【技术实现步骤摘要】
本专利技术涉及图像目标检测领域，尤其是一种基于yolov5-cb算法的烧结机篦条检测方法。
技术介绍
1、烧结是将各种粉状含铁原料配入适量的燃料、溶剂和水经过混合和造球后再烧结设备上使物料发生一系列物理化学变化，将矿粉颗粒粘结成块的过程。烧结作业是烧结生产的中心环节，它包括布料、点火和烧结等主要工序，烧结作业中的关键设备就是烧结机，烧结机的主要部件是台车。
2、台车中最容易损坏的零件是篦条，每一个台车底部有三百多根篦条铺设成一个平面，用于支持烧结混合料，使其进行点火、抽风、卸料等一系列工序。篦条在烧结矿的重量及抽风负压的作用下，还又要受到反复的高温作用，因此长时间的使用而不进行更换，在热疲劳的不断作用下，炉篦条就会出现断裂，箅条断裂脱落后，会增加单排箅条的间隙宽度，当间隙过大时烧结混合料会从间隙孔中落入烟道。低熔点物质也会附着在篦条间隙导致糊堵，大面积堵塞使得烧结反应的透气性变差，影响烧结矿质量。
3、目前对于篦条的断裂、糊堵检测主要靠人工定期检查的方法，效率较低且容易出现漏检，为了减少人力投入，实现智能化生产，专利技术了一种基于yolov5-cb算法的烧结机篦条检测方法。
技术实现思路
1、针对上述问题，本专利技术旨在提供一种基于yolov5-cb算法的烧结机篦条检测方法，能够实时地对篦条故障进行检测，并且具有检测速度快、准确率高、鲁棒性好、部署简单等优点。
2、本专利技术的技术方案如下：
3、步骤1：采集篦条故障图像，通过数据扩增
4、步骤2：搭建yolov5-cb模型结构；
5、步骤3：通过步骤1制作的数据集训练改进后模型的故障识别能力，得到权重文件；
6、步骤4：将待测图像和权重文件输入检测模型，对篦条故障进行识别；
7、步骤5：保存和展示检测结果，并根据故障的严重程度发出报警。
8、上述的一种基于yolov5-cb算法的烧结机篦条检测方法中，步骤2具体包括如下步骤：
9、步骤2.1：使用bifpn结构替换yolov5中的panet结构；
10、步骤2.2：将yolov5中的最近邻上采样替换为carafe上采样算法，carafe上采样具体方法如下：
11、（1）特征图通道压缩：将形状为 h× w× c的输入特征图用一个1 ×1卷积将它的通道数压缩到 c m；
12、（2）内容编码及上采样核预测：上采样核尺寸设置为2 h×2 w×3×3，使用尺寸为5×5×22×32的卷积核对上一步压缩通道后尺寸为 h× w× c m的输入特征图进行卷积，得到尺寸为2 h×2 w×32的上采样核；
13、（3）上采样核归一化：对每个像素通道使用softmax进行归一化，使得卷积核权重和为1，最后将每个上采样核与输入特征图对应位置做点积，得到输出值。
14、步骤2.3：训练时使用ciou损失函数计算损失值，定义为：
15、 （1）
16、 （2）
17、 （3）
18、其中 α是权重系数， v是检测框和真实框的长宽比距离， b和 b gt分别是预测框和真实框的中心点， ρ是欧氏距离， c是目标最小外接矩形的对角线距离，iou是交并比，表示两框交集面积比它们的并集面积， w和 h是预测框或真实框的宽和高；
19、上述的一种基于yolov5-cb算法的烧结机篦条检测方法中，步骤3具体包括如下步骤：
20、步骤3.1：使用yolov5中的k-means++算法对步骤1数据集的目标框的高宽进行聚类，由此确定训练所需的先验框参数；
21、步骤3.2：将标注数据集按照8：2划分成训练集和测试集；
22、步骤3.3：设置训练参数：批量数为32，迭代次数为100，训练尺寸为448×448×3，初始学习率为0.01；
23、步骤3.4：使用mosaic数据增强功能和focus切片处理图片，训练权值；
24、上述的一种基于yolov5-cb算法的烧结机篦条检测方法中，步骤4具体包括如下步骤：
25、步骤4.1：将待处理图像依次传入backbone主干网络、head层和检测层中，得到篦条故障的所在位置、类型概率和数量。
26、上述的一种基于yolov5-cb算法的烧结机篦条检测方法中，步骤5具体包括如下步骤：
27、步骤5.1：记录检测时间，将故障类型和位置标注到输入图像副本上并保存；
28、步骤5.2：将检测结果保存到数据库；
29、步骤5.3：如果识别到1个故障，发出轻度报警，如果识别到2个故障，发出中度报警，如果识别到3个及以上故障，发出严重报警。
本文档来自技高网...【技术保护点】
1.一种基于YOLOv5-CB算法的烧结机篦条检测方法，其特征在于，包括如下步骤：
【技术特征摘要】
1.一种基于yolov5-cb算法的烧结机...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。