基于虚拟仪器的机器视觉的起重机械钢丝绳缺陷检测技术研究

李文　李炎

【摘 要】 起重机械是日常生产和生活中的重要设备，而起重机的钢丝绳又是影响起重机安全使用的重要零部件，每年因为起重机械钢丝绳断裂引发的事故时有发生，因此，能够及时准确地发现起重机械钢丝绳的隐患就成了一个需要思考的问题。本文针对金属钢丝绳安全作用功能展开分析探究，引进了机器设备视觉作用感官专业应用技术展开检测，辨别其缺点位置图像，且基于LabVIEW平台设计了相应的缺陷识别和判断系统，可实现图像采集、检测和判断功能，能够有效地检测金属钢丝绳的报废基本条件是不是符合标准条件。在实际应用中取得了良好的效果。

【关键词】 虚拟仪器;钢丝绳;检测

【中图分类号】 G356.6 【文献标识码】 A 【文章编号】 2096-4102（2022）01-0099-04

在目前的工业现代化迅速发展形势下，起重机械也开始在工业领域大量的应用，不过很多与此相关的安全事故也随之增多。起重机械的安全性和钢丝绳质量存在密切关系，在吊运过程中钢丝绳发挥着重要作用。其运行工作频次高、承担作用功能强度大，运行标准工况庞杂，因此在运用的时候，常常会由于多种影响作用因素的干扰而产生断丝、腐蚀变质等矛盾问题，直接干扰到起重机设施的运用安全稳定性。现行的《起重机钢丝绳保养、维护规范》中详细说明这种零部件的质量标准和报废条件，以促进起重机械的安全使用。

1钢丝绳缺陷种类

由于起重机械的使用环境一般都比较恶劣，所以容易发生以下缺陷：（1） 绳芯挤出，（2） 局部压扁，（3） 严重扭结，（4） 笼状畸变，（5） 表面断丝。

本文主要对上述五种钢丝绳缺陷进行判定和检测。

2国内外钢丝绳无损检测主要的方法

钢丝绳检测可选择不同的方法，传统方法为目视法，使用卡尺衡量实际有效直径，这类模式只可以检测外界断丝，并且断丝需要对外扩散。虽然这类模式对当代生产加工工艺、加工制作的钢丝绳检测模式开始不满足要求，不过其操作方便成本低，因而依然是一类经常使用的检测模式。金属钢丝绳无损检测专业应用技术，也就是在不破坏其结构基础上，对钢丝绳的性能以及是否存在内部缺陷情况进行检测，然后依据相关的检测结果和基本原则，针对金属钢丝绳分布作用状态做出评测。

2.1 声发射检测法

在钢丝绳的无损检测领域，这种方法的应用比例较高，且很早就获得应用。其是国外研究者 N.Fcasey提出的。他们通过很多的测试实验分析探究可知，这类应用模式针对处在一定运行标准工况影响里，斷丝作用过程的声自动智能发射数据传输信号，可以展开高效的检测。这类应用模式经过两个换能控制器设备的同时间检测，完成对断丝具体作用位置的准确定位。

声自动智能发射（AE）模式，作为一类及时在线实时监控方式，十分适合于物质材料的实时损伤检测要求，有较高的性能优势。根据实际应用经验表明这种技术对金属钢丝绳的损伤检测有明显的性能优势，且可满足状态监控要求，其优势是其他模式无法比拟的，但是，因为声自动智能发射检测机器设备成本高，且主要是在静态条件下进行检测的，因而有一定应用局限性。

2.2 电流检测方法

目前针对电流检测技术的研究已经有很多，且取得重要成果，这种技术中常用的包括一一呼应的高功能作用电流检测应用电路。大量的应用经验表明，Sense FET电流检测系统的各方面性能相对均衡，总体性能良好，因而在实际应用中受到广泛关注。上世纪90年代W.H.K在研究过程中提出了基于Sense FET的电流检测电路。此后在市场需求等因素促进作用下，依据Sense FET设计的电测电路被大量研发出。不过总体上看都是基于W.H.K的应用电路理论思想进一步改善提升的，在实际应用中依然存在局限性。2005年，Chi Yat等研发出一种基于CMOS的检测电路，且分析发现其检测精准程度比较高，然而因为额外添加了庞杂的计算放大作用设备，促使本身工作应用电路过分庞杂，造成了能耗与速率矛盾问题。

