基于YOLOv5的动车零件焊接裂纹检测系统及方法

本发明涉及图像检测设备和方法，尤其涉及一种基于yolov5的动车零件焊接裂纹检测系统及方法。

背景技术：

1、动车运输在生活中扮演不可或缺的角色，对于动车电线支架的生产质检和使用维护，磁粉探伤技术在这一领域应用有悠久的历史。动车电线支架是一种重要的不规则金属零件。

2、目前的磁粉探伤检测设备，只能对其实现半自动化检测，需要检测人员一直参与，检测步骤为：1.工件前期处理、2.将工件磁化、3.对工件表面喷洒磁悬液、4.人工目视观察、5.工件退磁，以及后期处理。对不同的不规则被检测物品需要购置不同的定制化夹具，增加使用成本，提高了实现自动化检测难度。

3、对于荧光磁粉检测场景，为充分发挥荧光效果，要求在暗室环境内，紫外线强度不低于800μw/cm2的环境下进行检测，这种工作环境对检测人员不友好，检测人员容易视觉疲劳。由于磁粉探伤需要依赖操作员的经验和技能，如果操作不当或者检测人员经验不足，就可能会出现漏检、误判等情况，从而影响检测结果的准确性和检测的效率。

4、现有的磁粉探伤机在工作时存在以下不足之处：

5、(1)依赖人工操作的方式导致操作员的技能水平和经验对检测结果的影响，也增加了人为错误的风险。检测结果因为不同的检测人员产生差异。

6、(2)仅适用于磁性材料：磁粉探伤机主要用于检测磁性材料中的缺陷，对非磁性材料的探测效果较差。因此，在需要检测非磁性材料的情况下，磁粉探伤机可能无法提供准确的结果。

7、(3)依赖表面清洁度：磁粉探伤机要求被测物体表面清洁，以确保磁粉充分附着在缺陷处，从而实现有效的检测。如果表面存在污垢、涂层或油脂，则将影响检测结果或导致错误的判读。

8、(4)检测速度较慢：相比一些非接触式的无损检测方法，磁粉探伤机的检测速度相对较慢。这是由于涂粉、清洗等步骤的需求，以及对每个被测物体进行逐个检测的要求。磁粉探伤需要对每一块被检测物体进行单独处理，进而需要耗费大量的时间和人力成本。同时，在对大面积工件进行检测时，其效率也受到限制。同时，人工目视观察不能满足大量动车电线支架的生产检测场景的使用需求以及检测环境标准。因此，亟需一种动车电线支架焊接裂纹磁粉检测方法和系统，进而实现自动化检测。

技术实现思路

1、发明目的：针对现有荧光磁粉检测技术对动车电线支架进行检测，需要人工目视观察，焊接裂纹与正常焊接纹路分离困难的不足之处，本发明提出一种基于yolov5的动车零件焊接裂纹磁粉检测系统及方法，实现对动车电线支架焊接裂纹的区分识别和自动检测。

2、技术方案：本发明基于yolov5的动车零件焊接裂纹检测系统包括计算机、控制器、悬挂式输送装置、磁粉探伤装置和视觉检测装置；

3、悬挂式输送装置包括链条、滑架、环形支架、架空轨道、驱动装置、道岔和光电传感器；驱动装置通过链条连接，道岔对滑架转向；

4、磁粉探伤装置包括清洗装置、磁粉悬液喷淋装置、升降滚轴平台和磁化装置；升降滚轴平台承载和转动环形支架；

5、视觉检测装置包括相机、led黑光灯和检测镜头，检测镜头将零件反射出的光传递至相机的感光元件上。

6、本发明基于yolov5的动车零件焊接裂纹检测方法包括以下步骤：

7、(1)将零件固定在环形支架内，控制器发送指令，驱动装置通过链条带动环形支架，将零件传送到磁粉探伤装置，光电传感器判断零件是否到位；

8、(2)光电传感器接收到位信号后反馈给控制器使驱动装置停止，升降滚轴平台由气缸推升环形支架；升降滚轴平台上的滚轴由步进电机转动，带动环形支架转动；磁化装置产生电磁场，对零件退磁，清洗装置对零件清洗；

9、(3)磁粉悬液喷淋装置和磁化装置对零件喷淋和磁化后，分布在零件上的相机照射出紫外线对零件表面和端面扫描拍照；零件由环形支架带动旋转每旋转设定角度暂停，重复拍照至停止；由yolov5目标检测方法对零件焊接裂纹缺陷识别，判定图像中的焊接裂纹是否存在缺陷，并将结果反馈给控制器；

