[发明专利]一种非接触式的电梯钢筋绳缺陷检测方法

说明书

本发明公开了一种非接触式的电梯钢筋绳缺陷检测方法，包括，通过TDI‑CCD传感器采集电梯钢筋绳图像，并对电梯钢筋绳图像进行预处理；基于人工神经网络构建电梯钢筋绳缺陷检测模型；利用图形用户接口和预处理后的电梯钢筋绳图像训练电梯钢筋绳缺陷检测模型，提取电梯钢筋绳缺陷特征向量；通过电梯钢筋绳缺陷特征向量和梯度上升策略拟合电梯钢筋绳缺陷检测模型的权重系数，完成电梯钢筋绳缺陷检测模型的优化；利用优化后的电梯钢筋绳缺陷检测模型检测电梯钢筋绳缺陷；本发明基于人工神经网络构建电梯钢筋绳缺陷检测模型，并做了相关的参数优化，鲁棒性较强，对电梯钢筋绳实现了无接触的自动检测，且检测精度高，速度快。

技术领域

本发明涉及网络安全的技术领域，尤其涉及一种非接触式的电梯钢筋绳缺陷检测方法。

背景技术

钢筋绳作为电梯主要的提升、牵引和承重构件，在工作过程中，不可避免地出现如断丝、磨损、锈蚀等各种损伤。其运行和工作状态直接关系到人身财产安全，因此对钢筋绳的工作状态进行实时监测意义重大。钢筋绳故障检测系统存在灵敏度低、稳定性差等缺点。如何提高钢筋绳故障检测精度是及早发现钢筋绳故障，消除事故隐患的关键。

电梯是一种直接关系到人民群众生命安全的特种设备，如何保障电梯的安全运行是政府极为重视的问题，电梯钢筋绳承载电梯轿厢和对重的全部重量，是保障电梯安全运行的重要部件。

目前对钢筋绳缺陷的检测多数采用漏磁检测法进行检测，传统的漏磁检测法对检测设备和检测环境的要求较高，再加上钢筋绳本身尺寸的复杂性，使得传统的漏磁检测法的检测结果与实际缺陷情况存在较大的偏差。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有存在的问题，提出了本发明。

因此，本发明提供了一种非接触式的电梯钢筋绳缺陷检测方法，能够解决对于含有污渍的电梯钢绳难以检测的问题。

为解决上述技术问题，本发明提供如下技术方案：包括，通过TDI-CCD传感器采集电梯钢筋绳图像，并对所述电梯钢筋绳图像进行预处理；基于人工神经网络构建电梯钢筋绳缺陷检测模型；利用图形用户接口和预处理后的电梯钢筋绳图像训练所述电梯钢筋绳缺陷检测模型，提取电梯钢筋绳缺陷特征向量；通过所述电梯钢筋绳缺陷特征向量和梯度上升策略拟合电梯钢筋绳缺陷检测模型的权重系数，完成电梯钢筋绳缺陷检测模型的优化；利用优化后的电梯钢筋绳缺陷检测模型检测电梯钢筋绳缺陷。

作为本发明所述的非接触式的电梯钢筋绳缺陷检测方法的一种优选方案，其中：所述预处理包括，灰度化所述电梯钢筋绳图像；通过小波分析策略去除电梯钢筋绳灰度图像的噪声；通过LoG滤波器增强电梯钢筋绳灰度图像的边缘。

作为本发明所述的非接触式的电梯钢筋绳缺陷检测方法的一种优选方案，其中：所述去除噪声包括，选择小波基函数和小波分解层数，将所述电梯钢筋绳灰度图像进行小波分解，得到小波分解系数；通过软阈值函数对所述小波分解系数进行阈值量化，获得估计小波系数；根据所述小波系数，利用重构算法进行小波重构，去除所述电梯钢筋绳灰度图像的噪声。

作为本发明所述的非接触式的电梯钢筋绳缺陷检测方法的一种优选方案，其中：所述电梯钢筋绳缺陷检测模型包括输入层、隐含层和输出层；其中输入层的节点数为6，输出层的节点数为4。

作为本发明所述的非接触式的电梯钢筋绳缺陷检测方法的一种优选方案，其中：所述训练包括，根据柯尔莫哥洛夫强大数律设置隐含层的节点数，并设置训练误差值为0.005，当所述电梯钢筋绳缺陷检测模型收敛时停止训练。