基于DeepLabV3s的曳引轮磨损测量研究_刘士兴.pdf
《基于DeepLabV3s的曳引轮磨损测量研究_刘士兴.pdf》由会员分享,可在线阅读,更多相关《基于DeepLabV3s的曳引轮磨损测量研究_刘士兴.pdf(8页珍藏版)》请在咨信网上搜索。
1、第 40 卷第 2 期2023 年 2 月机电工程Journal of Mechanical Electrical EngineeringVol 40 No 2Feb 2023收稿日期:2022 06 22基金项目:国家重点研发计划资助项目(2021YFC3001601);安徽省质量技术监督科技计划资助项目(2018AHQT26)作者简介:刘士兴(1969 ),男,安徽合肥人,博士,副教授,主要从事工业视觉检测技术方面的研究。E-mail:liusx hfut edu cnDOI:10 3969/j issn 1001 4551 2023 02 017基于 DeepLabV3s 的曳引轮磨损测
2、量研究*刘士兴1,汪一丹1,王野1,王金博2(1 合肥工业大学 微电子学院,安徽 合肥 230009;2 安徽省特种设备检测院,安徽 合肥 230041)摘要:在不同的光照环境下,对电梯曳引轮的磨损量进行非接触式测量时存在误差较大这一问题,为此,提出了一种基于改进DeepLabV3 的曳引轮磨损自动测量算法。首先,构建了曳引轮绳槽的物理模型,基于采集到的曳引轮绳槽图片,建立了曳引轮绳槽数据集;然后,采用融合 SEnet 和 ECAnet 双注意力机制的 DeepLabV3s 模型,对数据集进行了训练,实现了钢丝绳与曳引轮的分类目标;提出了一种融合曳引轮图像特征的图像处理算法,用相关匹配法识别并
3、截取了目标区域,定位到磨损点,并计算了其磨损量;最后,为了对上述算法的性能进行验证,搭建了测量实验平台,进行了算法的鲁棒性验证和误差分析实验。实验结果表明:采用该算法进行测量所得绝对误差小于0 049 mm,均方根误差小于0 044 mm,且算法运行时间小于2 50 s。研究结果表明:与传统测量方法相比,该自动测量方法具有高精度、自动化、非接触的特点,能适应不同光照环境,快速、准确地测量曳引轮绳槽的磨损量,解决了不同光照环境下的曳引轮磨损非接触式测量问题。关键词:非接触式测量;磨损量;注意力机制;测量误差;图像处理;曳引轮绳槽中图分类号:TH117 1;TU857文献标识码:A文章编号:100
4、1 4551(2023)02 0284 08Traction sheave wear measurement based on DeepLabV3sLIU Shi-xing1,WANG Yi-dan1,WANG Ye1,WANG Jin-bo2(1 School of Microelectronics,Hefei University of Technology,Hefei 230009,China;2 Anhui SpecialEquipment Testing Institute,Hefei 230041,China)Abstract:Aiming at solving the probl
5、em of large error in the non-contact measurement of traction sheave wear in different lightingconditions,an automatic measurement algorithm of traction sheave wear based on improved DeepLabV3 was proposed First,the physicalmodel of the traction sheave rope groove was built,a data set of traction she
6、ave rope groove was built based on the collected traction sheaverope groove images Then,the DeepLabV3s model with squeeze-and-excitation networks(SEnet)and efficient channel attention networks(ECAnet)dual attention mechanism was used to train the data set to classify wire rope and traction sheave An
7、 image processing algorithmintegrating the image features of the traction sheave,which using correlation matching algorithm identified and intercepted the target area tolocate the wear point and calculate it,was proposed Finally,in order to verify the performance of the above algorithm,a measurement
