كانت VideoLogic Analytics تدمج قدرات الذكاء الاصطناعي في كاميرات المراقبة الخاصة بها، ولكن العديد من نماذج الذكاء الاصطناعي كانت باهظة الثمن وبطيئة جدًا في النشر.
مكن دمج نماذج Ultralytics YOLO، التي تم ضبطها بدقة على بيانات مملوكة ومحسّنة لتنسيقات تصدير متنوعة، شركة VideoLogic Analytics من تقليل التكاليف والوقت اللازم لطرح المنتج في السوق.
Videologic Analytics هي شركة تطوير برامج تحليل فيديو متقدمة مقرها إسبانيا، تعمل على تحسين الأمن والمراقبة للمواقع الصناعية والمتنزهات الشمسية والمجمعات السكنية. إنهم ينشرون حلولًا مدعومة بالذكاء الاصطناعي تتكامل مع كاميرات المراقبة لمراقبة المحيط والكشف عن التسلل في الوقت الفعلي.
في مواجهة التكاليف المرتفعة والنشر البطيء مع النماذج السابقة، قاموا بدمج نماذج Ultralytics YOLO لتعزيز دقة الاكتشاف، وتقليل تكاليف التطوير والوقت اللازم لطرحها في السوق، والتوسع في مجالات جديدة مثل البيع بالتجزئة وذكاء الأعمال.
تتخصص Videologic Analytics، بقيادة خبراء يتمتعون بخبرة تزيد عن 30 عامًا، في دمج الذكاء الاصطناعي والرؤية الحاسوبية في كاميرات المراقبة الأمنية للمراقبة في الوقت الفعلي والكشف الآلي عن التهديدات. تحمي حلولهم المرافق الكبيرة ومنشآت الطاقة المتجددة والمجتمعات السكنية بأداء موثوق.
إنهم يخدمون عملاء مشهورين مثل Prosegur و Securitas و Sabico وأكثر من 4000 شركة أمنية معتمدة في إسبانيا. في مواجهة تحديات تطوير ونشر نماذج الذكاء الاصطناعي المكلفة والمستهلكة للوقت، قاموا بتبني نماذج Ultralytics YOLO في حلول Vision AI المبتكرة الخاصة بهم. وبذلك، تمكنوا من تحسين تطبيقاتهم الأمنية والتفرع أيضًا إلى قطاعات جديدة.
قامت Videologic Analytics سابقًا بدمج نماذج الذكاء الاصطناعي في كاميرات المراقبة التي قدمتها لعملائها. تمت برمجة هذه النماذج المبكرة للكشف عن نطاق محدود من فئات الكائنات، بما في ذلك المركبات العامة والبشر والحيوانات الصغيرة. في حين أن هذا النهج التأسيسي قد وضع الأساس لأنظمة أمنية متقدمة، إلا أنه قدم أيضًا فرصًا لمزيد من التحسين، لا سيما في تعزيز الدقة وتقليل معدلات الإيجابيات الكاذبة.
كان عملاؤهم يبحثون عن حل أكثر شمولاً، حل قادر على تقديم إمكانات اكتشاف الأجسام أوسع وأكثر دقة عبر نطاق أوسع من الأجسام والسيناريوهات. لتلبية احتياجات العملاء هذه، بدأ فريق البحث والتطوير في Videologic Analytics في تطوير نماذج ذكاء اصطناعي محسّنة.
أثناء تطوير هذه النماذج، سرعان ما وجدت Videologic Analytics أن النهج الحالي به بعض المشكلات، مثل التكاليف المرتفعة وأوقات التطوير الطويلة. أدركت الشركة أنها بحاجة إلى نهج أكثر مرونة وكفاءة. سيحتاج هذا النهج الجديد إلى معالجة هذه التحديات وتلبية احتياجات عملائها الأمنية المتطورة بشكل أفضل.
على وجه التحديد، أرادوا تحديد نموذج رؤية حاسوبية يمكنه تعزيز موثوقية حلول رؤية الذكاء الاصطناعي الخاصة بهم وتعزيز رضا العملاء. كان من الضروري أيضًا أن يظل النموذج فعالاً من حيث التكلفة وقابلاً للتكيف مع الاحتياجات المستقبلية.
