摘要：烧结机台车是制取烧结矿的关键设备,为避免由台车上的箅条缺失、车轮锁紧螺母缺失与车轮脱落引发的生产事故,提高烧结生产效率。本文根据台车实际运行状况,在硬件层面制定了故障检测方案,构建了基于YOLOv7与DeepStream的烧结机台车缺陷部件检测系统。系统选取YOLOv7网络模型在缺陷部件数据集上训练,将YOLOv7模型训练所得权重文件部署在DeepStream6.1平台进行加速推理,并采用Kafka消息组件推送推断结果。试验结果表明,YOLOv7对所有类别检测的平均准确率为0.991,可用于缺陷部件的目标检测。系统实时监测烧结机台车运行情况,对Kafka消息进行解析,实现故障判定规则,通过实时的故障判定、存储、显示及预警实现烧结机台车缺陷部件智能化检测,为烧结机台车缺陷部件检修提供了一种新的解决方案。