检测系统的传感器种类
传感器种类繁多，其分类方法也较多。主要有按被测参量分类（例如，温度传感器、湿度传感器、 位移传感器、 加速度传感器、 荷重传感器等） 法，按传感器转换机理 （工作原理） 分类（例如，电阻式、电容式、电感式、压电式、超声波式、霍尔式等）法和按输出信号分类（分为模拟式传感器和数字式传感器两大类） 法等。采用按被测参量分类法有利于人们按照目标对象的检测要求选用传感器，而采用按传感器转换机理（工作原理）分类法有利于对传感器作研究、试验。
检测系统的信号输出
在许多情况下， 检测仪表和检测系统在信号处理器计算出被测参量的瞬时值后除送显示器进行实时显示外，通常还需把测量值及时传送给控制计算机、 可编程控制器 （PLC）或其它执行器、打印机、记录仪等，从而构成闭环控制系统或实现打印（记录）输出。检测仪表和检测系统信号输出通常有 4～20 m A、经 D/A 变换和放大后的模拟电压、开关量、脉宽调制—— PWM、串行数字通信和并行数字输出等多种形式，需根据测控系统的具体要求确定。
撕裂检测系统
皮带撕裂检测系统通过利用计算机视觉边缘分析技术以及Python基于YOLOv7架构模型，对现场画面中皮带撕裂现象进行实时分析检测。YOLOv7 在 5 FPS 到 160 FPS 范围内，速度和精度都超过了所有已知的目标检测器，并在 GPU V100 上，30 FPS 的情况下达到实时目标检测器的较高精度 56.8% AP。YOLOv7 是在 MS COCO 数据集上从头开始训练的，不使用任何其他数据集或预训练权重。
相对于其他类型的工具，YOLOv7-E6 目标检测器（56 FPS V100，55.9% AP）比基于 transformer 的检测器 SWINL Cascade-Mask R-CNN速度上高出 509%，精度高出 2%，比基于卷积的检测器 ConvNeXt-XL Cascade-Mask R-CNN (8.6 FPS A100, 55.2% AP) 速度高出 551%，精度高出 0.7%。
撕裂检测系统
工作流程
1) 前端抓拍设备实时上传视频流至系统服务器。
2) 皮带撕裂检测系统实时读取视频流，并进行分析。
3) 通过http推送，现场音箱广播的方式提醒现场人员及时处理。
功能特点
• 皮带撕裂检测系统可以实时监控跑偏动作。
• 球机两种摄像机均支持使用，灵活方便。
• 通过http推送，现场音箱广播的方式提醒现场人员及时处理皮带撕裂。
• 不同时段都可以进行识别。
• 抓拍准确率高。
应用场景
煤矿，金属矿，发电厂，钢铁厂等，有皮带机运转的场景。