烧结机台车车轮踏面缺陷检测系统设计与实现.pdf

Jun.2023Sintering and Pelletizing2023年6 月No.3团Vol.48球第48 卷第3期结烧烧结机台车车轮踏面缺陷检测系统设计与实现袁志龙，陈波，王月明（内蒙古科技大学信息工程学院，内蒙古包头0 140 10）摘要：烧结机台车车轮踏面缺陷有时会造成烧结机台车车轮发生卡顿、停滞、脱轨等故障，进而造成烧结机台车发生顿车现象，严重时甚至会导致生产安全事故，为避免此类问题，本文使用YOLOv5检测算法进行烧结机台车车轮踏面缺陷检测，并在此基础上设计了车轮踏面缺陷自动检测系统，当系统检测到车轮踏面发生缺陷时则启动报警并且通过微信消息推送车轮踏面的缺陷情况，为工程师及时维护提供技术保障。测试结果表明：该检测系统对车轮踏面缺陷的查全率为92%以上，查准率为10 0%，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。该系统可以应用于烧结机台车车轮踏面缺陷检测。关键词：烧结机；台车；YOLOv5算法；车轮踏面；缺陷；检测系统中图分类号：TF046.4;TF321.1;U279文献标识码：A文章编号：10 0 0-8 7 6 4(2 0 2 3)0 3-0 0 7 0-0 6doi;10.13403/j.sjqt.2023.03.042Design and implementation of defect detection system for tire tread ofsintering machine trolleyYUAN Zhilong,CHEN Bo,WANG Yueming(School of Information Engineering,Inner Mongolia University of Science and Technology,Baotou 014010,Inner Mongolia,China)Abstract:The defect of the tire tread of sintering machine trolley sometimes causes the tires of sintering machine trolley tolag,stagnation,derailment and other failures,and then causes stall phenomenon of the sintering machine trolley,whichsometimes even leads to production safety accidents.In order to avoid such problems,YOLOv5 detection algorithm is usedfor defect detection of sintering machine trolley tire tread,and,on this basis,automatic detection system for tire tread defectis designed.When the defect of the tire tread is detected,the system will start the alarm and push the defect of the tiretread through WeChat message,providing technical support for engineers to maintain in time.The results show that thedetection system has a recall rate of more than 92%and a precision ratio of 100%for tire tread defect,and the target oftire tread defect missed by the system is quite small,which basically does not affect the normal operation of the sinteringmachine trolley tires.The system can be applied to the detection of tire tread defect in sintering machine trolley.Key words:sintering machine;trolley;YOLOv5 algorithm;tire tread;defect;detection system烧结系统机械故障中有30%以上是由于烧结机台车运行故障造成的 。