有效減少干擾和噪聲，提高圖像數據精度，實現數據的預處理。通過視覺傳感器進行數字信號的轉換，再將數字信號處理后顯示在顯示屏中，具體流程如圖1 所示。

圖1 機器視覺應用流程

計算機通過USB 端口控制外連步進電機驅動器，同時使用光源為高倍鏡分辨率鏡頭提供光源。由于高清攝像頭系統處理能力較弱，本次選取高斯濾波對圖像進行降噪處理。使用PointGrey800 萬像素的CCD 攝像機，在Windows 10（64 位）操作系統上進行實驗，從而獲取相關圖像的模擬信號。曳引輪通常具有磨損區域像素灰度值高、磨損區域邊界處像素灰度值急劇變化的特征。通過高倍率鏡頭將電梯曳引輪影像投射到CCD 攝像機中，系統能夠根據實際狀況自動選擇灰度，經條紋去除、對比度增強等操作，確定CCD 的閾值，使得磨損區內狹縫減少。檢測過程不影響電梯運行?；跈C器視覺對電梯曳引輪輪槽磨損進行圖像采集并校正畸變后，光心投影的誤差較為集中，圖像精度也有提升。再結合遷移磨損圖像及圖像預處理模塊和磨損類型，對圖像進行預處理。

1.3 匹配曳引輪輪槽磨損特征向量

完成圖像預處理后，采用融合不變矩的方式匹配輪槽特征向量。與現有的基于行程的算法相比，綜合考慮成本等問題，選擇合適的方法提高預測效率。在鏈表頭結點中儲存連通域面積，結合區域求算法給出曳引輪輪槽磨損狀態參數和磨損位置信息。根據濾波處理后采集融合匹配參數。比較相似度后，考慮離散情況下，（）階幾何矩為：

將提取到的目標輪廓放在實驗數據中，進一步觀察垂直方向像素的分布，比較邊緣檢測算子的實驗結果。選擇使用中值濾波去除噪聲，微調AlexNet 網絡參數。對工件表面紋理圖像的特征參數進行提取，提出采用相對距離作為電梯曳引輪輪槽磨損特征向量的匹配。

1.4 曳引輪輪槽非磨損區域分割

曳引輪輪槽特征向量匹配完成后，磨損區與曳引輪非磨損區間的像素差異被拉大。利用待檢測圖像中輪廓與模板圖像輪廓的對比度增強，選取多個起點進行區域生長，再選取不變矩匹配方法，其中背景區域內所獲取的邊緣檢測結果顯示，像素灰度變化較為平緩。若直接以磨損區域作為目標分割，可能會影響分割后的結果完整度，為減弱此類干擾的影響，采集曳引輪槽底部間隙圖像。

邊緣檢測的實驗結果顯示曳引輪繩槽是曲面形態的。采集圖像時首先去除條紋，使用迭代閾值化的結果進行預處理。接下來繪制圖像灰度直方圖，首先需得到圖像最大灰度值，將最大和最小值設為除數因子，再以中間槽為對象，分析其電壓的實際位移值。將曳引輪徑向距離與移動距離的數據點交匯處標點，實現最佳閾值的搜索判定。用（r+p，O）表示增強后圖像，采集到的電梯曳引輪邊緣區域坐標用（T-H，O）表示，將以上坐標帶入直線方程y=kx+p 中，得垂直距離表達式：

式中，S 表示相機垂直方向物距，O 和l 分別表示繩槽影響下受遮擋點外緣間距和遮擋長度。在非磨損區域內隨機取點，構建點集S1、S2，并計算對應的RGB 色彩均值，作為區域生長閾值。在光照不均的情況下，閾值在60 左右屬于穩定的情況。從點集S1中捉取n 個點作為生長起點，得到曳引輪輪槽非磨損區域分割結果，完成整體檢測流程。

2 實驗

2.1 檢測實驗

為驗證本文采用的非接觸式檢測方法的有效性，首先對曳引輪輪槽的磨損區域分層進行圖像采集。選擇SSC-PL918P 增強型彩色攝像機和汽輪機轉子輪槽加工的曳引輪進行實驗，采用RGC-16A-E840 型顯微鏡進行圖像離線采集后將信號傳輸給CCD 傳感器，光源采用SCHOTT 型冷光源。

首先調整顯微鏡，獲得不同方向輪槽徑向距離的高低差，使其成像的最清晰部位與實際尺寸關聯，此時采集到的圖像為曳引輪磨損區域的最底端，然后對得到的包含清晰部分和模糊部分的圖像進行處理。

重復以上操作，緊接著將顯微鏡垂直往上移動，直到圖像采集到的最清晰部分區域對應曳引輪輪槽磨損區域的最低端。由于在移動顯微鏡的過程中，各層圖像的清晰部分在不斷變化，曳引輪輪槽磨損區域在不同的圖像中清晰度有差別。

2.2 測試結果

為驗證本文采用方法的有效性，對提取出的幾何參數進行評估，并對比人工檢測磨損量。具體數據見表1。

表1 電梯曳引輪輪槽磨損量檢測結果 mm

對比3 種檢測方法對電梯輪槽磨損的檢測結果。從表1 可以看出，10 個檢測點中，使用常規方法檢測的磨損量相對較高，最大值為1.88 mm，最小值為1.24 mm；人工檢測的磨損量最大值為1.71 mm，最小值為0.92 mm。本文提出的非接觸式檢測方法最小值為0.96 mm，誤差極小。

通過檢測實驗可以看出，電梯在使用過程中曳引力隨著輪槽的磨損而降低。綜合檢測精度等情況，表明該曳引式電梯為安全運行狀態，說明本文選擇的基于機器視覺的檢測方法應用結果與實際結果相符。

3 結束語

電梯在運行中，曳引輪磨損嚴重會導致轎廂沖頂等重大安全事故，因此研究提高檢測曳引輪輪槽磨損程度的方法具有重要意義。通過CCD 攝像機器采集圖像，實施預處理以及灰度處理等方式實現圖像邊緣檢測。相較于傳統接觸式檢測方法，本文提出的方法能夠更加精準且直觀地反映出輪槽磨損狀況，實現了對電梯輪槽磨損的準確檢測，具有一定應用價值。