Vê como Ultralytics YOLO11 pode ajudar as empresas a monitorizar sistemas antigos com visão computacional alimentada por IA, melhorando a eficiência e reduzindo os custos de atualização.
.webp)
Muitas empresas, especialmente nos sectores da produção, automação industrial, aeroespacial, telecomunicações e energia, dependem de sistemas antigos para as suas operações diárias. No entanto, a manutenção destes sistemas antigos acarreta frequentemente custos elevados e desafios técnicos. Apesar disso, a principal razão pela qual as empresas continuam a utilizar sistemas antigos é o facto de estes estarem profundamente integrados nos seus fluxos de trabalho.
Quase dois terços das empresas gastam mais de 2 milhões de dólares na manutenção e atualização de sistemas antigos. Estes sistemas mais antigos foram criados para uma época diferente, em que a automatização e a análise em tempo real não eram uma prioridade. As empresas costumavam depender de processos manuais ou de ferramentas de monitorização desactualizadas, o que conduzia a ineficiências e a riscos operacionais mais elevados. Como resultado, muitas empresas encontram-se presas a estes sistemas desactualizados, incapazes de fazer facilmente a transição para soluções mais modernas sem interrupções significativas.
É aqui que a IA e a visão por computador, que permitem aos computadores compreender e analisar dados visuais, podem intervir e ajudar. Especificamente, modelos de visão computacional como o Ultralytics YOLO11 podem ser utilizados para detetar e monitorizar sistemas antigos, como contadores e medidores.
Neste artigo, vamos explorar a forma como YOLO11 pode ser utilizado na monitorização de sistemas antigos, as suas vantagens e como as empresas o podem integrar facilmente nos seus fluxos de trabalho existentes.
Os sistemas legados são vitais para muitas indústrias, mas transformá-los em sistemas digitais nem sempre é simples. A modernização destes sistemas é importante para aumentar a eficiência e reduzir os riscos. Aqui estão alguns dos desafios técnicos e ambientais que as empresas enfrentam quando actualizam os sistemas antigos:
Muitas máquinas antigas utilizam mostradores, contadores e medidores analógicos que não podem ser ligados a sistemas digitais. As soluções Vision AI podem utilizar câmaras para monitorizar estes dispositivos e as imagens podem ser processadas em tempo real para converter as suas leituras em registos digitais para facilitar o acompanhamento e a elaboração de relatórios.
Uma das vantagens da utilização da visão computacional para este efeito é que os problemas operacionais podem ser detectados quase instantaneamente. Em situações de emergência, os alertas automáticos podem notificar os operadores quando os valores excedem os limites de segurança.
Além disso, a visão por computador é uma opção mais económica. A instalação de câmaras e a implementação de um sistema de IA para analisar estas imagens é rentável em comparação com as actualizações tradicionais ou os métodos de monitorização manual. Em vez de actualizações dispendiosas da infraestrutura, os modelos de visão por IA como o YOLO11 podem funcionar com o equipamento existente, tornando a modernização mais acessível.
Atualmente, a IA está em expansão e há uma variedade de modelos e técnicas a considerar quando se implementa uma solução de IA. Por isso, deves estar a perguntar-te: o que torna um modelo como o YOLO11 tão especial?
YOLO11 suporta várias tarefas de visão computacional, como a deteção de objectos, a segmentação de instâncias e o seguimento de objectos, e é ideal para a monitorização em tempo real. Uma das suas principais vantagens é a sua capacidade de funcionar eficientemente em dispositivos de ponta. Isso significa que pode processar dados localmente, sem depender de uma forte conexão de rede ou infraestrutura de nuvem.
No chão de fábrica ou em ambientes industriais com redes fracas ou pouco fiáveis, a implementação do YOLO11 em dispositivos periféricos garante uma monitorização contínua e em tempo real sem interrupções, reduzindo a necessidade de soluções dispendiosas baseadas na nuvem e tornando-a uma opção mais acessível e prática para as empresas.
Além disso, YOLO11 é conhecido pelo seu desempenho superior em termos de precisão e velocidade em comparação com os seus antecessores. Com menos 22% de parâmetros do que YOLOv8m, o YOLO11m atinge uma precisão média superior (mAP) no conjunto de dados COCO.
Resumindo, YOLO11 consegue detetar objectos com maior precisão e rapidez, mesmo com menos capacidade de processamento. Isto torna-o mais eficiente na deteção de problemas e na monitorização de sistemas em tempo real, ao mesmo tempo que utiliza menos recursos, o que é especialmente útil para sistemas antigos.
