Intelligent Vision-Based Pose Estimation with the Turn-of-Nut Method for Bolt Monitoring

在现代世界的隐形架构中，从摩天大楼的钢梁到飞机的复杂框架，无数金属紧固件将一切紧紧连接在一起。这些是螺栓，它们是简单的带螺纹圆柱体，依靠一种被称为“预紧力”的隐藏力量来保持稳固。当螺栓被拧紧时，它会轻微拉伸，从而产生强大的夹紧力，将连接部件锁定在原位。然而，发动机的持续振动、桥梁的重量转移或机械的节奏性冲击，都可能缓慢地侵蚀这种张力。随着螺栓的松弛，接头会变松，可能导致灾难性的失效。几十年来，确保这些连接保持紧固一直是一项劳动密集型任务，通常需要人类检查员用锤子敲击螺栓以聆听声音的变化，或使用重型扳手检查它们是否转动过。虽然可以在螺栓中嵌入传感器进行监测，但这些设备价格昂贵，需要复杂的布线，并且在恶劣环境中经常失效。长期以来的挑战在于，如何找到一种既不接触也不改变结构，就能“看见”螺栓内部那股无形张力的方法。

哈尔滨工程大学和巴哈丁·扎卡里亚大学的研究人员开发出一种新方法，将螺栓及其螺母视为一个由摄像机来解决的视觉谜题。该系统不再依赖物理传感器或人类的耳朵，而是构建了一个使用两个摄像机同时观察螺栓及其螺母的系统。其核心思想简单而精确：如果螺栓松动，螺母和螺栓头会相对于彼此旋转。通过极高精度地测量这种微小的旋转，系统可以准确计算出损失了多少张力。为了实现这一点，团队训练了一个先进的计算机视觉模型——一种被称为 YOLOv11-pose 的人工智能——来识别金属表面的特定点。他们教会软件识别螺栓头和螺母上的五个不同特征点：四个定义金属件方向的固定点，以及一个作为旋转参考的移动标记。

整个过程始于摄像机捕捉组件的图像。由于摄像机并不总是与螺栓完美对齐，图像可能会受到透视的影响而产生畸变，就像从角度观察时一根直杆看起来是弯曲的一样。为了纠正这一点，系统应用了一种数学变换来平整图像，从而创建一个完美的、正对着螺栓和螺母面的视图。这使得计算机能够高精度地测量移动标记的角度。通过比较螺栓上的标记角度与螺母上的标记角度，系统可以计算出两者之间的相对旋转。这一测量结果随后被输入到一个基于“转动螺母法”（Turn-of-Nut method）的机械模型中，这是一种将螺母转动的幅度与螺栓拉伸程度联系起来的标准工程原理。通过了解金属部件的刚度和初始紧固度，系统可以将那微小的旋转角度转化为特定的力值，从而告诉工程师还剩下多少预紧力。

为了测试这种方法，研究人员使用了一个单一的大型螺栓（具体为 M20 规格的不锈钢螺栓）搭建了一个受控实验。他们拧紧了组件，然后使用数字测力计（一种用于测量力的灵敏标尺）记录了实际张力。随后，他们将测力计的读数与摄像机系统生成的估算值进行了对比。结果令人振奋。在测量旋转角度时，系统的表现非常精准，平均误差小于一度，最大误差仅为 2.4 度。在将该角度转化为力测量时，系统估算的预紧力平均误差为 0.63 千牛。在工业安全领域，螺栓通常承受着数百千牛的力，这种精度的水平表明该方法对于检测显著的松动是切实可行的。

然而，研究也揭示了仅靠视觉监测的局限性。研究人员发现，该系统对光照条件非常敏感。当环境亮度降低时，测量精度就会下降。在亮度降低 75% 的情况下，估算力的平均误差上升到了接近 3 千牛。这表明，虽然该技术在受控设置下运行良好，但需要清晰的可见度和一致的光照才能可靠运行。研究人员还指出，锈迹、油污或油漆等表面状况可能会干扰摄像机识别标记的能力，这表明未来的系统版本需要具备足够的鲁棒性，以应对肮脏或退化的工业环境。

这项工作的意义在于其有望用一种非接触式、低成本的解决方案来取代侵入性和昂贵的监测方法。通过将旋转的视觉检测与成熟的机械模型相结合，研究人员证明了一种无需钻孔或连接导线的监测关键结构健康的方法。虽然目前的研究局限于实验室环境中的单一种类螺栓，但该框架提供了一条清晰的前进路径。该系统成功证明了双摄像机设置可以追踪螺栓和螺母的相对运动，并足以估算维持结构稳定的内部力量。随着技术的成熟并在更多样化的螺栓及更具挑战性的现实条件下进行测试，它可能成为确保桥梁、风力涡轮机和飞机安全的标准工具，让构建世界的无形力量处于持续且警觉的观察之下。