一种基于深度学习的电梯钢带表面损伤的检测方法及系统与流程

本发明涉及电梯钢带表面损伤检测，尤其涉及一种基于深度学习的电梯钢带表面损伤的检测方法及系统。

背景技术：

1、电梯钢带是一种新型曳引用悬挂零件，主要由内部金属钢丝绳和外部包覆的聚氨酯材料构成。电梯钢带外部包覆的聚氨酯材料可以保护钢丝绳芯免受锈蚀和磨损损伤的影响。电梯钢带在电梯运行过程中，表面包覆的聚氨酯材料在与曳引轮、导向轮接触时易产生磨损损伤，在外部冲击作用下产生表面裂纹、钢丝外露损伤。电梯钢带表面损伤如若不能被及时发现，会进一步影响电梯的安全可靠性。

2、电梯钢带的安全检查是电梯安全检测中至关重要的一项。目前电梯钢带表面损伤检测主要以人工肉眼定期检测为主，但采用该检测方法将会严重耗费人力，人工肉眼检测一般是由工作人员不定期去相关场所进行目视检查，这种方法无法对钢带表面损伤进行实时检测且有比较高的检测误差。目前工业领域存在的电梯钢带无损检测技术，如基于金属材料的电磁检测技术、寿命预测值法、电阻检测法等，普遍存在价格昂贵、操作复杂、专业知识要求高等问题，且国内电梯钢带没有针对剩余强度统一的检测标准，电梯钢带表面损伤复杂多样，现有的电梯钢带无损检测装置无法对钢带的损伤类型、损伤程度进行定性和定量分析。

3、因此，提出一种基于深度学习的电梯钢带表面损伤的检测方法及系统，来解决现有技术存在的困难，是本领域技术人员亟需解决的问题。

技术实现思路

1、有鉴于此，本发明提供了一种基于深度学习的电梯钢带表面损伤的检测方法及系统，可以实现自动化检测，大大提高了检测效率，降低了人工成本；提高了电梯钢带表面损伤的检测效率、检测速度、检测准确性，有利于保障电梯安全可靠运行。

2、为了实现上述目的，本发明采用如下技术方案：

3、一种基于深度学习的电梯钢带表面损伤的检测方法，包括以下步骤：

4、s1.获取数据：获取电梯钢带数据；

5、s2.数据预处理：对获取的电梯钢带数据进行预处理；

6、s3.数据划分：将预处理后的电梯钢带数据划分为训练集和测试集；

7、s4.模型训练：将训练集输入损伤检测模型，通过损失函数更新网络权重参数，经过若干次训练后，得到训练好的损伤检测模型；

8、s5.检测识别：将测试集输入训练好的损伤检测模型，评估电梯钢带损伤检测识别结果。

9、可选的，s1中利用工业高速相机获取钢带表面包覆层图像数据。

10、可选的，s2中对获取的电梯钢带数据进行对比度增强、图像平滑、图像分割提取、图像去雾处理。

11、可选的，s4中损伤检测模型采用yolov3模型，包括主干网络、瓶颈层以及特征融合结构层；

12、主干网络是在yolov3的主干网络darknet53后增加spp结构；

13、瓶颈层是对原有yolov3的fpn层进行简化后得到fpn-light结构；

14、特征融合结构层是选取resnet50的n1模块和n2模块作为并行辅助结构，并将其与主干网络darknet53进行融合得到深层网络的特征融合结构。

15、可选的，s4中将训练集输入损伤检测模型，通过损失函数更新网络权重参数，经过若干次训练后，得到训练好的损伤检测模型的具体内容为：

16、网络随机初始化权值，使初始化的值服从高斯正态分布；

17、输入训练集数据损伤检测模型输出三个不同尺度的特征图，并利用此特征图得到预测框信息；

18、将预测框与真实框进行比对，计算损失误差；

19、当迭代次数小于epoch＝120时，利用adam优化算法进行权值更新，直到损失值低于设定的阈值或迭代次数大于epoch，结束训练，得到训练好的损伤检测模型。

20、一种基于深度学习的电梯钢带表面损伤的检测系统，应用上述任一项的一种基于深度学习的电梯钢带表面损伤的检测方法，包括：获取数据模块、数据预处理模块、数据划分模块、模型训练模块和检测识别模块；

21、获取数据模块，与数据预处理模块的输入端连接，用于获取电梯钢带数据；

22、数据预处理模块，与数据划分模块的输入端连接，用于对获取的电梯钢带数据进行预处理；

23、数据划分模块，与模型训练模块的输入端连接，用于将预处理后的电梯钢带数据划分为训练集和测试集；

24、模型训练模块，与检测识别模块的输入端连接，用于将训练集输入损伤检测模型，通过损失函数更新网络权重参数，经过若干次训练后，得到训练好的损伤检测模型；

25、检测识别模块，与模型训练模块的输出端连接，用于将测试集输入训练好的损伤检测模型，评估电梯钢带损伤检测识别结果。

26、经由上述的技术方案可知，与现有技术相比，本发明提供了一种基于深度学习的电梯钢带表面损伤的检测方法及系统，具有以下有益效果：本发明可以实现自动化检测，大大提高了检测效率，降低了人工成本；提高了电梯钢带表面损伤的检测效率、检测速度、检测准确性，有利于保障电梯安全可靠运行。

1.一种基于深度学习的电梯钢带表面损伤的检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于深度学习的电梯钢带表面损伤的检测方法，其特征在于，

3.根据权利要求1所述的一种基于深度学习的电梯钢带表面损伤的检测方法，其特征在于，

4.根据权利要求1所述的一种基于深度学习的电梯钢带表面损伤的检测方法，其特征在于，

5.根据权利要求1所述的一种基于深度学习的电梯钢带表面损伤的检测方法，其特征在于，

6.一种基于深度学习的电梯钢带表面损伤的检测系统，其特征在于，应用权利要求1-5任一项所述的一种基于深度学习的电梯钢带表面损伤的检测方法，包括：获取数据模块、数据预处理模块、数据划分模块、模型训练模块和检测识别模块；