De seguida, vamos explorar alguns casos de utilização do mundo real em que YOLO11 automatiza processos utilizando a visão por computador para seguir e analisar leituras, tudo sem a necessidade de modificar o equipamento existente.
Várias máquinas industriais utilizam medidores analógicos para medir a pressão, a temperatura e os níveis de fluidos. As leituras manuais demoram tempo e muitas vezes levam a inconsistências, especialmente em operações de grande escala. YOLO11 pode melhorar estes processos.
Vê mais de perto como funciona normalmente a monitorização analógica de medidores com o YOLO11 :
Embora este seja o método geral, os passos exactos podem variar dependendo de factores como o tipo de medidor, as condições ambientais e o ângulo ou a qualidade das imagens captadas. Podem ser efectuados ajustes para garantir leituras precisas com base nestas variáveis.
Muitos fornecedores de serviços públicos ainda dependem de contadores mecânicos para controlar o consumo de água, gás e eletricidade. Em alguns casos, são necessárias visitas manuais ao local para recolher as leituras, o que demora tempo e aumenta os custos.
YOLO11 automatiza o processo de monitorização utilizando a visão por computador para detetar e cortar as partes relevantes dos mostradores dos contadores. Ao fazê-lo, os valores numéricos no mostrador podem ser isolados e o OCR pode ser utilizado para os ler.
Com os dados recolhidos utilizando a visão computacional, os fornecedores de serviços públicos podem analisar os padrões de consumo de forma mais eficaz. A integração da análise de dados no processo de monitorização ajuda a seguir as tendências históricas de utilização, a identificar anomalias e a detetar irregularidades, como picos ou quedas súbitas no consumo, que podem indicar problemas como fugas ou contadores defeituosos.
Os sistemas antigos, como unidades de controlo industrial, monitores de redes eléctricas e painéis de automação de fábricas, dependem de painéis de controlo analógicos com interruptores, botões e luzes indicadoras para apresentar o estado da máquina e os códigos de erro. Geralmente, os operadores inspeccionam estes painéis manualmente, o que consome muito tempo e aumenta o risco de respostas atrasadas.
YOLO11 pode otimizar este processo ao identificar e seguir com precisão os componentes do painel de controlo. Consegue detetar interruptores, etiquetas e luzes indicadoras, e determinar as suas posições e estados. Consegue identificar se as luzes indicadoras estão a mostrar avisos ou funcionamento normal.
Por exemplo, se uma luz de aviso for activada, YOLO11 pode detetar imediatamente a alteração e os operadores podem ser alertados, permitindo tempos de resposta mais rápidos e reduzindo o risco de não se detectarem questões críticas.
A visão por computador é uma forma prática de monitorizar sistemas antigos sem substituir o hardware existente. No entanto, como qualquer outra tecnologia, apresenta vantagens e limitações. Vamos explorar ambas para ter uma ideia melhor de como pode ser aplicada eficazmente.
Eis algumas formas em que a IA de visão tem um impacto positivo na monitorização de sistemas antigos:
Entretanto, eis algumas das considerações a ter em conta:
A monitorização eficiente de sistemas antigos nem sempre requer a substituição do hardware existente. Muitas empresas lidam com equipamento desatualizado, mas a Vision AI oferece uma forma de acompanhar o desempenho sem fazer grandes alterações.
YOLO11 torna isto possível utilizando a deteção de objectos e outras tarefas de visão por computador. Consegue ler medidores, contadores e painéis de controlo com câmaras para monitorização em tempo real, sem necessidade de modificar o sistema. O modelo funciona sem problemas em dispositivos periféricos, o que o torna ideal para indústrias com conetividade limitada à nuvem. Isto permite às empresas processar dados no local e resolver rapidamente problemas operacionais.
Junta-te à nossa comunidade em crescimento! Explora o nosso repositório GitHub para aprenderes sobre IA e verifica as nossas opções de licenciamento para iniciares os teus projectos de Visão de IA. Estás interessado em inovações como a IA nos cuidados de saúde e a visão computacional na agricultura? Visita as nossas páginas de soluções para saberes mais!
Começa a tua viagem com o futuro da aprendizagem automática
PT
EN
ZH
KO
JA
RU
DE
FR
ES
IT
AR
TR
VI