除此之外，根据Rds Sense相关技术设计形成的各种应用电路，在DC-DC工作模式下进行交互操作时，是十分高效的。但是截至今日，并未发现有这类无损检测专业应用技术的具体工作应用电路参考数据文献公开发布。工作电流检测专业应用技术在DC-DC交换控制器设备里的使用也存在许多的应用方面，例如过流保护、多相操控交换控制器设备的相关应用，以及额定电感自动智能输出交换控制器设备。

2.3 磁检测方法

在实际应用中基于铁磁材料特性研发出的钢丝绳损伤检测技术也有明显的性能优势，也代表了电磁检测领域的主要发展趋势之一。具体分析可知依据这种技术在进行检测时，相应的模式可划分为漏磁检测、电磁式检测等几种类型，其各有一定优缺点和适用范围，以下进行具体说明。

电磁式检测。这种技术是上世纪70年代德国学者研发出的，主要应用在混料分选领域。随后80年代，日本也研发出小微型化的“异材测试实验控制器设备”及“金属物质材料简单判定与探究分析控制器设备”。前苏联学者则在大量经验总结基础上，研发出一种电磁无损检测仪，且应用在铸铁材料性能的检测中，此后还应用到38CrSi、35SiMo等相关的检测中。其中常用的为ΦⅡ-1Y型等。在1985年之后，以万国庆研究学者为代表的研究分析课题项目组，让中国电磁无损检测技术也进入迅速发展阶段，有的学者研发出一种高性能的“SZGY 型硬度分选仪”和“WGF-1型自动智能分选仪”，在实际应用中取得良好的效果。这一整套仪器设备在全球许多工矿公司里获取了高效的使用，特别在结构钢的迅速无损检测定碳和表层裂缝、心部裂缝等多个层面，获得了优异的作用效果，可作定性的分析。

3系统的设计

机器视觉系统在工作过程中需要综合应用到信息、光学、传感等各方面的技术，基于一个传感器对物体的图像进行采集和传感，之后对数字信息展开综合处置研究并且判定，然后发送指示来操控机器设备运动。这种系统的组成结构一般是固定的，主要包括视觉处理单元、光学系统、相机、采集器等。

具体系统如图1所示

本文针对18mm的若干钢丝绳进行研究，分析了其在0.5m/s运行条件下的工作性能。在运行过程中先采集钢丝绳的图像，然后发送到图像处理器中，接着进行一定的转换处理后获得数字化信号，然后基于视觉系统运算处理这些信息，且提取出相应的特征信号，在此基础上结合阈值而判断出钢丝绳的报废条件是否满足。

在进行硬件选择时，应该具体分析钢丝绳检测场合的情况，以及对实时性和精度等方面的要求。照明系统对采集图像数据的清晰度会产生直接的影响，适当的照明系统尽可能地增加图像中目标和背景信息的对比度，为其后的图像分割和辨识提供支持，且满足准确度要求。在硬件选择时，为尽可能消除环境光干扰，提高采样效果，需要选择相机和光源同侧的前向照明;在相机选择时根据分辨率要求和相应实际应用场合，而选择了Basler scA1400相机。参考依据有关解释说明书，可以得知此相机的辨识率为1392×1040、帧比例30fps，优势体现在数字信息自动输送容积大、速率快。CCD芯片采用Sony ICX285CCD，其像素尺寸为6.45×6.45um，其像素位深为12bits，镜头接口为C-mount，工作温度为0～50摄氏度。这些参数对改善图像精度有重要的意义，为其后的处理提供支持。图像采集器和系统的总体性能存在密切关系，因而也是需要重点研究的。在选择过程中需要分析摄像头的分辨率以及相应的接口类型，综合分析各方面因素而选择了Meteor采集卡，根据说明书可知其采样频率为130MHz，緩存8/16Mbit/s，可以很好地满足图像采集要求。在进行缺陷检测时需要通过软件对采集的图像进行分析，为确保相应的缺陷检测目标实现，就需要机器视觉系统的硬件系统性能达到较高水平。因而本文在设计时，对其硬件单元进行详细的选择。

