تعد RTM شركة ذكاء اصطناعي صناعي مقرها سيول. وتبني وحدة رؤيتها الحاسوبية مراقبة أمان مدعومة بالذكاء الاصطناعي لمواقع التصنيع: حيث تتم مراقبة الكاميرات المثبتة بالفعل في ارضية المصنع على مدار الساعة بواسطة نماذج Ultralytics YOLO26 التي تكتشف الأشخاص، وحالات السقوط، وعمليات التسلل إلى مناطق الخطر، والحرائق أو الدخان، وتعمل على أي جهاز حاسوب يمتلكه العميل بالفعل، بدءاً من الرسوميات المدمجة وصولاً إلى وحدة معالجة رسوميات مخصصة.
مراقبة الكاميرات التي لا يراقبها أحد#
تميل الحوادث الصناعية إلى الوقوع في الفجوة التي لا يغطيها أحد. تمتلك المصانع كاميرات في كل خط إنتاج، ولكن لا يمكن لأحد مراقبة كل بث في جميع الأوقات. لقد بنت شركة RTM نظاماً للقيام بذلك بشكل مستمر: حيث تشغل كل قناة كاميرا نموذجين من Ultralytics YOLO26، أحدهما مُدرب على اكتشاف الأشخاص والآخر على اكتشاف الحرائق والدخان، وتغذية طبقة أحداث حتمية تطلق إنذارات لحالات سقوط العمال والتسلل إلى مناطق الخطر.
على مدار الأشهر الستة الماضية، تم نشر حل الذكاء الاصطناعي للسلامة الصناعية الخاص بشركة RTM على مدار 24 ساعة طوال أيام الأسبوع أو أنه قيد التقييم في الموقع في 21 شركة تصنيع تمتد عبر صناعات الصلب، والبطاريات، والمواد الكيميائية والبلاستيك، والأغذية، وتصنيع الروبوتات. ومتصلاً بكاميرات المراقبة الحالية، يكتشف النظام متى يدخل العامل إلى منطقة خطرة أو يقع، ويطلق تنبيهات عبر الأنظمة الداخلية أو، عبر تكامل وحدة التحكم المنطقية القابلة للبرمجة (PLC)، يتحكم مباشرة في معدات المصنع المتصلة.
الشكل 1. البث المباشر لاكتشاف السقوط في شركة RTM باستخدام Ultralytics YOLO. (مصدر الصورة شركة RTM)
إيجاد حلول للأجهزة التي لا يريد أحد شراءها#
تتنافس مراقبة السلامة مع خيار عدم تثبيت أي شيء على الإطلاق. إذا كان النظام يتطلب أجهزة خادم جديدة قبل أن يتمكن من مراقبة كاميرا واحدة، فإن التقييم غالباً ما يتوقف قبل أن يبدأ. لقد كان الوضع الراهن للمصنعين خياراً بين الأجهزة المخصصة باهظة الثمن وعدم وجود مراقبة آليّة على الإطلاق.
شرعت شركة RTM في إزالة هذا المقايضة: نشر واحد يعمل على أي جهاز حاسوب متواجد بالفعل في غرفة التحكم، من رسوميات Intel المدمجة وحتى وحدة معالجة الرسوميات NVIDIA RTX 3090، دون الحاجة إلى بنية منفصلة لكل موقع.
للوصول إلى هناك، تقوم شركة RTM بتصدير كلا نموذجي YOLO26 إلى ONNX لشكل ثابت وتشغيلهما عبر ONNX Runtime عبر خمسة موفري تنفيذ: TensorRT، وCUDA، وOpenVINO، وDirectML، ووحدة المعالجة المركزية (CPU). عند بدء التشغيل، تكتشف مكتبة الاستدلال بائع وحدة معالجة الرسوميات المثبتبحيث يتم تحديد سلسلة المزود المناسبة تلقائياً، بحيث يعمل نفس ملف بحجم 36 ميغابايت لكل نموذج دون تعديل سواء لم يكن لدى الجهاز المستهدف وحدة معالجة رسوميات مخصصة على الإطلاق أو كان يحتوي على بطاقة متطورة. لا توجد تبعية ل لغة Python أو PyTorch في التطبيق المنشور ولا يوجد مسار إصداري لكل بائع يجب صيانته.
جعل رأس الاكتشاف الشامل في YOLO26 هذا النهج القائم على عنصر واحد عملياً: نظراً لأن النموذج يخرج الاكتشافات النهائية مباشرة، فإن طبقة الاستدلال بلغة C++ الخاصة بشركة RTM تحتاج فقط إلى عتبة ثقة وتحويل عكسي للإطار المربع (letterbox)، بدون خوارزمية كمعالجة غير إفرازية (NMS) لإعادة تنفيذها وبدون فجوة تماثل للتصحيح بين مسار التدريب بلغة Python ومسار نشر C++، وهي فئة من الأخطاء التي تظهر عادةً كلما عبر كاشف حدود اللغات.