烧结机在运行过程中容易出现“顿车”现象，也称烧结机“蠕动”，即烧结机台车车轮在轨道上运转不连续，存在“走走停停”的现象2 。造成车轮踏面缺陷的因素包括轴重、车速、轨面干湿状况3，台车制动力过大、制动缓解不良4、轮对车轮直径差值5。轮对尤其是车轮踏面的机械状态直接影响着台车的运行收稿日期：2 0 2 112-30；修回日期：2 0 2 2-0 3-2 4基金项目：内蒙古自然科学基金资助项目（2 0 2 0 MS06008）；内蒙古自治区关键技术攻关项目（2 0 2 1GG0045）作者简介：袁志龙（1993一），男，硕士研究生，从事数字图像处理、机器视觉等方面的研究。通信作者：王月明（197 8 一），男，博士，教授，从事智能信息处理技术方面的研究。71袁志龙，等：烧结机台车车轮踏面缺陷检测系统设计与实现2023年第3期安全。因此对车轮踏面进行自动化、智能化检测已成为钢铁公司非常重要的技术需求。针对烧结机台车车轮检测，前人尝试了多种方法：唐凌剑等7 设计了一种烧结机台车车轮自动检测报警装置，包括传动系统和报警系统，能够检测出烧结机台车车轮的状态；韩明明等8 设计了一种烧结机台车车轮状态检测装置，通过压力传感器预测车轮状态劣化或车轮有可能脱落的情况；孟凡西9 设计了一种烧结机台车车轮脱落预警检测装置，通过将接近开关与烧结机控制电源连锁，实现烧结机车轮状态监测；段峰等10 设计了一种带式烧结机台车防跑偏结构，减少了由于烧结机台车跑偏造成车轮损坏的维护量和事故停机时间。但是上述方法在检测过程中需要高精度检测装置，同时在检测仪器部署时候结构复杂使得检测成本增加，不利于大范围推广。随着人工智能的快速发展，其应用已经越来越广泛，在车轮踏面检测方面：杨凯等1 通过深度学习实现了列车车轮踏面表面缺陷的自动化检测；郑茹丹等12 使用FasterR-CNN算法实现了车轮踏面缺陷检测；侯涛等13 通过对车轮踏面图像处理实现了车轮踏面自动检测。烧结机台车车轮踏面缺陷检测的自动化程度可决定烧结机台车能够正常运行的时间周期，因此设计快速高效的智能化检测系统对于实际生产至关重要。综上所述，本文采用YOLOv5作为烧结机台车车轮踏面缺陷检测算法，使用PyQt（Py t h o n 自带的系统界面设计库）和MySql（一种存储数据的数据库）构建车轮踏面缺陷检测系统，该系统包括车轮踏面检测、报警、微信推送、数据库存储以及数据分析等功能，以期对车轮踏面缺陷进行有效检测，为现场生产提供保障。1车轮踏面缺陷检测系统设计方案烧结机台车车轮踏面缺陷检测系统设计方案如图1所示。结合图1，当烧结机台车车轮运行到摄像头正下方时，摄像头捕捉到车轮踏面画面时检测系统则启动YOLOv5算法对车轮踏面状况进行检测，系统检测到车轮踏面存在缺陷时则和系统预先设定的缺陷置信度进行比对：如果检测出的缺陷置信度大于系统设定的缺陷置信度则进行信息提示和报警提示，并对当前车轮踏面状态和车轮编号画面进行截图，同时将截图在检测系统中展示，以便工程师确定车轮踏面缺陷具体部位；如果检测出的缺陷置信度小于系统设定的置信度则只进行信息提示而不报警，并将所有提示信息都保存到数据库中。摄像头车体编号光源前进方向车轮踏面YOLOv5车轮定位区YOLOv5检测区电源Pyqt库微信检测结果区发送数据分析微信APPMysqlMysql数据库Python绘图视频画面视频画面车辆运行画面车辆编号画面车辆运行画面车辆编号画面图1车轮踏面缺陷检测系统设计方案Fig.1 Design scheme of wheel tread defect detection system72球团第3期第48 卷烧结此次烧结机台车车轮踏面缺陷检测还设计了数据分析系统对数据库进行统计分析，并对分析结果进行可视化，工程师根据图形分析可以对烧结机台车车轮踏面进行提前防护，为使检测系统贴合工程师的使用习惯，系统将与微信APP进行通讯，当系统检测到车轮踏面存在缺陷时自动开启微信并将检测信息推送给现场工程师，实现远程监控目的。2车轮踏面缺陷检测算法YOLOv5是单阶段目标检测算法，其与两阶段检测算法相比更能满足检测过程的实时性，检测过程中主要通过损失函数变化来判断模型训练是否成功，YOLOv5算法结构及检测过程如图2 所示。BackboneNeckPredictionScratch0.8176*76*255模块结构FocusYOLOV5s38*38*255Scratch.0.89CblCsp1_319*19*255Spp上采样ConcatCsp2_1Conv1*1图2YOLOv5结构及检测过程Fig.2The structure and detection process of YOLOv5检测过程中YOLOv5损失函数变化类型有3种，分别为：分类损失函数；定位损失函数；置信度损失函数。