基于机器视觉技术的电梯曳引轮磨损检测研究

林 宁

(福建省特种设备检验研究院 泉州分院，泉州 362000)

0 引 言

电梯是人们日常生活不可缺少的工具，曳引式电梯目前应用范围广泛。轮槽呈现不均匀磨损时，将影响电梯的曳引水平[1]。由于电梯运行曳引力是需要通过钢丝绳与曳引轮槽摩擦产生的，一旦曳引轮槽磨损量超标，就会导致钢丝绳打滑，以至于曳引力下降甚至消失，造成冲顶、溜梯等故障。磨损量就是由于磨损引起的材料损失量，其可以通过对长度、体积或质量变化的测量而得到。以往检测电梯曳引轮磨损主要有经验目测法以及机械测量法两种。经验目测法需利用经验人员依据自身的检测经验，并使用钢丝绳张力计丈量轿厢侧每条钢丝绳的张力，从而对磨损程度以及是否需要维修进行判断；机械测量法即利用测量装置通过测量曳引轮宽度、切口等尺寸衡量曳引轮是否存在磨损[2-3]。以上两种方法需在曳引式电梯停机情况下检测，具有较低的检测效率，且检测成本较高，需耗费大量人力物力。图象处理技术具有较高的实时性以及检测精度，利用机器视觉技术采集所需检测图象，通过对图象实施处理获取曳引轮磨损检测结果[4]。机器视觉技术实现电梯曳引轮磨损检测具有非接触式以及可视化的特点，应用性较高。

目前针对曳引轮磨损检测研究较多，文献[5-6]分别利用单目视觉以及图象处理技术实现电梯曳引轮磨损检测[5-6]，以上两种方法虽可以实现电梯曳引轮磨损的有效检测，但存在检测实时性较差，算法复杂性过高的缺陷。为解决这一问题，本文将机器视觉技术引进该领域，将被摄取目标转换成图象信号，帮助人们进行问题分析。为此，本文对基于机器视觉技术的电梯曳引轮磨损检测方法进行研究。利用机器视觉技术采集电梯曳引轮图象，利用校正后图象通过轮廓定位与边缘拟合方法获取电梯曳引轮曳引绳与曳引轮槽间隙，计算电梯曳引轮绳槽间隙的遮挡补偿量，获取最终电梯曳引轮磨损检测结果。通过实验验证采用该方法在检测电梯曳引轮磨损方面的效果。

1 基于机器视觉技术的电梯曳引轮磨损检测

1.1 机器视觉技术

1.1.1 图象采集

选取CCD相机与高倍高分辨光学镜头结合的方式，采集电梯曳引轮图象。机器视觉技术可将电梯曳引轮磨损检测精度提升至微米级甚至更高[7]，满足电梯曳引轮磨损检测的高精度应用需求。应用于电梯曳引轮磨损检测的机器视觉技术图象采集总体结构图如图1所示。从图1可以看出，通过CCD摄相机与高倍高分辨率镜头结合实现机器视觉技术的图象采集，利用光源为高倍高分辨率镜头提供光源。光源照射电梯曳引轮磨损面[8]，通过高倍高分辨率镜头将电梯曳引轮成象结果投射至CCD摄相机中，通过图象处理技术实现电梯曳引轮磨损检测。

图1 图象采集总体结构图

选取Point Grey 2/3英寸、象素为800万的工业级黑白面阵CCD相机作为图象采集相机；选取Navitar12倍放大倍率以及电机驱动为5相步进电机驱动的变倍、变焦放大光学镜头作为图象采集镜头，将1.0x标准适配器以及2.0x镜头附件应用于镜头前端以及镜头后端配置中。图象采集设备仅占用较小空间[9]，可适用于电梯曳引轮磨损检测中，具有方便拆卸以及结构简单的优势，检测过程中不与电梯形成干涉，不影响电梯正常运行。

1.1.2 摄相机畸变模型

机器视觉技术采集图象过程中，相机镜头存在畸变情况，利用畸变模型校正图象采集过程中的畸变情况。径向畸变所造成的畸变将令图象采集时在径向位置移动方向出现偏差。P1与P2分别表示理想投影点以及畸变投影点。离心畸变为镜头形成的畸变[10]，畸变点与离心点呈非线性关系。建立畸变模型如下：