ما تشتريه وحدة معالجة الرسوميات، مقاساً#
قامت شركة RTM بقياس أداء كلا نموذجي YOLO26 الصغيرين (الشخص والحريق/الدخان) بدقتين للإدخال على وحدة معالجة رسوميات NVIDIA RTX 3090 (بإصدار ONNX Runtime 1.26.0، وموفر تنفيذ CUDA، ودقة FP32، وحجم دفعة 1، وتمرير أمامي فقط). عند دقة 640×640، يعمل نموذج الأشخاص في 4.20 مللي ثانية لكل إطار ونموذج الحريق/الدخان في 4.34 مللي ثانية؛ وعند دقة 1280×1280، ترتفع الدقتان إلى ما يقريب 12.5 مللي ثانية، مع ارتفاع ذاكرة وحدة معالجة الرسوميات من 406 ميغابايت إلى 1302 ميغابايت. وهذا يجعل دقة 640×640 أرخص بحوالي 2.9 مرة لكل إطار وأخف بنسبة 3.2 مرة على الذاكرة، بينما يحسن الإدخال الأكبر اكتشاف الأشخاص الصغار والبعيدين. تشحن شركة RTM دقة 640×640 كخيار افتراضي وتحتفظ بتصدير دقة 1280×1280 متاحاً للمواقع التي تمتلك هامشاً إضافياً لوحدة معالجة الرسوميات لتخصيصه لهامش الاكتشاف بدلاً من عدد القنوات.
أدى الانتقال من دقة FP32 على CUDA إلى دقة FP16 على TensorRT إلى خفض التكلفة الإجمالية لكل إطار لكلا النموذجَين من 8.68 مللي ثانية إلى 6.26 مللي ثانية، بانخفاض بنسبة 28%، وهو ما يعادل تقريباً 39.9 إطاراً في الثانية عبر أربع قنوات على وحدة معالجة رسوميات واحدة بدلاً من 28.8 إطاراً في الثانية. تحققت شركة RTM من أن تحويل دقة FP16 لم يكلف شيئاً في الدقة قبل شحنه: ظلت نسبة الاسترجاع كما هي عبر كل فئة لحجم الأجسام وعلى مستوى الحدث لكلا الحريق والدخان. في التطبيق المنشور، يحافظ جهاز بمواصفات موصى بها (من الفئة التي تشتمل على معالج Intel Core i7 بستة عشر نواة أو أعلى، وذاكرة وصول عشوائي RAM بسعة 32 جيجابايت، وبطاقة RTX 5060 بسعة 8 جيجابايت أو أعلى) على 6 قنوات متزامنة، بينما يحافظ جهاز ذو فئة منخفضة يحتوي فقط على رسوميات مدمجة على قناة واحدة، مقابل سقف للمنتج يبلغ 10 قنوات لكل جهاز.
لماذا يتم الاستفادة من Ultralytics YOLO26؟#
تقوم شركة RTM بتدريب كاشف الأشخاص وكاشف الحريق/الدخان الخاص بها من خلال نفس قاعدة كود التدريب لشركة Ultralytics، ويتشارك الاثنان 352 سطراً من التعليمات البرمجية دون أي تفريع خاص بالمجال على الإطلاق. الشيء الوحيد الذي يتغير بين كاشف يراقب الأشخاص وآخر يراقب الحريق هو ملف تكوين: حجم الإدخال، وحقائب التدريب، ومعدل التعلم، وتكوين مجموعة البيانات. هذا نتيجة مباشرة لكيفية بناء Ultralytics YOLO. إن بنية واحدة متسقة واجهة برمجة تطبيقات للتدريب عبر مهام الاكتشاف تعني أن مجال اكتشاف جديد هو عبارة عن تغيير في ملف التكوين بدلاً من خط管道 جديد، وهو ما سمح لفريق هندسي صغير بإنشاء نموذجين جاهزَين للإنتاج دون صيانة قاعدتي تعليمات برمجية.
جعل هذا الاتساق نفسه الانتقال إلى YOLO26 قليل المخاطر. اعتمدت شركة RTM نظام YOLO26 في غضون أربعة أيام من المشروع، في مايو 2026، ولم تتطلب عملية الترحيل تغيير أي سطر من كود التدريب الحالي، بل تطلبت نقطة تحقق مختلفة فقط. ونظراً لأن Ultralytics تبقي واجهة التدريب مستقرة عبر الأجيال المختلفة للنماذج، فإن الترقية إلى أحدث بنية لم تعني إعادة كتابة خط أنابيب قامت شركة RTM ببنائه واختباره مسبقاً.
