纜視通 (RopeVision) : 基於人工智能的經濟高效電梯纜索缺陷檢測解決方案 (編號:C-0061)
機電創科網上平台試驗項目參考編號:

簡介

纜視通系統是一個整合式的邊緣運算診斷平台，專為電梯機房內的自主運作而設計。與間歇性擷取數據的傳統感測器不同，它結合了五個獨立的硬體模組，將高速視覺遙測技術與精確的空間映射相結合。

核心硬體模組：
1. 局部處理單元 (PU)： 安裝於牆掛式工業機箱內，作為計算中心執行由 Python 驅動的 AI 程式。現場分析可消除雲端運算的能源成本與延遲，同時確保數據主權。
2. 高速影像擷取： 採用工業級攝影機，以 750 fps 幀率及 640 × 480 解析度進行記錄。即使電梯車廂速度達到 10 m/s，該幀率仍能維持次毫米級的圖像解析度。
3. 事件觸發照明： 高效能 LED 在影像擷取期間提供同步脈衝光。定向照明可防止動態模糊，並確保鋼索表面在各種井道光照條件下均能維持穩定的 三原色 (RGB) 水平。
4. 一維光學雷達 (1D LiDAR) 遙測： 設置於鋼索入口處，LiDAR 將光束投射至車頂，以 1毫米的精度測量位移。取樣頻率為 2赫茲，為每一幀影像提供垂直坐標參考。
5. 實時狀態指示燈： 三色信號模組提供即時回饋，綠色代表運作正常，黃色為預警，紅色表示需採取行動；所有狀態均由每日「健康指數」判定。

解決問題 鑑於傳統鋼索檢測法具備高勞動強度與時耗性，且人工統計斷絲存在誤判風險，故需採用更有效的檢測方案以維持穩定之安全性基準。
創新科技 基於 CNN 的結構缺陷檢測與健康指數計算
缺陷識別採用雙層分類架構，結合了確定性色彩空間分析與輕量化卷積神經網路（CNN）。這種混合方法發揮了各項技術的優勢：色彩範圍映射提供了高效且具備高度解釋性的鏽蝕量化分析，而 CNN 則將檢測能力擴展到僅靠顏色無法識別的結構性缺陷。

第一層：色彩範圍鏽蝕檢測
基礎鏽蝕檢測演算法透過將各掩膜像素（Masked Pixel）之 RGB 值，映射至對應氧化鐵沉積物光譜特性之預定義色彩範圍進行分析。鏽蝕色彩特徵參考標準鏽蝕顏色坐標建立，並通過初步概念驗證試驗中所蒐集之實地樣本進行驗證。當像素值落在定義範疇內時，系統將其標註為鏽蝕陽性，並標以綠色覆蓋點以便視覺核實。

第二層：基於 CNN 的結構缺陷檢測
雖然顏色範圍分析對表面腐蝕具有一定的成效，但對於斷裂鋼絲、過量油脂堆積等結構性異常，僅依賴色彩特徵不足以完成判別，仍需進一步進行超越顏色信息的模式識別。為此，本系統開發專用之輕量化 CNN並部署於邊緣端處理單元，用於將遮蔽後的繩索表面區塊分類至對應之缺陷類別。
主要效能 • 具成本競爭力： 系統安裝成本僅約佔電梯總價值的 2%，具備極高之投資回報率。
• 無需伺服器連線： 纜視通捨棄高能耗之雲端運算架構。憑藉局部邊緣運算單元，系統可於離線狀態下穩定運作，將網路安全風險降至最低。
• 安裝流程便捷： 主要工程可配合計劃性維護作業進行，無需額外佔用電梯停機時間。
專利及獎項 • 短期專利： HK30127485
• 2025 年日內瓦國際發明展： 金獎
案例 民眾安全服務隊 (CAS) 總部