陈理辉1， 庞真宽2，黄琰宝2

（1广州驭视自动化科技有限公司，2广州广日电梯工业有限公司，广东广州 510000）

摘要：电梯作为现代建筑不可或缺的组成部分，在为人们提供便利垂直交通的同时，也要求高度的安全性和可靠性，因此，电梯轿底的孔径与定位尺寸对电梯运行和维护至关重要。然而，传统测量方法通常需要大量人力和时间，并且容易受到人为误差的影响，基于计算机视觉的自动化检测方法为电梯轿底孔径与定位尺寸测量提供了一种创新的解决方案，通过使用摄像头和图像处理技术，可以实现对电梯轿底尺寸的自动识别，提高测量准确性。本文以视觉检测为核心，针对电梯轿底孔径与定位尺寸自动识别技术展开系统论述，为进一步强化电梯运行质量和安全性提供科学指导，广州驭视自动化科技有限公司与广州广日电梯工业有限公司合作开发了一套基于视觉检测的电梯轿底孔径与定位尺寸自动识别系统。

关键词：视觉检测；电梯轿底；孔径与定位尺寸；自动识别

视觉检测，也称为机器视觉或计算机视觉，是一种利用计算机和数字图像处理技术来模拟和模仿人类视觉系统的过程，旨在实现图像或视频数据的自动分析、理解和识别的领域，从数字图像或视频中提取有用的信息，进行各种应用。电梯轿底孔径与定位尺寸自动识别技术是一种利用计算机视觉和图像处理技术，自动识别电梯轿底的孔径和定位尺寸的方法，这项技术的主要目标是通过处理电梯轿底的图像数据，快速、准确确定孔的尺寸和位置，确保电梯的安全性和运行效率。研究基于视觉检测的电梯轿底孔径与定位尺寸自动识别技术，对电梯行业和用户都具有深远的意义，可以提高电梯的安全性、效率和可靠性，降低维护成本，有助于符合法规和标准，有望为电梯行业带来更多实际经济效益和安全益处。

一、获取图像

工作人员应将相机或扫描仪安装在合适的位置，能够拍摄到清晰、全面的电梯轿底图像，相机或扫描仪应正对电梯轿底进行拍摄，尽可能地调整拍摄角度和距离，以便能够获得最佳的拍摄效果。使用适当的照明设备对拍摄区域进行照明，保证图像的质量和清晰度，在照明不足的情况下，使用附加光源或反射器来增强照明效果，根据实际需要对拍摄的距离和焦距进行调整，获得更准确的图像信息。使用合适的拍摄角度和拍摄方式来获取图像，对于电梯轿底的孔径和定位尺寸的识别和测量，获取正面和侧面的图像；在拍摄正面图像时，保证相机或扫描仪与电梯轿底垂直，获取准确的孔径和定位尺寸信息；在拍摄侧面图像时，需要调整拍摄角度，清晰呈现出孔径和定位尺寸的形状和大小[1]。使用相应的图像处理软件对图像进行处理和分析，包括去除噪声、增强图像对比度、调整图像大小等处理步骤，以便后续的特征提取和分类处理顺利开展，利用合适的图像格式和分辨率进行保存，方便后续处理和分析。

二、预处理图像

在获取图像时，会受到光照不均、相机噪声等因素的影响，导致图像中存在一定的噪声，这些噪声可能会影响到后续的特征提取和分类处理，因此工作人员需要进行去除处理，常见的去噪方法包括中值滤波、高斯滤波等，这些方法可以将图像中的噪声平滑掉，得到更加清晰的图像。获取的图像还可能存在颜色失真的问题，导致图像的对比度不足，难以分辨出孔径和定位尺寸的细节信息，为了能够更好地进行特征提取和分类处理，需要增强图像的对比度，使孔径和定位尺寸更加突出，常见的对比度增强方法包括直方图均衡化、局部对比度增强等，这些方法可以将图像的对比度整体或局部地调整到合适的程度，得到更加清晰的图像[2]。由于孔径和定位尺寸的颜色、亮度与背景不同，为了能够更好地进行特征提取和分类处理，需要将孔径和定位尺寸从背景中分离出来，常见的二值化方法包括阈值分割、区域生长等，这些方法可以将图像中的不同颜色和亮度区域进行分离，得到更加清晰的孔径和定位尺寸图像。获取的图像大小可能不合适，或者只对图像中的某一部分进行处理，因此需要对图像进行大小调整和裁剪，通过使用图像处理软件中的缩放、裁剪功能，得到更加适合后续处理的图像。