式中：图象投影点(xd,yd)与(x,y)分别表示理想点以及实际点，(αx,αy)表示由于镜头造成畸变的非线性关系畸变误差。

采用机器视觉技术采集电梯曳引轮图象时，建立电梯曳引轮图象的离心畸变模型如下：

建立电梯曳引轮图象的径向畸变模型如下：

采用机器视觉技术检测电梯曳引轮磨损对精度要求较高，采用以上畸变模型可改善电梯曳引轮磨损检测过程中造成的畸变。

1.2 图象预处理

灰度处理所采集的电梯曳引轮图象，完成图象灰度处理后通过以下步骤实现图象预处理：

1) 双边滤波。选取改进Canny算子实现图象的双边滤波，Canny算子通常情况下采用高斯滤波方法对图象实施降噪处理。高斯滤波降噪方法可能造成图象边缘模糊情况，令图象中的细节信息缺失，影响电梯曳引轮磨损检测精度。预处理电梯曳引轮图象时，选取双边滤波方法对图象实施降噪处理[11]，提升图象的边缘细节显示程度。令图象中的边缘象素仅受到较小影响，保留所采集图象的边缘象素。加权处理邻域象素值，获取采用双边滤波算法输出象素值表达式如下：

式中:f(k,l)与I(i,j)分别表示输入的电梯曳引轮图象象素值以及输出象素值，w(i，j，k，l)表示加权系数。

2) 梯度计算。通过计算梯度幅值以及方向确定两部分实现梯度计算。将完成滤波处理后图象利用邻域为2×2的一阶偏导差分计算，获取采集图象的梯度幅值表达式如下：

电梯曳引轮图象的梯度方向表达式如下：

式中:Qx(i,j)与Qy(i,j)分别表示方向为x与y的电梯曳引轮图象象素点(i,j)的偏导，通常情况下选取0、45°、90°、135° 4个角度作为梯度方向。

3)双阈值化处理。T1与T2表示高阈值以及低阈值，利用所设定阈值实现图象分割。这是因为在采集图象时由于其他设备以及环境等情况引起的噪声会导致采集图象失真，无法进行图象分析。为此，需要对噪声进行去除，而在进行去噪操作时，必须选择合适的阈值，否则会导致采集图象仍然不清晰。将幅值大于T1以及小于T2的点分别标记为边缘点以及非边缘点，幅值结果处于二者之间时，需继续在邻域中搜寻[12]，存在可连通的边缘点设置为边缘点，否则设置为非边缘点，通过以上过程获取电梯曳引轮图象边缘检测结果。

1.3 曳引轮磨损检测算法

1.3.1 轮廓定位与边缘拟合

完成图象预处理后，利用所获取的边缘检测结果定位电梯曳引轮曳引绳以及曳引槽间的轮廓。选取不变矩匹配方法，设置匹配模板为标准轮廓形状，选取连通域标记方法获取图象以及模板的全部轮廓[13]。利用待检测图象中轮廓与模板图象轮廓的不变矩获取二者之间的相似度。轮廓不变矩过程如下：

采集的电梯曳引轮图象为离散状态下，阶数为p+q时，几何矩表达式如下：

采集的电梯曳引轮图象阶数为p+q时，中心矩表达式如下：

式中:(m,n)与f(m,n)分别表示采集图象象素点坐标值以及灰度值。

中心距归一化公式如下：

通过以上过程导出不变矩，利用不变矩通过相似度公式获取电梯曳引轮图象轮廓相似度结果如下：

(12)

利用式(12)的轮廓相似度结果获取电梯曳引轮曳引绳与曳引轮槽间隙值，利用间隙值衡量曳引轮磨损量。

1.3.2 电梯曳引轮绳槽遮挡补偿量

电梯曳引轮绳槽地面以曲面状态呈现，采集图象时绳槽间隙与底部形成遮挡[14]，需计算电梯曳引轮绳槽遮挡补偿量，提升电梯曳引轮磨损检测精度。设置曳引轮圆心作为坐标系坐标原点，用(r+θ,0)表示绳槽底部遮挡相机时，所采集电梯曳引轮检测区域边缘坐标；用(R-H,S)表示采集电梯曳引轮相机的光心坐标。将以上坐标代入直线方程y=kx+b中，用(x,y0)表示受遮挡点与相机光心点相连直线上的随机点坐标，可得垂直距离表达式如下：

式中:S与H分别表示相机垂直方向物距以及电梯曳引轮钢丝绳至相机光心间距；θ与R分别表示相机拍摄时受绳槽影响的遮挡长度以及曳引轮圆心至钢丝绳外缘距离；l表示曳引轮圆心至电梯曳引轮接触面极限可视点至相机光心的连线距离，即绳槽底部至曳引轮圆心距离[15]，其计算公式如下：

