皮带撕裂检测系统

皮带撕裂检测系统通过Python基于YOLOv7架构模型实时监控传动现场皮带的工作状态，皮带撕裂检测系统24h全天候对皮带进行多方向实时检查，尽快发现皮带安全隐患，避免扩大损失。YOLOv7架构模型一旦发现传动带撕裂，立即抓拍存档预警同步现场信息到后台，有利于人员立即到现场维护，避免风险。

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（9.2 FPS A100，53.9% AP）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%。

Yolo模型采用预定义预测区域的方法来完成目标检测，具体而言是将原始图像划分为 7x7=49 个网格（grid），每个网格允许预测出2个边框（bounding box，包含某个对象的矩形框），总共 49x2=98 个bounding box。我们将其理解为98个预测区，很粗略的覆盖了图片的整个区域，就在这98个预测区中进行目标检测。