8、experiment platform was built,and the robustness verification and error analysis experiments of the algorithm were carried out Theexperimental results show that,through algorithm measurement,the absolute error is less than 0 049 mm,the root mean square error is lessthan 0 044 mm,and the operating ti
9、me is less than 2 50 s The results indicate that,comparing with the traditional measurement,it has thecharacteristics of high precision,automation and non-contact,and can quickly and accurately measure the wear of the traction sheave ropegroove in different lighting conditions,which solves the probl
10、em of non-contact measurement of traction wheel wear under different lightingenvironmentsKey words:non-contact measurement;wear loss;attention mechanism;measurement error;image processing;traction sheave rope groove0引言随着我国经济社会的快速发展和城镇化速度的加快,高层建筑中必不可少的电梯的数量快速增加。2020 年我国电梯产量达到了 105 万台,在电梯领域已经成为产能最大、配套
11、最完善、出口最多的国家1。曳引系统是电梯中重要的组成部分,用于提供动力、驱动轿厢的正常运行2。在电梯的运行过程中,曳引轮与钢丝绳反复摩擦,导致绳槽面产生磨损3。如果其过度磨损,可能引发钢丝绳断裂、轿厢振动、冲顶等事故4,对电梯的安全运行具有重大影响。根据调查,使用年限较久的电梯都存在曳引轮磨损严重、曳引力不符合要求的情况,部分电梯的绳槽出现缺损和裂纹5,存在比较严重的安全隐患。因此,按时检测曳引轮的磨损情况对于电梯的安全运行意义重大。曳引轮磨损量传统测量法包括目视法、角尺与塞尺结合法、橡皮泥或塑性胶法等6。陈本瑶等人7 提出了一种规塞式工装测量法,该方法可以同时测量绳槽宽度、深度以及切口上宽度
12、等多个信息,测试精度高;但其通用性不强。非接触式测量有利于提高测量的自动化水平,降低人工成本8。谢晓娟等人9 提出了一种基于图像处理的曳引轮磨损识别方法,该方法不仅简单有效,还可以降低检测的成本;但该方法不适用于绳槽磨损均匀的检测情况10。陈建勋等人11 将激光三角法应用于曳引轮磨损的非接触测量中,该方法具有检测精度高、自动化程度高等特点;但其无法实现便捷检测,且实时检测的可操作性差。林永森等人12 提出了一种基于线激光位移法的磨损检测法,该方法测量精度高,与其他方法相比效率也有所提升;但其有效测试区域长度有限。刘士兴等人13 研制了一种基于单目视觉的曳引轮磨损检测系统,完成了对曳引轮磨损的非
13、接触测量,且与传统方法比,其测量的精度更高。为了提高计算效率,研究人员进一步提出了一种基于机器视觉的曳引轮磨损检测方法14。该方法解决了弱光环境下测量不准确的问题;但其测量过程中需要人工选取测量点,因此,其自动化程度还有待于提高。为了提高电梯曳引轮磨损测量的精度和自动化程度,笔者提出一种电梯曳引轮磨损自动测量算法。通过改进后的模型 DeepLabV3s,笔者对制作好的数据集进行训练,将曳引轮与钢丝绳区域划分,并采用融合曳引轮特征的图像处理算法,实现边缘快速提取、目标区域截取以及磨损点定位的目标;最后,在实验平台进行测量,以验证该算法的精度与可行性。同时,根据国家相关标准,笔者建立曳引轮磨损物理
14、模型,以在不同光照环境下可以对磨损进行精准测量。1曳引轮磨损自动测量系统1 1曳引轮绳槽磨损模型电梯曳引轮绳槽分为凹型槽、半圆槽、V 形槽等15。笔者以带切口的 V 形槽为研究对象,使用工业相机对 V 形槽磨损量进行非接触测量。曳引轮磨损测量系统示意图如图 1 所示。图 1曳引轮磨损测量系统示意图磨损主要是压力和运动摩擦的产物16。根据曳引轮检测国家标准,在未磨损情况下,曳引轮绳槽底部到钢丝绳外缘最大间距为6 mm,当间距小于3 mm 时,需严密监测。假设曳引轮绳槽两侧磨损均匀,曳引轮绳槽的磨损量即为钢丝绳的下沉量。为实现下沉量的计算,笔者基于曳引轮实际特征构建 V 形槽截面的物理模型。曳引轮
