Facendo clic su "Accetta tutti i cookie", acconsenti alla memorizzazione dei cookie sul tuo dispositivo per migliorare la navigazione del sito, analizzare l'utilizzo del sito e contribuire alle nostre iniziative di marketing. Per saperne di più
Impostazioni dei cookie
Facendo clic su "Accetta tutti i cookie", acconsenti alla memorizzazione dei cookie sul tuo dispositivo per migliorare la navigazione del sito, analizzare l'utilizzo del sito e contribuire alle nostre iniziative di marketing. Per saperne di più
Monitoraggio dei sistemi legacy con l'aiuto di Ultralytics YOLO11
Scopri come Ultralytics YOLO11 può aiutare le aziende a monitorare i sistemi legacy con la visione computerizzata AI, migliorando l'efficienza e riducendo i costi di aggiornamento.
Molte aziende, soprattutto nei settori della produzione, dell'automazione industriale, dell'aerospaziale, delle telecomunicazioni e dell'energia, dipendono da sistemi obsoleti per le loro operazioni quotidiane. Tuttavia, la manutenzione di questi vecchi sistemi spesso comporta costi elevati e sfide tecniche. Nonostante ciò, il motivo principale per cui le aziende continuano a usare i sistemi legacy è che sono profondamente radicati nei loro flussi di lavoro.
Quasi due terzi delle aziende spendono più di 2 milioni di dollari per mantenere e aggiornare i sistemi legacy. Questi vecchi sistemi sono stati costruiti in un'epoca diversa, quando l'automazione e l'analisi in tempo reale non erano una priorità. Le aziende si affidavano a processi manuali o a strumenti di monitoraggio obsoleti, con conseguenti inefficienze e rischi operativi più elevati. Di conseguenza, molte aziende si trovano bloccate con questi sistemi obsoleti, incapaci di passare facilmente a soluzioni più moderne senza subire interruzioni significative.
È qui che l'intelligenza artificiale e la computer vision, che consentono ai computer di comprendere e analizzare i dati visivi, possono intervenire e aiutare. In particolare, i modelli di computer vision come Ultralytics YOLO11 possono essere utilizzati per rilevare e monitorare i sistemi tradizionali come i contatori e gli indicatori.
In questo articolo analizzeremo come YOLO11 può essere utilizzato per il monitoraggio dei sistemi legacy, i suoi vantaggi e come le aziende possono integrarlo facilmente nei loro flussi di lavoro esistenti.
Figura 1. Esempi di sistemi legacy. Immagine dell'autore.
Sfide legate alla modernizzazione dei sistemi legacy
I sistemi legacy sono fondamentali per molte industrie, ma trasformarli in sistemi digitali non è sempre semplice. Modernizzare questi sistemi è importante per aumentare l'efficienza e ridurre i rischi. Ecco alcune delle sfide tecniche e ambientali che le aziende devono affrontare quando aggiornano i sistemi legacy:
Mancanza di interfacce digitali: Molti sistemi legacy sono stati progettati prima che la trasformazione digitale diventasse comune. Funzionano con controlli analogici, calibri e indicatori meccanici, rendendo difficile l'integrazione diretta con le moderne soluzioni di monitoraggio.
Costi di aggiornamento elevati: La sostituzione o l'aggiornamento dell'infrastruttura legacy può essere costosa e dannosa. Molte aziende esitano a investire in sostituzioni su larga scala a causa degli alti costi iniziali e dei problemi di downtime.
Design del sistema incoerente: I macchinari più vecchi variano in modo significativo per struttura, materiali e funzionalità. Questa mancanza di standardizzazione rende difficile l'applicazione di una soluzione digitale uniforme tra i diversi sistemi.
Sfide nell'acquisizione dei dati in tempo reale: I display analogici non sono stati progettati per la raccolta automatica dei dati, rendendo difficile l'estrazione di letture accurate e in tempo reale da quadranti, contatori o contatori meccanici.
Figura 2. Sfide legate alla modernizzazione dei sistemi legacy. Immagine dell'autore.
Come Vision AI può aiutare a monitorare i sistemi legacy
Molti macchinari tradizionali utilizzano quadranti, contatori e indicatori analogici che non possono essere collegati ai sistemi digitali. Le soluzioni Vision AI possono utilizzare telecamere per monitorare questi dispositivi e le immagini possono essere elaborate in tempo reale per convertire le letture in registri digitali per facilitare la tracciabilità e la reportistica.