由于存在R=δ+l，δ=δ′+θ，其中δ与δ′分别表示电梯曳引轮绳槽槽底至钢丝绳外缘间距以及所采集图象的待检测区域可见长度。

获取电梯曳引轮绳槽遮挡补偿量公式如下：

S2(l+θ)2-l2(H-δ′)2-l2S2=0

(15)

通过式(15)实现电梯曳引轮绳槽遮挡补偿，提升电梯曳引轮磨损检测精度。

2 实例分析

为验证基于机器视觉技术的电梯曳引轮磨损检测方法对于电梯曳引轮磨损检测有效性，将本文方法应用于某17层建筑中的电梯曳引轮磨损检测。

本文方法采用机器视觉技术采集电梯曳引轮图象如图2所示。从图2可以看出，本文方法所采集图象具有较高的清晰度。本文方法在机器视觉技术的基础上，利用光源为高倍高分辨率镜头提供光源。光源照射电梯曳引轮磨损面，通过高倍高分辨率镜头将电梯曳引轮成像结果投射至CCD摄相机中，还采用机器视觉模型中的畸变模型抑制相机采集图象过程中的畸变，可实现电梯曳引轮高清图象采集。

图2 采集电梯曳引轮图象

利用本文方法对图象实施灰度处理，灰度处理后结果如图3所示。从图3可以看出，本文方法可实现所采集电梯曳引轮图象的灰度处理，但存在部分区域由于噪声导致图象模糊情况。灰度处理后的图象有助于电梯曳引轮边缘提取，为电梯曳引轮磨损精准检测提供基础。

图3 灰度处理后图象

利用本文方法对灰度处理后的图象实施双边滤波，双边滤波处理结果如图4所示。从图4可以看出，利用双边滤波处理提升了完成灰度处理后的图象清晰度，双边滤波可有效处理图象中所包含的噪声，令图象具有更高的清晰度，提升图象边缘检测性能。

图4 双边滤波结果

利用本文方法，并通过双阈值化处理获取图象边缘检测结果如图5所示。从图5可以看出，采用本文方法可实现图象边缘的有效检测，利用所检测的电梯曳引轮图象边缘实现电梯曳引轮磨损的精准检测。

图5 边缘检测结果

本文方法采用机器视觉技术采集图象时，利用畸变模型对CCD摄相机所采集图象实施畸变校正处理。本文方法进行畸变校正前后的投影误差分布结果如图6所示。从图6可以看出，本文方法可利用机器视觉模型中的畸变模型实现图象采集过程中的畸变校正，使光心的投影误差较为集中。采用本文方法进行畸变校正后，可令相机具有最优的参数，相机标定精度有所提升，而且可以提升电梯曳引轮磨损检测精度。

图6 投影误差校正结果

采用本文方法检测电梯曳引轮磨损，电梯曳引轮轮槽以及轮绳间距遮挡补偿结果如图7所示。从图7可以看出，采用本文方法可实现电梯曳引轮绳槽间距的有效补偿，验证本文方法补偿电梯曳引轮绳槽间距具有较高有效性，本文方法可通过轮槽间距补偿提升电梯曳引轮磨损检测精度。

图7 绳槽间隙补偿结果

采用本文方法检测电梯曳引轮磨损的统计结果如表1所示。从表1可以看出，采用本文方法可实现电梯曳引轮磨损量的有效检测。本文方法采用非接触式测量方法，实现不同检测点磨损量精准检测。本文方法检测不同检测点电梯曳引轮磨损量结果均在合格判定标准内，说明该曳引式电梯为安全运行状态。采用人工机械测量方法检测电梯曳引轮磨损同样为安全状态，此电梯曳引轮磨损量检测结果与采用人工机械测量法所检测结果相同，说明本文方法检测结果与实际结果相符。

表1 电梯曳引轮磨损检测结果

3 结 语

本文利用机器视觉技术采集图象实现电梯曳引轮磨损检测。将采集图象实施双边滤波等预处理，通过图象预处理实现图象边缘检测，利用完成分割的图象实现电梯曳引轮磨损检测，实现电梯曳引轮磨损的有效量化。采用机器视觉技术实现电梯曳引轮磨损检测，具有较高的实时测量性能。本研究方法可实现电梯曳引轮不均匀异常磨损的有效检测，在电梯实际运行中具有较高的有效性。