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(qū)特種設(shè)備檢測所，北京 101300）

0 引言

通過曳引驅(qū)動式方式升降的電梯在使用過程中，輪槽很容易產(chǎn)生磨損。這種磨損具有客觀、普遍的特性，是不可避免的。當(dāng)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(dāng)曳引系數(shù)被影響，輪槽變形會導(dǎo)致轎廂運行不穩(wěn)定。輪槽的曳引能力發(fā)生改變，會影響電梯的使用安全。電梯運行過程中主機驅(qū)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(xiàn)頻率，嚴重影響乘梯體驗。當(dāng)前，對于電梯運行相關(guān)的安全標(biāo)準以及法律、法規(guī)逐步正在完善和制定。對于長時間使用發(fā)生老化的設(shè)備，需要及時進行更新，以防止安全事故的發(fā)生。

電梯行業(yè)的快速發(fā)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(zhàn)。為了保證電梯的正常使用，需要分析電梯的結(jié)構(gòu)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(shè)計師需要提高材料的品質(zhì)，以減少電梯事故的發(fā)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(chǔ)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(jù)激光三角測量原理，使用鉸制螺栓連接內(nèi)輪和外輪圈，當(dāng)輪槽發(fā)生不正常磨損、或者磨損程度導(dǎo)致曳引力不符合要求時，需要將曳引輪從設(shè)備上拆卸下。為了實現(xiàn)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(yīng)的離散特征參數(shù)來發(fā)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(huán)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(shù)，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(xiàn)弱光照環(huán)境下的穩(wěn)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(xiàn)實時檢測，避免紋理干擾影響后續(xù)磨損區(qū)的提取，本文提出基于鏈表結(jié)構(gòu)的區(qū)域連接標(biāo)記算法。通過空間區(qū)域圖對應(yīng)頻率分量可以表示為：

其中，f 表示像素點應(yīng)變值，r′和r 分別表示鏈表節(jié)點的表面距離和切面距離，d 表示輪槽切面和節(jié)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(qū)曳引輪槽底部有間隙。每個節(jié)點儲存每個行程的標(biāo)簽，計算分割后背景區(qū)與曳引輪區(qū)間的方差，進而實現(xiàn)曳引輪槽條紋的去除。接下來使用機器視覺技術(shù)對圖像數(shù)據(jù)進行處理。

1.2 基于機器視覺技術(shù)完成圖像數(shù)據(jù)的預(yù)處理

為使機器視覺技術(shù)在實際應(yīng)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(shù)據(jù)精度，實現(xiàn)數(shù)據(jù)的預(yù)處理。通過視覺傳感器進行數(shù)字信號的轉(zhuǎn)換，再將數(shù)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(yīng)用流程

計算機通過USB 端口控制外連步進電機驅(qū)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(tǒng)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(tǒng)上進行實驗，從而獲取相關(guān)圖像的模擬信號。曳引輪通常具有磨損區(qū)域像素灰度值高、磨損區(qū)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(tǒng)能夠根據(jù)實際狀況自動選擇灰度，經(jīng)條紋去除、對比度增強等操作，確定CCD 的閾值，使得磨損區(qū)內(nèi)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(jié)合遷移磨損圖像及圖像預(yù)處理模塊和磨損類型，對圖像進行預(yù)處理。

1.3 匹配曳引輪輪槽磨損特征向量

完成圖像預(yù)處理后，采用融合不變矩的方式匹配輪槽特征向量。與現(xiàn)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(yù)測效率。在鏈表頭結(jié)點中儲存連通域面積，結(jié)合區(qū)域求算法給出曳引輪輪槽磨損狀態(tài)參數(shù)和磨損位置信息。根據(jù)濾波處理后采集融合匹配參數(shù)。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(biāo)輪廓放在實驗數(shù)據(jù)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(jié)果。選擇使用中值濾波去除噪聲，微調(diào)AlexNet 網(wǎng)絡(luò)參數(shù)。對工件表面紋理圖像的特征參數(shù)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(qū)域分割

曳引輪輪槽特征向量匹配完成后，磨損區(qū)與曳引輪非磨損區(qū)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(qū)域生長，再選取不變矩匹配方法，其中背景區(qū)域內(nèi)所獲取的邊緣檢測結(jié)果顯示，像素灰度變化較為平緩。若直接以磨損區(qū)域作為目標(biāo)分割，可能會影響分割后的結(jié)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(jié)果顯示曳引輪繩槽是曲面形態(tài)的。采集圖像時首先去除條紋，使用迭代閾值化的結(jié)果進行預(yù)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(shè)為除數(shù)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(shù)據(jù)點交匯處標(biāo)點，實現(xiàn)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(qū)域坐標(biāo)用（T-H，O）表示，將以上坐標(biāo)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(qū)域內(nèi)隨機取點，構(gòu)建點集S1、S2，并計算對應(yīng)的RGB 色彩均值，作為區(qū)域生長閾值。在光照不均的情況下，閾值在60 左右屬于穩(wěn)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(qū)域分割結(jié)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(qū)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(zhuǎn)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(diào)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(guān)聯(lián)，此時采集到的圖像為曳引輪磨損區(qū)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(fù)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(qū)域?qū)?yīng)曳引輪輪槽磨損區(qū)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(qū)域在不同的圖像中清晰度有差別。

2.2 測試結(jié)果

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

表1 電梯曳引輪輪槽磨損量檢測結(jié)果 mm

對比3 種檢測方法對電梯輪槽磨損的檢測結(jié)果。從表1 可以看出，10 個檢測點中，使用常規(guī)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(tài)，說明本文選擇的基于機器視覺的檢測方法應(yīng)用結(jié)果與實際結(jié)果相符。

3 結(jié)束語

電梯在運行中，曳引輪磨損嚴重會導(dǎo)致轎廂沖頂?shù)戎卮蟀踩鹿剩虼搜芯刻岣邫z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(yù)處理以及灰度處理等方式實現(xiàn)圖像邊緣檢測。相較于傳統(tǒng)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(xiàn)了對電梯輪槽磨損的準確檢測，具有一定應(yīng)用價值。