تمكين حلول الذكاء الاصطناعي الواقعية عبر القطاعات

يعد Ultralytics YOLO مكوناً أساسياً في خط إنتاج الرؤية الحاسوبية الخاص بشركة SK Godelius إلى جانب الاستشعار متعدد الوسائط، مما يمنحنا الدقة لتحديد الأجزاء التي تعاني من الفشل بدقة، والحفاظ على سلامة العمال وضمان اتساق عمليات الفحص لدينا.

أصبح كل شيء أبسط بكثير عندما اتخذنا خطوة الانتقال إلى Ultralytics. يمكنك تدريب أي شيء والتنبؤ به وتصديره باستخدام سطر واحد من التعليمات البرمجية.

تتميز نماذج Ultralytics YOLO بالسهولة والدقة والمرونة. وقد ساعدنا ذلك على تقليل وقت الدوريات بنحو 30% في المتوسط.

باستخدام Ultralytics YOLOv8 nano، يمكننا إعادة التدريب على الحافة وإطلاق نموذج جديد خلال ساعات بدلاً من أسابيع، مع نقل جزء بسيط من البيانات. وهذا المزيج من الدقة والحجم الصغير للغاية هو بالضبط ما تحتاج إليه بيئاتنا.

أردنا تحسين الدقة التي يستطيع بها نموذجنا تصنيف فئات المواد غير المتجانسة، مع تقليل مقدار العمل اليدوي المطلوب من فريقنا. وكان التحول إلى Ultralytics YOLO هو العامل الأساسي لتحقيق هذه التحسينات في الأداء.

من بين جميع النماذج التي قيّمناها، كان YOLO الأسرع بفارق كبير لحالات الاستخدام الخاصة بنا.

لقد استمتعنا كثيرًا بالبنية التحتية التي توفرها Ultralytics للتدريب، ونُعجب خصوصًا بسهولة البدء في استخدامها. كان الأمر مباشرًا، لا سيما عند إنشاء مجموعة البيانات الخاصة بنا وتشغيل الدالة “train”.

ساعدتنا نماذج Ultralytics YOLO على زيادة سرعة تنفيذ خدمة الذكاء الاصطناعي لدينا بنسبة 25.2%. فهي سهلة النشر وتوفر أداءً ممتازًا في العالم الحقيقي، محققةً سرعة ودقة وقابلية توسع أكبر دون المساس بالأداء التشغيلي.

إن القدرة على تدريب نماذج Ultralytics YOLO ونشرها من خلال حزمة Ultralytics Python قوية جدًا. وبالاقتران مع الاستدلال السريع، تتيح لنا معالجة الصور بسرعة وتقديم ملاحظات آنية في مواقع البناء.

مع Ultralytics، تمكنا من تحسين السرعة مع دقة أعلى مقارنةً بالنماذج الأخرى. وكان التوافق مع أطر العمل المختلفة - CUDA وTensorRT وONNX وOpenVINO - مفيدًا للغاية في ضبط الأوزان بدقة أثناء البحث والتطوير، ثم تحسينها لتناسب أي أجهزة متوفرة لدينا.

ما زلنا في بداية الطريق. مع Ultralytics YOLO، لدينا الأساس لتطوير حلول ليست أكثر أمانًا فحسب، بل أذكى أيضًا، مما يتيح رؤى آنية يمكنها إنقاذ الأرواح وتحويل طريقة إدارة السلامة الصناعية.

نصنع روبوتات مزودة بقدرات الرؤية الحاسوبية لالتقاط المكونات ووضعها على خطوط إنتاج الأغذية. وتتطلب المناولة الروبوتية دقة أقل من سنتيمتر، وتتميز نماذج Ultralytics YOLO بقدرتها على توفير هذا المستوى من الدقة.

