技术新讯 > 包装储藏,运输设备的制造及其应用技术 > 一种电梯曳引钢丝绳视觉缺陷检测方法、系统及介质与流程  >  正文

一种电梯曳引钢丝绳视觉缺陷检测方法、系统及介质与流程

  • 国知局
  • 2024-11-06 14:22:45

本技术涉及特种设备安全,特别涉及一种电梯曳引钢丝绳视觉缺陷检测方法、系统及介质。

背景技术:

1、目前,电梯已经逐渐成为人们日常生活中必不可少的出行工具,为人们出行提供了极大地乘坐便利。超过95%的在用电梯采用钢丝绳作为轿厢和对重之间的连接介质,电梯通过钢丝绳与曳引轮之间的摩擦力(即曳引力)完成牵引和制动。钢丝绳的使用质量直接影响到电梯的使用安全,在役钢丝绳的使用质量是需要重点关注的问题,也是检验、检测、日常维保重点检查的内容。根据tsg7001-2023《电梯监督检验和定期检验规则》中a1.2.5.1项关于钢丝绳的要求:一个捻距内的断丝数不超过表1所列数值。超过规定值时钢丝绳应该予以报废。

2、表1一个捻距断丝数量

3、

4、注:断丝数的参考长度为一个捻距,约为6d[d表示钢丝绳的公称直径,单位为毫米(mm)]

5、目前,电梯曳引钢丝绳检验及维保均是采用肉眼观察必要时使用游标卡尺测量直径等手段完成,针对钢丝绳存在的断丝、断股、点蚀等外观缺陷都是通过肉眼检测来完成,存在效率低下、精度不佳的缺陷,在电梯台量日益增加的城市现代化发展进程中很难做到保质保量完成检验检测任务、及时发现存在的隐患。

技术实现思路

1、本技术提供了一种电梯曳引钢丝绳视觉缺陷检测方法、系统及介质,其优点是通过电梯曳引钢丝绳的视频数据实现对电梯曳引钢丝绳视觉缺陷的检测,具有实时性好、准确性高等优点。

2、一方面,本技术提供一种电梯曳引钢丝绳视觉缺陷检测方法,包括以下步骤:

3、s1:采集电梯曳引钢丝绳的视频数据;

4、s2:对yolov7模型进行改进;在yolov7模型架构中:

5、将主干部分的卷积层替换成蛇形动态卷积;

6、对卷积层进行残差连接,使得网络可以直接学习残差;

7、将网络结构中的upsample替换为carafe方法;

8、在网络的sppcsps模块中添加biformer注意力机制;

9、s3:对改进后的yolov7模型进行训练;

10、s4:将步骤s1获得的视频数据输入训练完毕的改进后yolov7模型中,对电梯曳引钢丝绳的视觉缺陷进行检测并标记。

11、进一步的,蛇形动态卷积网络坐标计算方法如下:

12、对于一个标准3x3的2d卷积核k,其表示为:

13、k={(x-1,y-1),(x-1,y),…,(x+1,y+1)}(1)

14、在蛇形动态卷积中,将标准卷积核在x轴和y轴方向都进行了直线化,x轴方向的变化为:

15、

16、y轴方向的变化为:

17、

18、其中,i和j表示像素位置;i表示像素在x轴上的位置,j表示像素在y轴上的位置,在卷积操作中,i和j用于遍历整个图像或特征图,应用卷积核来计算输出值;c表示距中心网格的距离:在卷积操作中,卷积核在图像上滑动,进行逐点计算,卷积核的中心位置是计算的基准点,而c则表示相对于这个中心位置的偏移;δ变形偏移量

19、采用双线性插值,表示为:

20、k=∑k′b(k′,k)×k′(4)

21、k表示以上两个方程的小数位置,k′列举所有整数空间位置,b是双线性插值核,b(k′,k)可分解为两个一维核:

