车轮作为烧结机台车运行的主要部件,车轮状态关系到整个烧结机台车的运行安全,车轮踏面特征是衡量车轮是否正常运行的一个依据,车轮在运行过程中如果发生故障通常会导致车轮踏面产生划痕、剥离等缺陷,这些缺陷的存在会对烧结机台车工作效率产生一定的影响,因此对烧结机台车车轮踏面缺陷进行检测非常必要。目前对于烧结机台车车轮踏面缺陷的检测大多是通过人工肉眼观察进行判断,人工检测经常存在误检、漏检以及检测标准不统一等问题。针对上述问题文中提出一种基于YOLOv5算法对烧结机台车车轮踏面缺陷进行检测方案。首先通过摄像设备获取车轮踏面缺陷图像,对符合检测标准的图像进行特征标注构建YOLOv5检测算法数据集,然后利用数据集对YOLOv5算法进行模型训练,最后利用测试集对YOLOv5训练模型进行测试。由于所采集的真实车轮踏面缺陷数据集数量不足无法满足YOLOv5模型训练,文中又使用生成对抗网络和泊松融合算法对车轮踏面缺陷数据进行丰富、扩充。YOLOv5训练模型测试结果表明:扩充数据集后的训练模型比没有扩充数据集的训练模型对车轮踏面缺陷检测的准确率提高了6.5%,由此为烧结机台车车轮踏面缺陷检测提供一种解决方案。本文在采用YOLOv5检测算法对烧结机台车车轮踏面缺陷进行检测的基础上,进一步设计了烧结机台车车轮踏面缺陷检测系统和数据分析系统,系统界面使用Py Qt进行设计。检测系统包括图片检测、视频检测、摄像头实时检测、系统报警以及微信消息推送等功能,系统检测结果可以实时保存到My SQL数据库。数据分析系统是对数据库中的数据进行编辑、统计分析,并实现对系统检测数据可视化。检测系统通过对包钢烧结机台车车轮踏面运行视频进行测试,实验结果显示烧结机台车车轮踏面缺陷检测系统对车轮踏面缺陷的查全率为92%以上,查准率可达到100%。经分析系统漏检的车轮踏面缺陷目标较小,基本不影响烧结机台车车轮正常运行,因此系统可以应用于烧结机台车车轮踏面缺陷检测。