يفتح أداء نماذج Ultralytics YOLO على وحدات التحكم الدقيقة STM32 آفاقًا جديدة للرؤية الحاسوبية على الحافة. ومع التكامل المبسّط ودعم متغيرات نماذج متعددة، يمتلك المطورون كل ما يحتاجون إليه لبناء حلول رؤية مضمّنة قابلة للتوسع وسريعة الاستجابة.

كان استخدام YOLO من Ultralytics ممتعًا حقًا. تتميز مكتبة Python بسلاسة واتساق ملحوظين في كل من التدريب والاستدلال… وعمليًا، كان دمجها في خط المعالجة الخاص بنا سلسًا بشكل ملحوظ، وهذا أمر نادر.

تتيح لنا حزمة Ultralytics Python تدريب النماذج بسهولة وسرعة كبيرتين. علاوة على ذلك، يضمن توحيدها عبر النماذج المختلفة والإصدارات الجديدة من YOLO درجة عالية من الاستقرار على مر السنين.

كان دمج Ultralytics YOLO في منصة Instabase AI الخاصة بنا عملية سهلة وخالية من التعقيدات. فقد ساعد على تسريع جدول الإصدارات وتمكيننا من توفير إمكانات التعرف البصري على الكائنات لعملائنا.

إنهم يحولون البيانات المرئية إلى رؤى قابلة للتنفيذ بدقة وكفاءة استثنائيتين. ومن خلال الجمع بين Ultralytics YOLOv8 والمستشعر IMX500 من SSS (شركة Sony Semiconductor Solutions)، توفر هذه الشراكة إمكانات قوية للذكاء الاصطناعي على الجهاز، مما يعزز اتخاذ القرارات في الوقت الفعلي للشركات التي تعتمد على معالجة البيانات المرئية عالية الأداء.

كانت نماذج Ultralytics YOLO مناسبة جدًا لوحدات معالجة الذكاء الاصطناعي Metis (AIPUs) الخاصة بنا. فهي سهلة التكامل، وتعمل بكفاءة، وتساعد عملاءنا على تشغيل تطبيقات مؤثرة لذكاء الرؤية الاصطناعي على الحافة في وقت قصير.

في ALYCE، كان الاستفادة من Ultralytics نقطة تحول في تدريب نماذجنا، إذ مكّننا ذلك من تحسين دقة البيانات وتقديم جودة لا مثيل لها لعملائنا ومساعدتهم في مشاريع التنقل المستدام.

عملت نماذج Ultralytics YOLO بكفاءة كبيرة لنا في العديد من البيئات المائية المختلفة، بدءًا من مواقع توربينات المد والجزر وصولًا إلى الموانئ والشعاب المرجانية. وتجعلها الدقة والموثوقية أداة نعتمد عليها اعتمادًا كبيرًا في أعمالنا للرصد البيئي ضمن مشاريع الطاقة البحرية والبحث العلمي.

Ultralytics حل قوي وسهل الاستخدام للغاية لتطوير النماذج الأولية، وكذلك لتطوير الحلول النهائية.

عادةً ما يستغرق تدريب نموذج للتعلم الآلي وقتًا طويلًا جدًا، وغالبًا ما يتعين عليك الانتظار يومين أو ثلاثة أيام حتى يكتمل الاستدلال، ثم تقرر ما إذا كانت الدقة كافية. لكن مع Ultralytics YOLO، يمكننا تدريب النموذج في يوم واحد، واتخاذ القرارات بسرعة، والتعلم سريعًا من النتائج. وبعد التدريب، يمكننا أيضًا تحسين مجموعة البيانات لزيادة الأداء أكثر.

تُحدث نماذج YOLO من Ultralytics تحولًا جذريًا في صناعة الذكاء الاصطناعي. ويفضل المطورون نموذجي YOLOv5 وYOLOv8 لسهولة استخدامهما وأدائهما المتطور ودقتهما. وبالاقتران مع OpenVINO، توفر هذه النماذج إمكانية تحقيق أفضل أداء جاهز للاستخدام على وحدات CPU الحديثة.