三、特征提取

孔径和定位尺寸的特征包括形状、大小、位置、颜色等，这些特征可以在图像中表示，以便进行后续的处理和分析，如将孔径的特征表示为一个圆形区域，其中包含圆心和半径等参数；将定位尺寸的特征表示为一条线段，其中包含起点和终点等参数[3]。对于孔径特征的提取，可以使用图像分割技术，将孔径区域从背景中分离出来，然后使用边缘检测技术，获取孔径的边缘信息；对于定位尺寸特征的提取，可以使用直线检测技术，检测图像中的线段，然后使用几何变换技术，计算定位尺寸的参数。在提取特征时可能会受到图像质量、噪声等因素的影响，导致提取的特征可能存在误差和偏差，为了能够更好地进行后续的处理和分析，还要对提取的特征进行筛选和优化，以便得到更加准确的特征信息，如通过去除异常值、填补缺失值等方法，优化特征数据[4]。由于机器学习和数据分析处理的是数值型数据，而提取的特征可能以不同的形式存在，因此需要对特征进行编码和转换，通过使用特征编码技术，如one-hot编码、独热编码等，将特征数据转换为数值型数据，保存到数据库或数据集中，顺利开展后续的处理和分析。

四、图像分类

在图像分类完成之后，为了能够准确获取孔径和定位尺寸的大小，工作人员应需要对图像进行尺寸测量，根据孔径和定位尺寸的类型和特征，分为不同的类别，例如圆形孔径、矩形孔径、定位尺寸等，针对不同的类别，使用不同的分类模型进行分类，常见的分类模型包括支持向量机、神经网络、决策树等。对于每个特征，使用分类器将其分配到不同的类别中，常用的分类器包括K近邻分类器、朴素贝叶斯分类器、支持向量机等，这些分类器可以根据特征与类别之间的相似度和距离等指标，将特征分配到相应的类别中[5]。由于在分类过程中可能会受到图像质量、特征提取误差等因素的影响，导致分类结果可能存在误差和偏差，为了能够得到更加准确的分类结果，需要对分类结果进行评估和调整，通过使用分类准确率、混淆矩阵等方法，评估分类结果的准确性和可靠性，并使用调参等技术，优化分类模型的性能[6]。根据不同的应用场景和需求，对分类结果进行不同的处理和分析，如根据分类结果对孔径和定位尺寸进行标注和识别，使用相应的算法对数据进行处理和分析，以便得到更加深入的认识和理解。

结束语：

基于视觉检测的电梯轿底孔径与定位尺寸自动识别技术，凭借自身强大的功能，代表了电梯制造和维护领域的进一步发展，通过自动化检测，可以减少人为误差，提高测量的精度和可靠性，不仅有助于提高电梯制造和维护的效率，还可以增加电梯系统的安全性和可靠性。未来，基于视觉检测的电梯轿底孔径与定位尺寸自动识别技术有望在电梯行业广泛应用，提高电梯运行安全性，为电梯行业的创新发展作出贡献。

参考文献：

[1]鞠天慧，杨宁祥，陈建勋.基于激光视觉技术的电梯曳引轮轮槽三维尺寸检测装置研究[J].特种设备安全技术,2022(15):41-43.

[2]许文彬,费文豪.基于视觉识别的岸桥起重机集卡定位引导系统[J].工程机械,2022,53(8):66-68.

[3]刘佳锋,胡倩,黄微,等.基于机器视觉的电梯门防夹检测方法[J].中国电梯,2021,32(16):303-305.

[4]李文.基于机器视觉的电梯钢丝绳缺陷检测系统研究[J].辽宁科技学院学报,2021,23(1):14-16,47.

[5]马平,欧建国,张智阳.基于定位平台的大尺寸工件视觉测量技术研究[J].机械设计与制造,2021（16）：57-59.

[6]严波.基于机器视觉技术的电梯超载自动化检测研究[J].机械制造与自动化,2023,52(2):205-208.