4 虚拟仪器的构成

这类仪器设备，能够看成一类根据电子计算机的调试、衡量仪器设备，从总体上可划分为软硬件两部分，在运行过程中其中的硬件部分作用是转化目标的模拟信号到数字信号，软件则可处理、判断采集的数字信号，然后基于所得结果发送指令。

虚拟仪器的硬件组成单元具体如下：①上位机：这种部分一般都是电子计算机，能够完成一定探究分析与运算作用功能，与硬件组成设施的作用功能紧密相互联系;②数据采集部分：一般为模数转换器，可转换处理相机采集的图像为模拟信号，接着转换处理而获得数字信号，为其后的分析处理提供支持。在运行过程中其可实现一定的采集、放大和转换功能。在数据交互方面选择了数据采集卡/板、GPIB模块。在进行采样速率选择时主要是基于采样频率最大值确定;③传感器：虚拟仪器中传感器发挥着重要的作用，总体分析可知其性能对输出结果精确度有直接的决定作用。在选择传感器过程中，应重点分析灵敏度参数，其反映出输入变化对输出变化的影响情况，为了充分符合衡量精确性需求，就应当提升感应设备的灵活性。

软件部分包括：①应用软件：主要构成如客户应用操作程序，控制中央面板操控应用操作程序与相互对应的图像操控应用功能软件;②机器设备联动应用操作程序：在应用过程中可实现和外部硬件的交互目的，基于计算机图形处理功能，而转化图像为编程语言，且在此基础上建立起相应的仪器界面，而在软件基础上实现界面控制功能。此外，在仪器界面也设置了相应的按钮以方便对硬件设备进行调节和控制。现场实际操控管理过程中，可以经过鼠标来对模拟仪器设备展开操控。LabVIEW 属于一种图形化编程平台，其中设置了很多外观与传统仪器等同的控件，在进行编程时可方便地调用。下图2显示出本系统的数据采集、检测相关的LabVIEW组成情况。

本检测系统的主要工作过程如下：在钢丝绳的运行过程中，图像采集系统可对钢丝绳初始图像进行采集，接着发送到计算机，后者在接受到图像后接着进行增强对比度、分割和判定等全面处理，之后对加强的图像经过最大类间方差法，来二值化处理运算转化处理。之后使用Canny程序算子全面处理所得最终结果，而获取金属钢丝绳的分布作用边缘图像，判定探究分析在这其中是不是具有一定的问题。

5图像处理

在进行图像增强过程中应用了最大类间方差法，而获得满足对比度要求的现场图像。接着基于灰度参数差异对这种图像进行划分，而形成背景和目标两部分。二者的灰度差越大则区别越大，这样就可以更好地将目标从背景中区分出，为其后的处理提供支持。

根据灰度梯度的不连续特征来对背景和目标的边缘进行区分，如从颜色和纹理特征的突变情况进行判断。这种边缘特征主要包括大小和方向两个参数，基于一定数学算法进行判断而确定出图像的边缘。进行理论分析可知像素值在垂直边缘的方向灰度变化最显著，而平行方向的变化慢，可以据此实现边缘检测的目的，然后可进行缺陷检测。