总体损失为3种损失函数加权和，YOLOv5检测算法主要任务是目标框预测，要框选出目标，需对边框数据进行预测。预测框使用的损失函数如式（1）所示。Llocal=(X-X*)?+(Y-Y*)?+(W-W*)?+(H-H*)2(1)式中：X、Y、W、H 代表预测框的横、纵坐标、长度、宽度，m。YOLOv5模型测试结果通常使用精确率（Pr e c i s i o n）和召回率（Recall）作为评价标准。精确率即查准率是指准确检出的目标物体与所有检出目标物体的比值，设准确检出目标物体的数量为TP，检出目标物体但不正确的数量为FP，则查准率如式(2)所示。TPP(2)TP+FP召回率即查全率指准确检出的目标物体占所有此类型目标物体的比例，设准确检出的目标物体数量为TP，同一类型但未检出的目标物体数量为FN，则查准率如式（3）所示。TPR=TP+FN(3)P和R值越大模型越好，反之越差。本次模型训练在Linux操作系统上完成，系统环境：Intel(R)Core(TM)i9-9900K CPU，主频3.6 0 GHz,运行内存6 4GB，两块英伟达的2 0 8 0 TiGPU。模型训练使用包钢烧结机台车车轮踏面缺陷数据集和包神铁路车轮踏面缺陷数据集，此次模型训练共有车轮踏面缺陷数据集441张，其中8%作为测试集，剩余数据作为训练集。YOLOv5模型训练结果如图3所示。1.01.0(a)(b)0.80.80.60.60.4R0.40.20.202.00002.000送代次数送代次数(a)准确度；（b）召回率图3YOLOv5模型训练结果Fig.3YOLOv5 model training results732023年第3期袁志龙，等：烧结机台车车轮踏面缺陷检测系统设计与实现由图3可以看出，随着送代次数的增加，YOLOv5模型检测准确度和召回率都在不断提高，且模型在训练过程中图形曲线变化较为平缓，没有出现明显跳动，检测准确度和召回率上升曲线最终都趋于0.9 附近，因此训练模型可以用作烧结机台车车轮踏面缺陷检测，通过使用测试集对YOLOv5训练模型进行测试，部分测试结果如图4所示。其中：图4（a）表示YOLOv5模型检测到车轮踏面存在缺陷，置信度达到0.9 以上；图4（b）表示YOLOv5模型可以检测到车轮踏面缺陷，置信度达到0.5以上；图4（c）表示YOLOv5模型无法识别到车轮踏面缺陷类型。a缺陷0.9 1缺陷0.8 1快陷0.93缺0.50（a）车轮踏面存在缺陷；（b）车轮踏面缺陷；（c）漏检缺陷图4YOLOv5模型检测结果Fig.4YOLOv5 model test results根据图4，比较图4（a）和图4（b）可以看出，图4（a)中车轮踏面所存在的缺陷更加明显，所以YOLOv5模型对图（a）检测结果置信度更高，符合实际情况。通过分析发现漏检缺陷集中在车轮踏面微小剥离或轻微擦伤这种缺陷类型，由于YOLOv5模型训练时这类车轮踏面缺陷数据较少，导致YOLOv5模型无法充分学习到该类型缺陷特征，经咨询现场工程师，这类缺陷一般不会对烧结机台车车轮正常运行造成影响，因此不影响YOLOv5模型对车轮踏面缺陷检测的实际应用。3烧结机台车车轮踏面缺陷检测系统的应用烧结机台车车轮踏面缺陷检测系统运行流程如图5所示。系统运行之前需设定缺陷阈值，利用拍摄的车轮运行视频进行试验，当车轮运行至系统检测区域且车轮踏面存在缺陷时，系统能够自动对缺陷部位进行截图并呈现在对应区域，同时启动微信将检测结果发送给工程师，检测数据也实时保存到数据库。通过试验，数据分析系统可以实现对数据库的统计分析，并按照预想将分析结果显示在对应区域。试验过程中检测系统有效完成了各个模块功能的联动运行，与人工检测相比系统检测不会出现疲劳、主观判断等情况，可有效提高生产效率。3.1系统报警及微信推送功能的实现烧结机台车车轮踏面缺陷检测系统报警功能使用Winsound模块（Python自带的声音调用模块）实现，微信消息推送功能使用WeChat模块（Py t h o n 自带的微信接口模块）来实现，当检测系统发现车轮踏面存在缺陷且缺陷置信度大于系统设定置信度时则会触发该模块的运行，WeChat模块运行后系统会实现微信强制启动，达到调用微信的目的，以此实现检测系统远程传送功能。3.2烧结机台车车轮踏面缺陷检测系统结果分析此次烧结机台车车轮踏面缺陷检测系统功能测试以包钢烧结机台车车轮踏面视频和车轮编号视频进行试验，经过人工统计视频中共有缺陷35处。为了排除偶然性本次试验分三次进行，通过对视频剪辑得到两段分别包含缺陷数量为2 5处和15处的视频，利用检测系统分别对原视频和剪辑的两段视频进行测试。车轮踏面缺陷检测系统测试结果如表1所示。