第40卷第2期2023年2月机电工程JournalofMechanical＆ElectricalEngineeringVol．40No．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0．049mm，均方根误差小于0．044mm，且算法运行时间小于2．50s。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:1001－4551(2023)02－0284－08TractionsheavewearmeasurementbasedonDeepLabV3sLIUShi-xing1，WANGYi-dan1，WANGYe1，WANGJin-bo2(1．SchoolofMicroelectronics，HefeiUniversityofTechnology，Hefei230009，China;2．AnhuiSpecialEquipmentTestingInstitute，Hefei230041，China)Abstract:Aimingatsolvingtheproblemoflargeerrorinthenon-contactmeasurementoftractionsheavewearindifferentlightingconditions，anautomaticmeasurementalgorithmoftractionsheavewearbasedonimprovedDeepLabV3wasproposed．First，thephysicalmodelofthetractionsheaveropegroovewasbu...