使用Canny程序算子展开综合处置研究而选取获取图像的分布作用边缘图像，有关实际状况具体如下所示图3。

这种系统在运行时需要通过传感器采集初始图像，根据自动输送体系发往电子计算机之后，展开综合处置研究而获取含缺点特点的金属钢丝绳边缘图像，接下来经过角陷检测模式展开检测，而确定出图像的缺陷部位，然后基于缺陷来分析，确定出磨损率，参考依据这类最终结果判定出金属钢丝绳是不是产生严重的摩擦损失，以及有没有达到相应报废条件。本文在研究时基于 Lab VIEW 8.6 软件设计相应的图形化界面，且以此来实现钢丝绳断丝、磨损相关的判断功能，虚拟仪器系统可以实现图像采集、检测相关的功能，且确定出钢丝绳的缺陷情况，判断出其是否达到了报废标准。

6实验过程与分析

在展开模拟仿真探究分析的时候，选用了实际有效直径为18毫米的金属钢丝绳，钢丝绳的磨损率为公称直径与实测直径之间的差值除以公称直径，具体见公式1，当磨损率高于10%条件下可认为缺陷很明显，达到报废标准。

磨损率=（公称直径-实测直径）/公称直径×100% 公式1

图4显示出钢丝绳的缺陷相关情况，进行判断分析所得磨损情况结果如表1：

注：上表结果包含了磨损率、断丝、弯曲形变度等各个组成角度数字信息，属于整体性判定最终结果，探究分析上表最终结果可以得知根据机器设备视觉作用感官的这类金属钢丝绳缺点检测体系的作用功能优异，在应用过程中可以高效地检测出钢丝绳的缺陷情况，且据此判断出相应的钢丝绳安全性，对应的研究目标实现。这种系统检测结果的精确度高，有一定应用推广价值。

7结论

本文综合系统设计了一个根据机器设备视觉作用感官的金属钢丝绳缺点检测体系，这类体系在运行工作过程中，经过摄像头收集金属钢丝绳图像，然后利用Canny算法来增强处理采集的图像，在灰度判断基础上得到图像的目标和背景部分，接着基于二值化边缘图像来判断钢丝绳的状况，且进行安全性评价。测试实验检测最终结果说明这类缺点检测体系作用功能完成，能够非常好的符合金属钢丝绳缺点检测的有关需求。比较探究分析可以得知这类金属钢丝绳的检测体系的功能应用优势，主要体现到如下几个方面：

效率高，稳定性高，可持续高效地运行;

非触碰衡量，图像的辨识率高，及时在线性好;

在检测时不需要拆卸钢丝绳，为检测提供了很大的便利;

体积小，方便现场应用和携带。

【参考文献】

[1]岳飞.承压类特种设备常用无损检测方法[J].电子技术与软件工程，2019（5）：108-109.

[2]杨弘.基于机器视觉无损检测技术的矿用钢丝绳检测分析[J].当代化工研究，2019（6）：112-113.

[3]侯振宁，李记叶，黄灵峰.一种基于机器视觉的非接触式电梯钢丝绳缺陷检测技术[J].中国电梯，2018，29（1）：33-34，37.

[4]侯振宁，武军.桥式起重机金属结构健康状态监测研究[J].中国仪器仪表，2015（6）：47-49.

[5]侯振寧.基于LabVIEW的起重机械钢丝绳缺陷检测技术研究[J].特种设备安全技术，2019（3）：35-37.

[6]刘华冠.基于机器视觉的袋装物料位姿自动识别研究[D].济南：济南大学，2011.

[7]王锐.基于金属磁记忆检测钢丝绳缺陷的装置应用研究[J].机械管理开发，2020，35（5）：123-125.

[8]孟积渐.国内外矿用钢丝绳无损检测技术及使用管理[J].煤矿机械，2018，39（8）：154-156.

[9]L. Xiang，H.Y. Wang，Y. Chen，et al. Elastic-plastic modeling of metallic strands and wire ropes under axial tension and torsion loads [J]. International Journal of Solids and Structures，2017，129：103-118

[10]石晟，张炳福，赵庆龙.基于机器视觉的矿用钢丝绳无损监测系统研究[J].煤矿机电，2017（4）：19-22.