试验中烧结机台车车轮踏面缺陷检测系统置信度设置为0.9 和0.5两种，在实际工艺使用中，可74球团烧第3期第48 卷结欢迎使用烧结机台车车轮踏面检测系统检修小组（3)操作区功能选择车轮踏面检测区域车轮编号区域检测结果图片显示车轮踏面有缺陷，请尽快处理！默认模型加载初始化图片检测视频检测实时检测置信度0.9车轮踏面有缺陷，请尽快处理！暂停/继续检测结束检测检测踏面有缺陷：2 0 2 2-3-11-0 9-47-0 8 0 57 4信息踏面有缺陷：2 0 2 2-3-11-0 9-46-6 17 2 2 6烧结机台车车轮踏面缺陷检测数据分析系统操作区功能选择数据信息显示区域菜单选择分段统计结果序号检测结果检测时间年统计读取结果9踏面有缺陷2021-07-1310:19:22年缺陷统计年时间年数量10踏面有缺陷2021-07-1310:21:092021899插入数据11踏面有缺陷2021-07-1310:31:03月统计12踏面有缺陷2021-07-13 10:48:14月缺陷统计月时间月数量删除数据2021.07328序号检测结果检测时间日统计更新数据日缺陷统计日时间日数量浏览保存2021.07.1360年统计图月统计图日统计图图5车轮踏面缺陷检测系统运行效果Fig.5Operation effect of wheel tread defect detection system根据实际需求设置车轮踏面缺陷置信度。表1中Q0.9，表示系统检测出的车轮踏面缺陷置信度Q大于0.9，Q0.5表示系统检测出的车轮踏面缺陷置信度Q大于0.5。试验中可以发现，当检测系统置信度设置为0.9 时绝大部分车轮踏面缺陷可以被检测出来，如果为了更严格的检测，检测系统置信度可设为0.5，此时检测系统对车轮踏面检测更加严格。当检测系统置信度设为0.5时，试验中还是存在少量的漏检现象，原因之前已阐述，这里不在赘述。当系统检测出车轮踏面存在缺陷时，系统进行消息提示并启动报警和微信推送功能，同时将提示信息保存到数据库。表1车轮踏面缺陷检测系统测试结果Table1Test results of wheel tread defectdetection system视频包含缺陷总数/处352515系统检出缺陷数量（Q0.9)/处322214系统检出缺陷数量（Q0.5）/处332314当检测系统置信度为0.5时根据式（2）、式（3）及表1计算出烧结机台车车轮踏面缺陷检测系统对于三次车轮踏面缺陷的查准率、查全率和漏检率，计算结果如表2 所示。表2三次试验查准率、查全率和漏检率Table2The precision,recall and missed detection rate of three experiments查准率查全率漏检率P35TP33 100%=100%R35TP33100%=94.3%2100%=5.7%TP+FP33+0TP+FN33+235P25TP23100%=100%R2s=TP+FNTP23100%=92%Ln52100%=8%TP+FP23+023+225TP14TP14Ris=TP+FN1P100%=100%100%=93.3%100%=6.67%15TP+FP14+014+11575袁志龙，等：烧结机台车车轮踏面缺陷检测系统设计与实现2023年第3期由表1和表2 可以看出：当检测系统置信度为0.5时，系统三次试验分别可以检出33处、2 3处、14处车轮踏面缺陷，烧结机车轮踏面缺陷检测系统查全率为9 2%以上，查准率可以达到100%，系统在检测到车轮踏面存在缺陷时微信推送和报警功能可以实时响应。4结论（1）烧结机台车车轮踏面缺陷检测系统使用YOLOv5目标检测算法可实现对车轮踏面缺陷的检测，其查全率为9 2%以上，查准率可以达到10 0%，其细微缺陷的漏检基本不影响烧结机台车车轮正常运行。（2）在检测过程中系统各个功能模块都能正常运行，其中缺陷检测、系统报警、微信推送以及数据存储都能实时响应，能够满足实际生产的需求，可为烧结机车轮踏面状况提供实时的数据支撑。参考文献：1霍景荣，李玉红，赵国顺台车运行中故障的预防与应急处理J.烧结球团，2 0 0 7,32（5)：55-58.HUO Jingrong,LI Yuhong,ZHAO Guoshun.Preventionand emergency treatment of faults in trolley operationJ.Sintering and pelletizing,2007,32(5):55-58.2邓志宏烧结机“顿车”现象的分析及处理J烧结球团,2 0 16,41(2):17-2 0.DENG Zhihong.Analysis and treatment of the“paggingphenomenon of sintering machine J.Sintering and pel-letizing,2016,41(2):17-20.3史鸿祥客车车轮踏面擦伤及其危害J.