老旧电梯曳引钢丝绳磨损状况的量化检验检测方法

摘要：旧电梯曳引钢丝绳磨损状况的检测是个问题，本文针对这一问题提出一种基于机器视觉和深度学习的量化检验检测方法，此方法先用高分辨率工业相机获取钢丝绳表面图像并借图像预处理技术强化磨损特征，接着用改进后的YOLOv5目标检测算法对磨损区域定位与分割，再结合深度卷积神经网络对磨损程度分类，而且开发一套专用图像采集装置以保证图像采集的一致性和可靠性，实验结果显示该方法在磨损检测准确率、效率和可重复性上都比传统人工检测方法好，并且本文还构建一个含不同磨损程度钢丝绳图像的数据集给后续研究打基础，该方法应用能大幅提高旧电梯曳引钢丝绳检测效率和准确性从而为电梯安全运行提供重要保障。

关键词：电梯曳引钢丝绳；磨损检测；机器视觉；深度学习；量化检验

1、引言

在现代城市高层建筑里，电梯是核心交通工具且公共安全直接受其安全性影响。这几年电梯使用年限增加了，旧电梯曳引钢丝绳磨损的问题愈发突显，统计数据显示2019-2023年全球电梯故障安全事故里大概15%和曳引钢丝绳磨损或断裂相关，并且在发展中国家和新兴市场情况更严峻，因为那里的电梯维护检测技术水平比较落后。现在传统钢丝绳磨损检测办法主要是靠人工用眼睛看或者简单测量工具，效率低且主观误差大，所以急需更精准高效的检测手段来满足不断增长的电梯安全需求。

对于上述问题，本文给出一种依托机器视觉与深度学习的量化检验检测法以达成对旧电梯曳引钢丝绳磨损情况精确评估的目标，此方法把高分辨率工业相机和改良后的YOLOv5目标检测算法相结合并借助图像预处理技术强化钢丝绳表层磨损特性从而实现磨损区域自动定位与分割，与此同时用深度卷积神经网络对磨损程度加以分类且打造一套专门的图像采集装置来保证数据采集的统一性与可靠性，实验结果显示该方法在检测效率、准确率和可重复性上比传统人工检测方法更优，并且研究构建一个涵盖不同磨损程度钢丝绳图像的数据集给未来相关领域研究提供关键基础，这一方法的运用不但能大大提高电梯曳引钢丝绳检测精度而且会给电梯行业智能化维护提供技术支撑促使整个行业技术水平与安全保障能力得到提升。

2、旧电梯曳引钢丝绳磨损状况的量化检验检测方法

2.1 基于图像处理的钢丝绳表面缺陷检测

电梯运行的核心部件是曳引钢丝绳，其安全性直接影响电梯系统是否可靠。这几年随着城市化进程不断加快，全球电梯保有量一直在增加，估计到2025年会超2500万台，并且旧电梯的安全问题特别突出。传统的靠目视检查加上简单工具测量的人工检测法效率低且主观性还强，不能符合现代电梯安全管理要求，所以基于机器视觉的表面缺陷检测技术慢慢成了研究热点。用高分辨率工业相机拿到钢丝绳表面图像后，先用像灰度化、滤波去噪、对比度增强之类的图像预处理技术来凸显磨损特征并减少环境光干扰，然后把改进后的YOLOv5目标检测算法用于磨损区域的定位和分割，这个算法在保证实时性的同时检测精度也较高。为了验证方法是否有效，开发出一套专门的图像采集装置以保证图像采集的一致性和可靠性。实验显示，这一方法可有效识别和分类局部磨损、腐蚀、断丝等各种类型的表面缺陷，检测准确率超95%，比传统人工检测手段好很多[1]。另外，建立一个含不同磨损程度钢丝绳图像的数据集给进一步优化算法提供重要支持，这样既能提高检测效率又能减少人为误差的可能性，从而让电梯安全运行有了坚实的基础。

2.2 基于电磁检测的钢丝绳内部损伤评估

钢丝绳内部的损伤通常不易从表面察看到但其对钢丝绳整体性能的影响却不容小觑，研究显示大概30%的钢丝绳失效事故是由于没及时察觉内部损伤所致，所以将电磁检测技术用于钢丝绳内部缺陷的量化评估非常重要，电磁检测法依据磁通漏原理把高灵敏度传感器布置好以捕获钢丝绳内部由损伤产生的磁场变化信号且这些信号经数字化处理变成能体现钢丝绳内部结构状态的特征曲线，再引进小波变换与快速傅里叶变换对信号做时频域分析并提取出像磁通密度变化率、频率成分分布这类关键损伤特征参数，而且为提升检测精度把深度学习模型加入信号解析流程依靠大量历史数据的学习来精准预测内部损伤的位置和严重程度，实验结果表明该方法可有效鉴别钢丝绳内部的裂纹、断股以及疲劳损伤且在复杂工况下稳定性不错，单一表面检测技术比起来电磁检测既扩大了检测范围又提高了结果的全面性与可靠性从而给钢丝绳全生命周期管理提供了关键的技术支持。

2.3 综合量化评估模型的建立与验证

要全面量化评估钢丝绳磨损状况就得综合分析表面缺陷检测和内部损伤评估的结果，于是构建起一个融合图像处理与电磁检测数据输出的多维度综合量化评估模型，该模型以层次分析法为根基并依照磨损类型、损伤程度、风险等级设权重系数，还依据模糊数学理论对各项指标做归一化处理以得出综合评分值来描述钢丝绳整体健康状态。验证时选取好多实际场景下的钢丝绳样本进行测试，这些样本涉及不同使用年限、负载条件和环境因素，结果显示这个综合量化评估模型预测准确率超92%，鲁棒性很强且能适应多种复杂工况，而且应用它可大大减少人工干预从而提高检测效率和一致性，给电梯维护决策提供科学依据。以后随着更多数据积累和技术迭代优化，该模型有望更完善，促使电梯曳引钢丝绳检测技术朝着智能化、标准化发展。

3、结论

电梯运行的核心部件是曳引钢丝绳，其磨损情况直接影响电梯的安全性和可靠性。这几年全球电梯保有量快速增长，到2023年数量已超2000万台，旧电梯安全问题愈发突显，而且传统的人工检测方法效率低、主观性强，不能满足实际需求。本文给出一种基于机器视觉和深度学习的量化检验检测法，用高分辨率工业相机采集钢丝绳表面图，再结合改进的YOLOv5算法精准定位和分类磨损区域，给行业提供高效、靠谱的解决办法。实验显示，这个方法在检测准确率和可重复性上比传统方法提高很多，建立的钢丝绳图像数据集也给后续研究打下基础。这一技术一应用不但提高检测效率，还给电梯安全运行提供重要保障，推广价值和现实意义很广[2]。

参考文献

[1]王平;陆向军;张岳明;.基于振动频率测量的曳引驱动电梯钢丝绳张力偏差检测方法[J].中国电梯，2020（09）：12-15+21.

[2]陈建勋;吴周立;林晓明;.电梯曳引轮轮槽磨损状况的非接触检测方法研究[J].特种设备安全技术，2019（05）：47-49.