10、(4)升降滚轴平台托举零件，磁化装置对零件退磁，清洗装置清洗零件后，升降滚轴平台的滚轴受步进电机控制停止转动，升降滚轴平台由气缸控制下降；将零件经悬挂式输送装置的道岔分送至合格或不合格轨道。

11、本发明基于yolov5的动车零件焊接裂纹检测方法的步骤(3)中，led黑光灯照射出的紫外线强度不低于800μw/cm2。

12、步骤(3)的判定过程为：(3.1)数据预处理；(3.2)特征提取；(3.3)特征融合；(3.4)边界框预测；(3.5)非极大值抑制。

13、步骤(3.1)的数据预处理的过程为，将输入图像进行裁剪、缩放预处理操作。

14、步骤(3.2)的特征提取过程为，使用卷积神经网络从图像中提取特征，得到一个高维特征向量。

15、步骤(3.3)中的特征融合为将不同层的特征图进行融合，得到特征表示。

16、步骤(3.4)中的边界框预测的过程为，基于特征向量，预测出每个目标边界框的位置和大小，并给出所属类别的概率分布。

17、步骤(3.5)中，非极大值抑制的过程为，对于重叠的边界框，保留置信度最高的边界框，去除冗余的结果，输出检测结果。

18、步骤(3.5)中，在零件焊接裂纹照片中，yolov5识别裂纹并输出所述裂纹的位置、大小和置信度信息。

19、工作原理：本发明基于yolov5的动车零件焊接裂纹检测方法的原理为，将yolov5中backbone层的cspdarknet-53更换为shufflenet-v2，在此基础上添加a2-nets(attentionaugmentedconvolutionalnetworks)注意力模块。将mish激活函数更换为轻量化hardswish激活函数,结合focalloss损失函数组成，以确保网络更好地关注小目标，改善小目标检测任务精度，整体网络结构如图6所示。

20、其中，shufflenet-v2是一种高效的轻量级卷积网络架构设计，其网络结构包括conv1、maxpool、stage2、stage3、stage4、conv5和globalpool。shufflenet-v2基本单位结构如图7所示，其中dwconv为深度卷积。gconv为群卷积。开始outputsize参数为224×224。经过conv1步骤outputsize变为112×112，经maxpool步骤outputsize变为56×56，ksize大小皆为3×3，stride步长皆为2。经过stage2步骤outputsize变为28×28、stride步长为2和28×28，stride步长为1。经过stage3步骤outputsize变为14×14、stride步长为2和14×14、stride步长为1。经过stage4步骤outputsize变为7×7，经过conv5步骤outputsize为7×7，ksize池化尺寸对应为1×1。经过globalpool步骤outputsize为1×1，ksize大小为7×7。

21、本发明采用的a2-nets注意力模块是一种双重注意力网络。该网络首先使用二阶的注意力池化(second-orderattentionpooling,sap)用于将整幅图的所有关键特征归纳到一个集合当中，然后再利用另一种注意力机制将这些特征分别应用到图像中的每个区域。网络结构如图4所示。

22、hardswish激活函数用来加入非线性因素的，增加网络的表达能力。focal loss损失函数用来计算每一个样本中的预测值和真实值的偏差。

23、本发明在对零件进行检测时，以动车电线支架为例，首先对零件焊接裂纹的照片数据采集，对数据划分训练集和验证集；并提出一种基于yolov5改进的算法对训练集进行训练，与正常焊接纹路背景区分，对焊接裂纹进行准确检测；并不断迭代以减小损失函数，利用训练模型对验证集进行预测，损失函数收敛达到最优模型后结束训练。通过带齿轮的环形支架，将零件固定在环形支架中，通过悬挂式运输机构带动环形支架进行运输，通过升降滚轴平台对环形支架进行旋转，实现对动车电线支架的全方位检测。对动车零件表面分区采集图像，方便裂纹定位。最终，实现对零件焊接裂纹磁粉检测的自动化。

24、有益效果：与现有技术相比，本发明具有以下优点：

25、(1)本发明通过基于yolov5进行改进的目标检测算法，配合发明中的机械装置，实现了对动车零件，如电线支架荧光磁粉焊接裂纹的自动化检测。通过对动车零件如电线支架的裂纹的分区采集来帮助检测人员快速准确查找裂纹位置。

26、(2)相比半自动化设备和人目视觉检测，本发明的检测效率高，检测标准统一，检测结果数字化。本发明减少了对算力需求和磁粉探伤机成本，提高了检测精度。