铁道车辆,19 9 4(11):56 -57.SHI Hongxiang.Scratches and hazards of passenger carwheel treads J.Railway Cars,1994(11):56-57.4刘继，冯铭。车轮踏面擦伤在线自动检测方法的研究和试验J.铁道车辆，19 9 5(2：2 8-31.LIU Ji,FENG Ming.Research and test of on-line auto-matic detection method for wheel tread scratchesJ.Railroad Vehicles,1995(2):28-31.5彭丽娟车轮踏面擦伤及其检测新技术J.铁道知识,19 9 6(1):34.PENG Lijuan.Wheel tread scratches and its new detec-tion technology J.Railway Knowledge,1996(1):34.6张渝，王黎，高晓蓉，等国内外车轮踏面损伤检测技术综述J.机车车辆工艺，2 0 0 2(1)：1-4;8.ZHANG Yu,WANG Li,GAO Xiaorong,et al.Overview ofdetection technology for wheel tread damage at home andabroad J.Locomotive and Rolling Stock Technology,2002(1):1-4;8.7唐凌剑，徐春玲，成昌省，等烧结机台车轮自动检测报警装置：CN202066368UP.2011-12-07.Tang Lingjian,Xu Chunling,Chengchang Province,etc.Automatic detection and alarm device for wheels ofsintering machine:CN202066368U P.2011-12-07.8韩明明，孙文杰，刘安林，等。烧结机台车车轮状态检测装置:CN202433209UP.2012-09-12.HAN Mingming,SUN Wenjie,LIU Anlin,et al.Wheelcondition detection device for sintering machine trolley:CN202433209UP.2012-09-12.9孟凡西烧结机台车轮脱落预警检测装置：CN207407690UP.2018-05-25.MENG Fanxi.Early warning detection device for wheelfall off of sintering machine trolley:CN207407690U P.2018 05 25.10段峰,冶飞，石红兵，一种带式烧结机台车防跑偏结构:CN212902644UP.2021-04-06.DUAN Feng,YE Fei,SHI Hongbing.An anti-deviationstructureofbeltsinteringmachinetrolley:CN212902644UP.2021-04-06.11杨凯,李锐,罗林，等基于深度学习的车轮踏面表面缺陷检测研究J.信息技术,2 0 2 1（7）：9 3-9 7.YANG Kai,LI Rui,LUO Lin,et al.Research on surfacedefect detection of wheel tread based on deep learningJ.Information Technology,2021(7):93-97.12郑茹丹,李金龙，张渝，等，基于改进FasterR-CNN的车轮踏面缺陷检测J.中国铁路，2 0 2 1（3）：131-135.ZHENG Rudan,LI Jinlong,ZHANG Yu,et al.Wheeltread defect detection based on improved Faster R-CNNJ.China Railway,2021(3):131-135.13侯涛，张志腾改进Canny算子在列车车轮踏面损伤检测中的应用J铁道科学与工程学报，2 0 18，15(8):2107-2112.HOU Tao,ZHANG Zhiteng.Application of improved can-ny operator in damage detection of train wheel tread J.Journal of Railway Science and Engineering,2018,15(8):2107-2112.