22、b(k′,k)=b(kx,k′x)×b(ky,k′y)(5)。

23、进一步的,carafe方法包括上采样核预测和特征重组,首先将h×w×c的特征图通过1×1卷积机压缩为h×w×cm的特征图,再经过内容编码和上采样核预测,得到的上采样核,对其进行归一化操作后,使其卷积核权重和为1;

24、其中,h:表示输入特征图的高度;

25、w:表示输入特征图的宽度;

26、c:表示输入特征图的通道数;

27、cm:表示经过1x1卷积压缩后的特征图的通道数;

28、σh:表示上采样后的特征图的高度,其中σ是上采样因子;

29、σw:表示上采样后的特征图的宽度,同样σ是上采样因子;

30、kup:表示上采样卷积核的大小;

31、然后将输出特征图中的每个位置映射回输入特征图,取出其中心kup×kup的区域,并和预测后该点的上采样核作点积得到输出值;相同位置的不同通道共享同一个上采样核,最后输出σh×σw×c的输出特征图。

32、进一步的,biformer注意力机制以双向关系注意力bra为核心构件,并采用四层金字塔架构来进一步处理特征,首先在第一阶段通过重叠图像块嵌入对图像进行预处理,在接下来的第二至第四阶段通过图像合并模块逐渐降低图像的分辨率同时增加通道数;在这一过程中,连续的biformerblock利用3×3的深度可分离卷积隐式地编码位置信息,bra模块负责捕获双向相对注意力,最终通过双层感知器mlp模块进行复杂的关系建模和位置嵌入。

33、进一步的,步骤s3中,还包括步骤:建立包含电梯曳引钢丝绳视觉缺陷图片的数据集,所述电梯曳引钢丝绳视觉缺陷图片来自不同电梯、不同角度和光线条件。

34、进一步的,所述数据集以8:1:1的比例划分训练集、测试集和验证集。

35、又一方面,一种电梯曳引钢丝绳视觉缺陷检测系统,其特征在于,包括:

36、视频采集单元,所述视频采集单元用于采集电梯曳引钢丝绳的视频数据;

37、主控单元,所述主控单元包括视频处理单元、算法处理单元及ui输出单元,所述视频处理单元用于对视频采集单元采集的视频数据进行预处理;所述算法处理单元部署有改进后的yolov7模型,ui输出单元用于输出检测结果;

38、以及屏幕,所述屏幕与ui输出单元连接用于显示检测结果。

39、进一步的,所述视频采集单元布置在电梯机房钢丝绳旁边,所述视频采集单元包括壳体、盖体、光源及摄像头,所述壳体上具有两个分别与光源和摄像头位置对应的窗口,所述光源的射出方向与摄像头的采集方向具有一夹角,该夹角满足:光源射出光照射在钢丝绳上的位置正对摄像头的采集方向。

40、进一步的,所述视频采集单元的安装位置满足:视频采集单元距离钢丝绳300~500mm。

41、进一步的,视频采集单元通过螺栓按照固定在电梯主机横梁上。

42、另一方面,一种计算机可读介质,所述计算机可读介质中存储有计算机程序,所述计算机程序被计算机调用执行时,实现如上所述的电梯曳引钢丝绳视觉缺陷检测方法。

43、综上所述,本技术的有益效果有:

44、1.本技术通过电梯曳引钢丝绳的视频数据实现对电梯曳引钢丝绳视觉缺陷的检测,具有实时性好、准确性高等优点;

45、2.本技术所提电梯曳引钢丝绳视觉缺陷检测系统具有结构紧凑、占用空间较小等优点,视频采集单元设置于机房主机横梁上,采集视野开阔且不占用其他设备的空间。;

46、3.本技术所提电梯曳引钢丝绳视觉缺陷检测系统安全可靠,基于树莓派控制单元的产品开发可靠且具有较高的精度,经在数据集上测试,改进后的yolov7算法map值达到了95%,能够胜任检测任务。

本文地址:https://www.jishuxx.com/zhuanli/20241106/321681.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。