بعد اختبار العديد من نماذج الذكاء الاصطناعي، اكتشفت Videologic Analytics أن نماذج Ultralytics YOLO توفر المرونة والأداء الذي تحتاجه. لقد بدأوا بنماذج YOLO المدربة مسبقًا والتي تم تطويرها باستخدام مجموعة بيانات COCO، والتي تتضمن مجموعة واسعة من الكائنات الشائعة. قدم هذا التدريب المسبق أساسًا قويًا، حيث يمكن للنماذج بالفعل التعرف على العديد من العناصر الأساسية، مما يسهل تكييفها لتلبية الاحتياجات الأمنية المحددة.
على سبيل المثال، قامت Videologic Analytics بضبط هذه النماذج المدربة مسبقًا باستخدام بياناتها الخاصة لتطبيقات مثل مراقبة الحدائق الشمسية.
في هذا السيناريو، استُخدمت النماذج للكشف عن الحالات الشاذة المدفوعة بالذكاء الاصطناعي، والتمييز بين التهديدات الحقيقية - مثل الأفراد أو المركبات غير المصرح لها - والعناصر غير الضارة مثل الحيوانات الصغيرة أو الحطام المتطاير بفعل الرياح. كان هذا التمييز الواضح ضروريًا لتقليل الإنذارات الكاذبة وتحسين الأداء الأمني العام.
إلى جانب مراقبة مزارع الطاقة الشمسية، قاموا أيضًا بتطوير حلول أمنية صناعية وسكنية باستخدام YOLO، بالإضافة إلى وحدات إثبات المفهوم لابتكارات الرؤية الحاسوبية في مجال البيع بالتجزئة وذكاء الأعمال. على الرغم من أنهم يستخدمون بشكل أساسي اكتشاف الكائنات، إلا أنهم يستفيدون أيضًا من مهام الرؤية الحاسوبية التي تدعمها YOLO، مثل تقدير الوضع وتتبع الكائنات.
اختارت Videologic Analytics نماذج Ultralytics YOLO لأنها احتاجت إلى حل قوي قادر على دعم العديد من قنوات الكاميرا مع تقديم استدلال سريع ودقيق.
يدعم YOLO العديد من صيغ التصدير ويتكامل بسلاسة مع أطر العمل مثل CUDA و TensorRT و ONNX و OpenVINO. هذه المرونة تمكن Videologic Analytics من ضبط النماذج باستخدام PyTorch ونشرها بكفاءة في الإنتاج. بفضل التحسينات الخاصة بالأجهزة، يلبي YOLO الاحتياجات المتطلبة لتحليلات الفيديو في الوقت الفعلي بشكل أفضل من النماذج السابقة.
منذ دمج نماذج Ultralytics YOLO، شهدت Videologic Analytics تحسينات رائعة في الأداء والكفاءة. مكّن حل Vision AI الجديد الخاص بهم من اكتشاف التهديدات بسرعة وفي الوقت الفعلي عبر مجموعة واسعة من التركيبات - من الحدائق الشمسية والمواقع الصناعية إلى المجمعات السكنية.
في الواقع، تنشر Videologic Analytics حوالي 10,000 ترخيص سنويًا، يتوافق كل منها مع قناة كاميرا مخصصة، مع ترقية جميع التراخيص الآن لدعم نماذج Ultralytics YOLO. أدى التحول إلى YOLO إلى انخفاض كبير في الإنذارات الكاذبة وزيادة عامة في دقة الاكتشاف. ونتيجة لذلك، يتمتع العملاء بأنظمة أمان أكثر موثوقية، وتم تخفيض التكاليف التشغيلية.
أيضًا، أدت سرعات الاستدلال الأسرع وقابلية التوسع لنماذج Ultralytics YOLO إلى تقصير الوقت اللازم لطرح ميزات الذكاء الاصطناعي الجديدة في السوق. وقد مكّن هذا Videologic Analytics من تعزيز عروضها الأمنية الأساسية واستكشاف فرص جديدة في قطاعات مثل البيع بالتجزئة وذكاء الأعمال. بشكل عام، أدى اعتماد نماذج Ultralytics YOLO إلى تحسينات تشغيلية فورية وآفاق نمو طويلة الأجل للشركة.
