تمكين حلول الذكاء الاصطناعي في العالم الواقعي عبر مختلف القطاعات

كانت Ultralytics Platform نقلة نوعية بالنسبة إلينا. فهي تتيح لعلماء البيانات لدينا بسهولة إنشاء مجموعات البيانات، وتدريب نماذج جديدة بسرعة باستخدام موارد الحوسبة السحابية، ومقارنة التجارب بإعدادات نماذج مختلفة، وتحديد أفضل نموذج لكل مشكلة في نهاية المطاف. وأصبحت محطتنا الأولى للتجارب في كشف الكائنات وتجزئة الكائنات وتجزئة الدلالات.

يمثل Ultralytics YOLO عنصرًا أساسيًا في مسار معالجة الرؤية الحاسوبية لدى SK Godelius إلى جانب الاستشعار متعدد الوسائط، إذ يمنحنا الدقة اللازمة لتحديد الأجزاء المعطلة بدقة، والحفاظ على سلامة العاملين واتساق عمليات التفتيش.

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

لقد استمتعنا كثيرًا بالبنية التحتية التي توفرها Ultralytics للتدريب، وأعجبنا خصوصًا مدى سهولة البدء باستخدامها. وكان الأمر مباشرًا، لا سيما عند إنشاء مجموعة البيانات وتشغيل دالة “train”.

من بين جميع النماذج التي قيّمناها، كان YOLO الأسرع بفارق كبير في حالات الاستخدام لدينا.

أردنا تحسين دقة تصنيف نموذجنا لفئات المواد غير المتجانسة، مع تقليل حجم العمل اليدوي المطلوب من فريقنا. وكان التحول إلى Ultralytics YOLO العامل الحاسم في تحقيق تحسينات الأداء هذه.

باستخدام Ultralytics YOLOv8 nano، يمكننا إعادة التدريب على الجهاز الطرفي وإطلاق نموذج جديد خلال ساعات بدلًا من أسابيع، مع نقل جزء ضئيل من البيانات. وهذا المزيج من الدقة والحجم الصغير هو ما تحتاج إليه بيئاتنا تمامًا.

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

أصبح كل شيء أبسط بكثير عندما انتقلنا إلى Ultralytics. يمكنك التدريب وإجراء التنبؤات والتصدير، كل ذلك بسطر واحد من التعليمات البرمجية.

تتميز إمكانية تدريب نماذج Ultralytics YOLO ونشرها عبر حزمة Ultralytics Python بالموثوقية العالية. وبالاقتران مع الاستدلال السريع، تتيح لنا هذه الإمكانية معالجة الصور بسرعة وتقديم ملاحظات آنية في مواقع الإنشاء.

بفضل Ultralytics، تمكنا من زيادة السرعة مع تحقيق دقة أعلى مقارنة بالنماذج الأخرى. وكان التوافق مع أطر العمل المختلفة - CUDA وTensorRT وONNX وOpenVINO - مفيدًا للغاية في ضبط الأوزان خلال البحث والتطوير، ثم تحسينها لتناسب أي عتاد لدينا.

ما زلنا في بداية الطريق. يمنحنا Ultralytics YOLO الأساس لتطوير حلول ليست أكثر أمانًا فحسب، بل أذكى أيضًا، إذ تتيح رؤى آنية يمكنها إنقاذ الأرواح وتغيير طريقة إدارة السلامة الصناعية.

نصنع روبوتات مزودة بإمكانات الرؤية الحاسوبية لالتقاط المكونات ووضعها على خطوط إنتاج الأغذية. تتطلب المناولة الروبوتية دقة تقل عن سنتيمتر واحد، 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 الأجهزة الطرفية. ومن خلال التكامل المبسط ودعم متغيرات متعددة للنماذج، يحصل المطورون على كل ما يحتاجون إليه لبناء حلول رؤية مدمجة قابلة للتوسع وسريعة الاستجابة.

كان استخدام YOLO من Ultralytics ممتعًا بحق. فمكتبة Python سلسة ومتسقة على نحو لافت في التدريب والاستدلال على حد سواء… وكان دمجها في مسار المعالجة لدينا عمليًا خاليًا من العوائق، وهو أمر نادر.

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

كان دمج Ultralytics YOLO في منصة Instabase AI عملية سهلة وسلسة. وقد ساعد ذلك على تسريع جدول الإطلاق، ومكّننا من توفير إمكانات التعرف البصري على الكائنات لعملائنا.

تحوّل هذه التقنيات البيانات المرئية إلى رؤى قابلة للتنفيذ بدقة وكفاءة استثنائيتين. ومن خلال الجمع بين Ultralytics YOLOv8 ومستشعر IMX500 من SSS (شركة Sony Semiconductor Solutions Corporation)، توفر هذه الشراكة إمكانات قوية للذكاء الاصطناعي على الجهاز، تعزز اتخاذ القرارات الآنية لدى الشركات التي تعتمد على معالجة البيانات المرئية عالية الأداء.

تتوافق نماذج Ultralytics YOLO على نحو ممتاز مع وحدات معالجة الذكاء الاصطناعي Metis (AIPU) لدينا. فهي سهلة الدمج، وتعمل بكفاءة، وتساعد عملاءنا على تشغيل تطبيقات مؤثرة للذكاء الاصطناعي المرئي على الأجهزة الطرفية في وقت وجيز.

في ALYCE، أحدث الاستفادة من Ultralytics نقلة نوعية في تدريب نماذجنا، إذ مكنتنا من تحسين دقة البيانات وتقديم جودة لا تضاهى لعملائنا، ومساعدتهم في مشاريع التنقل المستدام.

أثبتت نماذج Ultralytics YOLO كفاءة كبيرة لدينا في بيئات متنوعة تحت الماء، من مواقع توربينات المد والجزر إلى الموانئ والشعاب المرجانية. وتجعلها دقتها وموثوقيتها أداة نعتمد عليها كثيرًا في أعمال الرصد البيئي ضمن مشاريع الطاقة البحرية والأبحاث.

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

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

تُحدث نماذج YOLO من Ultralytics نقلة نوعية في قطاع الذكاء الاصطناعي. ويفضل المطورون نموذجي YOLOv5 وYOLOv8 لسهولة استخدامهما وأدائهما المتطور ودقتهما. وعند اقتران هذه النماذج بـ OpenVINO، فإنها تتيح تحقيق أفضل أداء جاهز للاستخدام على وحدات CPU الحديثة.