基于深度学习的电梯特种设备钢丝绳检测方法

胡 建中
杭州格特电梯有限公司

摘要


本文提出了一种基于深度学习的电梯特种设备钢丝绳检测方法，通过卷积神经网络（CNN）对钢丝绳图
像进行特征提取和缺陷定位。利用高分辨率工业相机采集钢丝绳图像，并进行数据预处理和增强；选择ResNet50
作为基础模型，在NVIDIA Tesla V100 GPU上进行模型训练，利用迁移学习和微调优化模型性能；利用全卷积网
络（FCN）实现缺陷的精确定位；根据实验验证模型在实际应用中的检测精度和效率，并将训练好的模型部署在
NVIDIA Jetson AGX Xavier边缘计算设备上，进行实时缺陷检测和分类。实验结果表明，本文方法能够显著提高钢丝
绳缺陷检测的准确性和实时性。

关键词


深度学习；卷积神经网络；钢丝绳检测；电梯特种设备

全文:

PDF


参考


[1]苏万斌，徐涛，欧淼，等.基于机器视觉的高速

电梯钢丝绳动态特性研究[J].机械制造与自动化，2023，

52（06）：155-159.

[2]汪丽群，高颖，邓豪，等.基于Comsol的电梯钢

丝绳漏磁检测仿真分析与研究[J].无损探伤，2023，47

（05）：30-34.

[3]宋风旭.电梯钢丝绳漏磁检测及断丝信号采集系

统设计[J].自动化应用，2023，64（17）：141-143.

[4]蔡林峰，汤斌，杨泞珲，等.基于YOLOv5s的电

梯钢丝绳表面损伤检测算法研究[J].智能计算机与应用，

2023，13（06）：67-71.

[5]杨晓霞.电梯钢丝绳的检测与维护探讨[J].设备监

理，2023，（02）：74-76.

[6]陈俊先.电梯起重机械钢丝绳的检测与维护探讨

[J].科技资讯，2023，21（08）：64-67.




DOI: http://dx.doi.org/10.12361/2661-3654-06-06-135751

Refbacks

  • 当前没有refback。