基于YOLOv5的烧结机台车篦条缺失检测研究

作者：翟容清; 陈波; 王月明^*

来源：内蒙古科技大学学报, 2022, 41(03): 227-231.

DOI：10.16559/j.cnki.2095-2295.2022.03.005

• 篦条缺失
• 深度学习
• 目标检测
• YOLOv5
• PyQt

在烧结工艺中，篦条的缺失会使台车底部出现缺口，烧结矿掉落造成生产事故，严重将导致烧结系统停产.针对以上问题，提出了在烧结机机头处基于目标检测算法对篦条缺失进行检测的方案.通过采集篦条缺失图像，使用图片标注工具Labellmg对篦条缺失样本进行标注，构建数据集.在Pytorch深度学习框架下，采用目标检测YOLOv5算法对样本进行训练，使用训练权重对测试集中的图像进行检测及准确率分析，结果表明：使用YOLOv5检测篦条缺失mAP值可达99.5%,其训练后的权重可以检测篦条缺失图像.最后，基于PyQt构建烧结机台车篦条缺失检测系统，对篦条缺失进行实时检测，避免生产事故的发生，为烧结机台车篦条缺失检测提供解决方案.

• 单位
  内蒙古科技大学