15、磨损物理模型如图 2 所示。图 2曳引轮磨损物理模型r曳引轮绳槽深度;AA1绳槽切口长度由图 2 得:当曳引轮未磨损时,A0为钢丝绳与绳槽的左侧接触点,B0为右侧接触点。从 A0、B0两点垂直于绳槽底部构建两条直线,与绳槽底部延长线交于A1、B1。忽略钢丝绳的磨损,当曳引轮发生磨损后,钢582第 2 期刘士兴,等:基于 DeepLabV3s 的曳引轮磨损测量研究丝绳竖直下沉,A0、B0移动至 A、B 两点,A、B 即为磨损点。1 2算法流程基于曳引轮磨损物理模型,笔者提出一种基于改进 DeepLabV3 的磨损自动测量算法。该算法基于PyCharm 平台,使用 python 语言开发,分为语义
16、分割和图像处理两个模块。曳引轮磨损自动测量算法流程如图 3 所示。图 3曳引轮磨损自动测量算法流程由图 3 可知:语义分割模块主要用于解决原图像纹理复杂、轮廓不清晰、干扰性特征点过多、受光照影响大等问题,通过深度卷积神经网络对制作好的数据集进行训练,实现对钢丝绳和曳引轮的图像分割;图像处理模块主要用于解决传统目标区域匹配方法限制物距的问题,以及测量的实时性和准确性较差等问题,以实现实时、自动化且不受相机物距限制的磨损值测量的目的。2DeepLabV3 模型2 1模型性能对比在工业领域中,采用机器视觉和非接触式测量的方式,可以减少人为干预,提高响应速度17。目前,融合深度学习的非接触式测量方式在
17、工业中得到了广泛应用。其中,语义分割通过神经网络进行数据处理,在提升特征提取能力的同时,也在特征提取过程中去除了人工的干预,实现了特征提取自动化和端到端学习的目的,有利于系统的自动化。笔者 使 用 fully convolutional networks(FCN)、DeepLabv3、Unet、DeepLabV3+这 4 个网络模型,对曳引轮数据集进行训练测试。测量目标为带切口的 V形槽。为收集足够的训练样本进行训练,需建立曳引轮磨损数据集。笔者使用工业相机采集不同光照、角度下的曳引轮图片,用标注软件 LabelMe 对采集到的图像进行标注,利用数据增强方法提高深度学习模型精度与泛化能力18,
18、最终得到完整的数据集(图片共 3 055 张,其中训练集 2 138 张,测试集 917张)。笔者采用相同损失函数、学习率、学习率衰减函数优化器,分别对数据集训练相同的 epoch,针对训练后的模型进行预测效果评价;采用平均交并比(meanintersection over union,MIoU)和准确率(accuracy,Acc)作为评价指标。MIoU 计算方法如下式所示:MIoU=1k+1ki=0piikj=0pij+kj=0pji pii(1)式中:i曳引轮图像实际值;j预测值;k+1类别个数(包括背景);pij将 i 预测为 j 的个数;pji将 j 预测为 i 的个数;pii将 i
19、预测为 i 的个数。模型性能比较如表 1 所示。表 1模型性能比较模型FCNDeepLabv3UnetDeepLabV3+MIoU0 660 60 964 50 961 70 962 6Acc0 585 00 985 70 981 70 983 2由表 1 可得:除 FCN 模型表现较差外,其余模型相差不大,DeepLabV3 表现较好。由于曳引轮绳槽边缘预测的准确性对测量结果影响最大,而 DeepLabV3 在绳槽区域表现最佳,经综合考虑,笔者最终选用 DeepLabV3 为训练模型。2 2DeepLabV3 网络DeepLab 网络由 CHEN L C 等人19 在 2014 年提出,是语
20、义分割领域较为先进、优秀的算法。相比于其他网络,DeepLabV3 网络舍弃了全连接层,主干网络Backbone 使用 esnet101,并对空间金字塔池化进行了改进,解决了分辨率下降、多尺度信息等问题。为解决输出图像分辨率过低的问题,DeepLabV3中使用空洞卷积。空洞卷积中的膨胀率可以扩展滤波器的感受野,膨胀率越大,其感受野也越大。当使用空洞卷积,则卷积输出和输入关系的表达式如下式所示:y i=jx i+aj w j(2)式中:x i 输入;y i 输出;a膨胀率;w j 卷积核。682机电工程第 40 卷当膨胀率设为 2,空洞卷积结构如图 4 所示。图 4空洞卷积结构由图 4 可得:大
21、小为 3 3 的卷积核可以覆盖5 5的区域。以此类推,当膨胀率设为 3,则卷积核可以覆盖 7 7 的区域。在光照较强或图片模糊状态下,采用 DeepLabV3网络进行图片分割时,会导致误判,对后续图像处理产生干扰,影响最终的测量结果。因此,需要对其做适当的改进处理。2 3改进的 DeepLabV3 网络光照对曳引轮图像的分割存在一定影响。预测图像不可避免地会出现误判区域,对后续图像处理、磨损值测量影响较大。为了解决这个问题,笔者提出一种融合 SEnet 和 ECAnet 双注意力机制的 DeepLabV3 网络DeepLabV3s。融合双注意力机制的 DeepLabv3s 网络结构如图5所示。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 DeepLabV3s 曳引轮 磨损 测量 研究 刘士兴
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。