Uno dei vantaggi dell'utilizzo della computer vision è che i problemi operativi possono essere individuati quasi istantaneamente. In caso di emergenza, gli avvisi automatici possono notificare agli operatori quando i valori superano i limiti di sicurezza.
Inoltre, la computer vision è un'opzione più economica. L'installazione di telecamere e l'implementazione di un sistema di intelligenza artificiale per l'analisi delle immagini è economicamente vantaggiosa rispetto agli aggiornamenti tradizionali o ai metodi di monitoraggio manuale. Invece di costosi aggiornamenti dell'infrastruttura, i modelli di Vision AI come YOLO11 possono funzionare con le apparecchiature esistenti, rendendo la modernizzazione più accessibile.
Sistemi di monitoraggio tradizionali abilitati da YOLO11
Al giorno d'oggi, l'intelligenza artificiale sta vivendo un vero e proprio boom e ci sono diversi modelli e tecniche da prendere in considerazione quando si implementa una soluzione di intelligenza artificiale. Quindi, ti starai chiedendo: cosa rende un modello come YOLO11 così speciale?
YOLO11 supporta diverse attività di computer vision come il rilevamento di oggetti, la segmentazione di istanze e il tracciamento di oggetti ed è ideale per il monitoraggio in tempo reale. Uno dei suoi vantaggi principali è la capacità di funzionare in modo efficiente sui dispositivi edge. Ciò significa che può elaborare i dati localmente, senza fare affidamento su una forte connessione di rete o su un'infrastruttura cloud.
Figura 3. Un esempio di utilizzo di YOLO11 per il rilevamento degli oggetti.
Nelle fabbriche o in ambienti industriali con reti deboli o inaffidabili, l'implementazione di YOLO11 sui dispositivi edge garantisce un monitoraggio continuo e in tempo reale senza interruzioni, riducendo la necessità di costose soluzioni basate su cloud e rendendola una scelta più conveniente e pratica per le aziende.
Inoltre, YOLO11 è noto per le sue prestazioni superiori in termini di precisione e velocità rispetto ai suoi predecessori. Con il 22% di parametri in meno rispetto a YOLOv8m, YOLO11m raggiunge una precisione media superiore (mAP) sul dataset COCO.
In poche parole, YOLO11 è in grado di rilevare gli oggetti in modo più preciso e veloce, anche con una minore potenza di elaborazione. Questo lo rende più efficiente nell'individuare i problemi e nel monitorare i sistemi in tempo reale, utilizzando meno risorse, il che è particolarmente utile per i sistemi legacy.
Applicazioni di YOLO11 nei sistemi di monitoraggio tradizionali
Esploriamo poi alcuni casi d'uso reali in cui YOLO11 automatizza i processi utilizzando la visione computerizzata per tracciare e analizzare le letture, il tutto senza la necessità di modificare le apparecchiature esistenti.
Monitoraggio degli indicatori analogici con YOLO11
Diversi macchinari industriali utilizzano manometri analogici per misurare la pressione, la temperatura e i livelli dei fluidi. Le letture manuali richiedono tempo e spesso portano a incongruenze, soprattutto nelle operazioni su larga scala. YOLO11 può migliorare questi processi.
Ecco un approfondimento su come funziona il monitoraggio degli indicatori analogici con YOLO11 :
Rilevamento dell'oggetto: YOLO11 rileva e localizza innanzitutto l'oggetto all'interno di un'immagine, garantendo un'identificazione accurata anche in ambienti complessi.
Segmentazione dell'istanza: Una volta identificato il calibro, YOLO11 utilizza la segmentazione dell'istanza per separare gli elementi chiave come l'ago, la scala e le indicazioni numeriche. Questo è importante perché assicura che il sistema si concentri solo sulle parti rilevanti del calibro, eliminando qualsiasi rumore di fondo o distrazione. Isolando queste aree chiave, la fase successiva diventa più accurata ed efficiente.
Riconoscimento ottico dei caratteri (OCR): Infine, la tecnologia OCR può essere utilizzata per convertire i numeri sul misuratore in dati digitali, consentendo alle aziende di tenere traccia delle misurazioni senza dover effettuare letture manuali.
Sebbene questo sia il metodo generale, i passaggi esatti possono variare a seconda di fattori come il tipo di calibro, le condizioni ambientali e l'angolo o la qualità delle immagini catturate. In base a queste variabili si possono apportare delle modifiche per garantire letture accurate.
Figura 4. Come funziona il monitoraggio analogico degli indicatori con YOLO11 . Immagine dell'autore.