تعمل Videologic Analytics بنشاط على توسيع نطاق حلولها من خلال الاستفادة من نماذج Ultralytics YOLO لتتجاوز الكشف الأساسي عن التسلل. تتضمن الخطوات التالية توفير رؤى أكثر ثراءً وقابلة للتنفيذ من خلال التحليلات المتقدمة مثل تحليل السلوك وتتبع الاتجاهات والاستخبارات التنبؤية.
ستساعد هذه التحسينات العملاء على تحسين العمليات الأمنية وإطلاق إمكانات جديدة في مجال البيع بالتجزئة وذكاء الأعمال، مما يدفع الابتكار والنمو المستمر في تحليلات الفيديو في الوقت الفعلي.
هل أنت متشوق لمعرفة كيف يمكن للرؤية الحاسوبية أن تعيد تشكيل أعمالك؟ استكشف مستودع GitHub الخاص بنا لترى كيف تعمل حلول الذكاء الاصطناعي من Ultralytics على تحويل الابتكارات مثل الذكاء الاصطناعي في السيارات ذاتية القيادة و الرؤية الحاسوبية في الزراعة. اكتشف المزيد حول نماذج YOLO الخاصة بنا و خيارات الترخيص، وابدأ رحلتك نحو أتمتة أكثر ذكاءً وكفاءة اليوم.
نماذج Ultralytics YOLO هي هياكل رؤية حاسوبية تم تطويرها لتحليل البيانات المرئية من الصور ومدخلات الفيديو. يمكن تدريب هذه النماذج لمهام تشمل اكتشاف الكائنات (Object detection)، والتصنيف (classification)، وتقدير الوضعية (pose estimation)، والتتبع (tracking)، وتقسيم الحالات (instance segmentation). تتضمن نماذج Ultralytics YOLO ما يلي:
Ultralytics YOLO11 هو أحدث إصدار من نماذج الرؤية الحاسوبية الخاصة بنا. تمامًا مثل الإصدارات السابقة، فإنه يدعم جميع مهام الرؤية الحاسوبية التي أحبها مجتمع Vision AI في YOLOv8. ومع ذلك، يأتي YOLO11 الجديد بأداء ودقة أكبر، مما يجعله أداة قوية وحليفًا مثاليًا لتحديات الصناعة الواقعية.
يعتمد النموذج الذي تختاره للاستخدام على متطلبات مشروعك المحددة. من الضروري مراعاة عوامل مثل الأداء والدقة واحتياجات النشر. إليك نظرة عامة سريعة:
يتم توزيع مستودعات Ultralytics YOLO، مثل YOLOv5 و YOLO11، بموجب ترخيص AGPL-3.0 بشكل افتراضي. تم تصميم هذا الترخيص المعتمد من OSI للطلاب والباحثين والمتحمسين، وتعزيز التعاون المفتوح ويتطلب أن يكون أي برنامج يستخدم مكونات AGPL-3.0 مفتوح المصدر أيضًا. في حين أن هذا يضمن الشفافية ويعزز الابتكار، فقد لا يتماشى مع حالات الاستخدام التجاري.
إذا كان مشروعك يتضمن تضمين برامج Ultralytics ونماذج الذكاء الاصطناعي في المنتجات أو الخدمات التجارية وكنت ترغب في تجاوز متطلبات المصدر المفتوح لـ AGPL-3.0، فإن ترخيص المؤسسة مثالي.
تشمل مزايا ترخيص المؤسسة ما يلي:
لضمان التكامل السلس وتجنب قيود AGPL-3.0، اطلب ترخيص Ultralytics Enterprise باستخدام النموذج المقدم. سيساعدك فريقنا في تصميم الترخيص ليناسب احتياجاتك الخاصة.
.webp)
.webp)
.webp)
.webp)