檢測系統的傳感器種類

傳感器種類繁多，其分類方法也較多。主要有按被測參量分類（例如，溫度傳感器、濕度傳感器、 位移傳感器、 加速度傳感器、 荷重傳感器等） 法，按傳感器轉換機理 （工作原理） 分類（例如，電阻式、電容式、電感式、壓電式、超聲波式、霍爾式等）法和按輸出信號分類（分為模擬式傳感器和數字式傳感器兩大類） 法等。采用按被測參量分類法有利于人們按照目標對象的檢測要求選用傳感器，而采用按傳感器轉換機理（工作原理）分類法有利于對傳感器作研究、試驗。

撕裂檢測系統

皮帶撕裂檢測系統通過利用計算機視覺邊緣分析技術以及Python基于YOLOv7架構模型，對現場畫面中皮帶撕裂現象進行實時分析檢測。YOLOv7 在 5 FPS 到 160 FPS 范圍內，速度和精度都超過了所有已知的目標檢測器，并在 GPU V100 上，30 FPS 的情況下達到實時目標檢測器的較高精度 56.8% AP。YOLOv7 是在 MS COCO 數據集上從頭開始訓練的，不使用任何其他數據集或預訓練權重。

相對于其他類型的工具，YOLOv7-E6 目標檢測器（56 FPS V100，55.9% AP）比基于 transformer 的檢測器 SWINL Cascade-Mask R-CNN速度上高出 509%，精度高出 2%，比基于卷積的檢測器 ConvNeXt-XL Cascade-Mask R-CNN (8.6 FPS A100, 55.2% AP) 速度高出 551%，精度高出 0.7%。

撕裂檢測系統產品概述

當皮帶（傳送帶）發生斷裂時，皮帶底端的紅外線光束會錯位，此時相機畫面中檢測到紅外線光束不是一條連續不斷的曲線，說明皮帶撕裂或斷裂，則抓拍。

皮帶撕裂檢測系統是基于視頻流的智能圖像識別系統，利用新的深度學習與大數據技術，通過對皮帶進行實時監測，智能檢測撕裂并報警。本系統采用視頻圖像智能識別的方式，無需新增硬件，快捷方便；軟件自動檢測皮帶撕裂，通過http推送，現場音箱廣播的方式提醒現場人員及時進行處理。