"حتى على نفس مجموعة البيانات، فإن حجم الإدخال وزيادة البيانات يغيران مدى جودة أداء النموذج. مع Ultralytics، يقع كل ذلك في ملف تكوين واحد، لذا نقوم بتغيير بضع قيم، وتشغيل عدة اختلافات جنباً إلى جنب، واختيار الأفضل. نحن لا نلمس الكود لأي من ذلك، لذا فإن إعداد عشر عمليات تشغيل يكفي تقريبا للعمل المطلوب لتشغيل عملية واحدة." - مهندس ذكاء اصطناعي، RTM
وقد أثمر هذا الاستقرار في الدقة أيضاً. أدى دمج منهجية تدريب تسلسلية من خمس مراحل في تشغيل مشترك واحد إلى تحسين مقياس التحقق mAP50 من 0.672 إلى 0.689 عند عتبة تشغيل دون تغيير، وهو مكسب تمكنت شركة RTM من تحقيقه ببساطة عن طريق إعادة التدريب على نفس بنية YOLO26 بدلاً من إعادة تصميم النموذج. ونظراً لأن YOLO26 يصدر بوضوح إلى عنصر ONNX ذو شكل ثابت مع شحن عتبات الاكتشاف كملف مرافق بدلاً من تجميعه في التطبيق، فقد استوعب المجال هذا المكسب في الدقة عن طريق تبديل ملف ONNX واحد، دون أي تغييرات على التطبيق المضيف على الإطلاق. وهذا ما يسمح لفريق هندسي صغير بدفع تحديثات النموذج إلى كل موقع دون إصدار منسق، وهي نتيجة مباشرة للبناء على YOLO26 بدلاً من بنية مصممة خصيصاً.
ماذا يقع فوق الاكتشاف#
إن الإنذارات الخاصة بشركة RTM ليست اكتشافات خام: فالشخص الموجود في الإطار ليس حدثاً، ولكن الشخص الذي سقط وبقي في مكانه هو كذلك. توجد طبقة أحداث حتمية فوق نموذجي YOLO26، تجمع بين التتبع، وحالة وضعية الجسم، وعضوية المنطقة، وتصويت النافذة المنزلقة قبل إطلاق أي إنذار. الحفاظ على هذا المنطق منفصلاً عن النموذج هو ما يسمح لكاتب اكتشاف أشخاص واحد بخدمة كل موقع، على الرغم من تباين ارتفاع الكاميرا والزاوية والإضاءة بشكل هائل من مصنع لآخر. وهذا يعني أيضاً أن سلوكيات الأمان الجديدة يمكنها إعادة استخدام الاكتشافات الحالية: تعمل شركة RTM الآن على بناء مراقبة الامتثال لمعدات الوقاية الشخصية (PPE) على نفس مخرجات اكتشاف الأشخاص، دون الحاجة إلى نموذج جديد ولا أجهزة جديدة في المواقع المجهزة بوحدات معالجة الرسوميات.
التأثير الإجمالي#
يظهر التأثير بشكل أوضح مع عملاء التكامل للروبوتات التعاونية (cobots) التابعين لشركة RTM، الذين يقومون بتوريد وتركيب الروبوتات التعاونية عبر المصانع والذين طالما تعاملوا مع اصطدام العمال بالروبوتات على الرغم من سياج الأمان المادي أو بالليزر. مع نظام شركة RTM، يتم اكتشاف التسلل إلى منطقة الخطر ويؤدي فوراً إلى تشغيل توقف متصل بوحدة التحكم المنطقية القابلة للبرمجة (PLC) على الروبوت دون أي تأخير، وقد اعتمد هؤلاء المدمجون منذ ذلك الحين النظام كجهاز أمان افتراضي لهم بدلاً من السياج المادي.
أبلغ أحد عملاء تصنيع الصلب أن قدرة Ultralytics YOLO على تصميم سيناريوهات الاكتشاف لتناسب مواقع مختلفة مكنتهم من تقليل أكثر من 100 موظف لمراقبة السلامة كانوا يقومون سابقاً بدوريات في الأرضية. وعلى نطاق أوسع، يصف المصنعون حل شركة RTM بأنه الأسهل في التثبيت والأكثر فعالية من حيث التكلفة بين خيارات مراقبة السلامة التي قيّموها، مع اكتشاف مناطق الخطر، والسقوط، والحريق/الدخان لتغطية ما يحتاجونه أكثر من غيره.
التوسع أكثر على نفس النماذج#
الخطوة التالية لشركة RTM هي اكتشاف الامتثال لمعدات الوقاية الشخصية (PPE)، والمبني بالكامل على مخرجات اكتشاف الأشخاص الحالية. لا توجد حاجة لتدريب نموذج جديد، وفي المواقع التي توفر هامشا لوحدة معالجة الرسوميات، لا توجد أجهزة جديدة لتثبيتها. مع استمرار طرح النماذج عبر مواقع تصنيع إضافية ومستويات الأجهزة، يستمر نفس التصدير المفرد لملف ONNX لكل نموذج في تحمل العبء، بدءاً من أدنى مواصفات لأجهزة الحاسوب ذات الرسوميات المدمجة وحتى خادم وحدة معالجة الرسوميات الأكثر تطوراً في الأرضية.
هل أنت مهتم ببناء حلول رؤية حاسوبية خاصة بك؟ استكشف نماذج Ultralytics YOLO الخاصة بنا، واعرف كيف يتم استخدامها عبر الصناعات، بما في ذلك الرؤية الحاسوبية في التصنيع، وتحقق من خيارات الترخيص للبدء.
