为消除弦绳振动与跳绳、咬绳等卷筒异常缠绕状态对矿井提升系统安全所构成的威胁，提出了钢丝绳运动状态机器视觉检测方法。首先，为测量弦绳横向振动，通过张氏标定法对互补金属氧化物半导体（complementary metal-oxide-semiconductor， 简称CMOS）相机进行标定，对弦绳聚焦区域图像进行中值滤波和边缘检测，采用Hough变换精确标记弦绳的形心位置，为解决传统Mean Shift算法在弦绳振动过快时无法收敛的问题，融合卡尔曼滤波算法对目标跟踪进行改进；其次，基于改进的单次目标检测算法版本7（you only look once version 7，简称YOLOv7）对卷筒上钢丝绳的缠绕状态进行识别，通过中值滤波去噪和自适应直方图均衡化增强处理，构建了钢丝绳缠绕图像数据集并进行了数据增强和标注，通过添加注意力机制，提升了检测精度；最后，开展了钢丝绳运动状态检测实验，发现基于扩展卡尔曼滤波融合Mean Shift算法的弦绳振动位移测量误差小于0.24%，采用改进后的YOLOv7算法在钢丝绳缠绕状态检测中的精度均值提高了0.066，达到0.990。结果表明，所提出的机器视觉方法能够准确检测缠绕式提升机钢丝绳的运动状态。