目前的解决办法是人工巡检加各种传感器进行预防，但效果相差甚远，时有重大事故发生。不仅难以发现或预防皮带的重大**，也无法及时避免撕裂堵料等情况的发生，而且巡检人员现场作业具有很大的人身安全隐患。如何减少、杜绝重大皮带事故的发生是安全生产迫切需要解决的。我司通过核心的人工智能算法和应用算法，结合业界的边缘计算AI神经网络芯片硬件方案，针对冶金行业皮带机运行结构，通过科技手段和过硬技术来归类数据**、建立研发模型、深度训练学习，将解决皮带机撕裂等运输事故的发生。
“深度学习+机器视觉”
运用人工智能中的“深度学习”与“机器视觉”两大分支技术，功能丰富的机器视觉软件，系统可不断内部校优，实现“模板学习→检测→模板丰富→检测更精准→模板更丰富→检测更精准”的良性循环。借助客观的大数据来调整前端工艺，提高生产效率。
Al智能分析终端介绍
AI智能分析终端是本套系统的核心设备。该设备可以通过AI学习掌握事物特征对现场**进行检测分析。
● 高清图像采集功能、实时播放、历史回放
● 结合神经网络的AI智能图像分析。通过深度学习可以检测各种皮带撕裂状况（撕裂，跑偏， 漏洞等）
● 可以再次学习*故障模型
● 可以定义**历史报警状况，对可容忍漏洞、撕裂不报警
● 自定义报警级别，分级报警
● 联动信号输出，方便联动其他设备
● 具备自动检测、自动识别。自动报警。一 旦输送带发生撕裂，将在时间声光报警并发出联动控制信号
● 在报警同时，将输送带撕裂情况的图像抓拍保存到固定文件夹内，方便用户查看。分析具体问题以及修补（历史记录保留3个月以上）