YOLO11 può semplificare il monitoraggio dei contatori
Molti fornitori di servizi dipendono ancora da contatori meccanici per monitorare i consumi di acqua, gas ed elettricità. In alcuni casi, per raccogliere le letture sono necessarie visite manuali in loco, che richiedono tempo e aumentano i costi.
YOLO11 automatizza il processo di monitoraggio utilizzando la computer vision per individuare e ritagliare le parti rilevanti dei quadranti dei contatori. In questo modo è possibile isolare i valori numerici sul quadrante e utilizzare l'OCR per leggerli.
Grazie ai dati raccolti con la computer vision, i fornitori di servizi possono analizzare i modelli di consumo in modo più efficace. L'integrazione dell'analisi dei dati nel processo di monitoraggio aiuta a tracciare le tendenze storiche di utilizzo, a identificare le anomalie e a rilevare le irregolarità, come picchi o cali improvvisi di consumo, che potrebbero indicare problemi come perdite o contatori difettosi.
Analizzare i pannelli di controllo con YOLO11
I sistemi tradizionali, come le unità di controllo industriali, i monitor della rete elettrica e i pannelli di automazione di fabbrica, si affidano a pannelli di controllo analogici con interruttori, pulsanti e spie luminose per visualizzare lo stato della macchina e i codici di errore. In genere, gli operatori ispezionano questi pannelli manualmente, il che richiede molto tempo e aumenta il rischio di risposte tardive.
YOLO11 può ottimizzare questo processo identificando e tracciando con precisione i componenti del pannello di controllo. È in grado di rilevare interruttori, etichette e spie luminose e di determinarne la posizione e lo stato. È in grado di identificare se le spie luminose indicano avvisi o il normale funzionamento.
Ad esempio, se si attiva una spia luminosa, YOLO11 è in grado di rilevare immediatamente il cambiamento e gli operatori possono essere avvisati, consentendo tempi di risposta più rapidi e riducendo il rischio di perdere problemi critici.
Figura 5. Pannello di controllo con spie luminose.
Pro e contro della modernizzazione dei sistemi legacy
La computer vision è un modo pratico per monitorare i sistemi legacy senza sostituire l'hardware esistente. Tuttavia, come qualsiasi altra tecnologia, presenta vantaggi e limiti. Esploriamo entrambi per avere un'idea più precisa di come può essere applicata in modo efficace.
Ecco alcuni modi in cui Vision AI influisce positivamente sul monitoraggio dei sistemi legacy:
Riduzione dei costi a lungo termine: Anche se la configurazione iniziale può richiedere un investimento, l'automazione delle attività di monitoraggio e la riduzione degli errori umani possono portare a risparmi significativi nel tempo.
Coerenza e affidabilità: A differenza delle ispezioni umane, che possono variare in qualità e consistenza, YOLO11 offre prestazioni costanti e affidabili nel tempo.
Miglioramento del processo decisionale: I dati e le analisi in tempo reale migliorano il processo decisionale, consentendo agli operatori di fare scelte consapevoli sulla base di informazioni aggiornate.
Nel frattempo, ecco alcune considerazioni da tenere a mente:
Dipendenza da qualità dell'immagine: La computer vision si basa molto su immagini o video di alta qualità. Una scarsa qualità dell'immagine, una bassa risoluzione o una cattiva illuminazione possono portare a rilevamenti imprecisi o mancati.
Vulnerabilità ai fattori ambientali: Ambienti difficili come temperature estreme, polvere, vibrazioni o interferenze possono degradare le prestazioni dei sistemi di visione computerizzata.
Complessità nella gestione di grandi volumi di dati: Poiché il sistema raccoglie grandi quantità di dati visivi, la gestione, l'archiviazione e l'analisi di questi dati possono diventare difficili senza un'infrastruttura adeguata.
Punti di forza
Monitorare in modo efficiente i sistemi legacy non richiede sempre la sostituzione dell'hardware esistente. Molte aziende hanno a che fare con apparecchiature obsolete, ma Vision AI offre un modo per monitorare le prestazioni senza apportare modifiche sostanziali.
YOLO11 rende possibile tutto ciò utilizzando il rilevamento degli oggetti e altre attività di computer vision. È in grado di leggere indicatori, contatori e pannelli di controllo con telecamere per il monitoraggio in tempo reale, senza la necessità di modificare il sistema. Il modello funziona senza problemi su dispositivi edge, il che lo rende ideale per i settori con connettività cloud limitata. In questo modo le aziende possono elaborare i dati in loco e risolvere rapidamente i problemi operativi.
IT
EN
ZH
KO
JA
RU
DE
FR
ES
PT
AR
TR
VI
.webp)
