“钢丝绳断丝、钢带微裂纹，这些隐患肉眼很难在昏暗的机房里一眼看清，往往是出了事才倒推回去找原因。”在江苏安全技术职业学院的电梯实训室内，梯安智检团队的同学们正对着屏幕上的实时画面，向指导老师展示最新的识别效果。这群00后学子，正试图用课堂上学到的控制技术和图像处理知识，一步步拆解电梯曳引系统的检测难题。

团队组建之初，成员们在走访调研徐州、南京等地的20多家电梯维保企业时发现，传统的人工目检存在三大短板：机房光线暗、金属表面反光、微小裂纹难辨。业内老师傅常说“绳子没断就不算事”，但团队深知，这种“凭经验”的模式正是安全隐患的根源。这成了他们必须要攻下的“军令状”。

跳出“拍个照就算检测”的传统思路，团队尝试将AI深度学习融入电梯安全检测，优化从图像采集到缺陷判定的全流程。这场研发就像一场闯关，他们攻克了三道关键关卡：

第一关：图像采集与增强，在实训室里死磕“看得清”

为了让AI能在电梯机房复杂的环境下“看清”缺陷，团队在省级电梯实训基地反复调试。课余时间里，大家泡在实训室，针对钢带反光、井道灰尘等问题，一遍遍调整镜头参数和补光方案，最终自研出一套图像降噪与自适应增强技术，解决了低对比度缺陷“拍不清”的难题。

第二关：算法模型训练，用“样本库”喂养出火眼金睛

为了能让AI识别出不同形态的断丝和磨损，团队建立了包含24000+缺陷样本的数据库。他们用不同尺度的特征融合网络做对比测试，在测试日志上密密麻麻记录下每一次识别准确率的变化。历经540余天，优化测试180余次的模型迭代，他们终于让系统不仅能看清“大轮廓”，还能精准捕捉到≥50μm级的微裂纹，攻克了细微损伤识别难题。同时，实现高精度轻量化网络重构，严格把控精度损失，让系统运行“跑得快”。

第三关：实景验证，用权威认可检验实战能力

依托学校的省级高水平专业群资源，团队将设备带出实训室，在真实的电梯井道中进行测试。更重要的是，这套系统还获得了行业内顶级专家的实名推荐。推荐信中指出，该系统“精准破解了低对比度缺陷识别难题，技术路线清晰，契合国家特种设备智慧监管方向”。同时，该系统在徐州富奥电梯（A1级资质）和杭州西奥电梯的试用中也得到了“识别精准、响应快速”的正面反馈。

目前，团队研发的电梯曳引部件AI视觉检测仪已完成多轮模拟测试与企业试用，相关技术已申请6项专利、3篇软著以及1篇论文。对这群大学生而言，最大的收获不是拿了多少奖，而是证明了职校生也能用技术解决行业里“看似无解”的老问题。实训室白板上的待办清单还在更新，接下来，他们准备带着这套系统，去解决更多电梯领域的检测痛点。