العودة إلى قصص العملاء

تحليلات Videologic Analytics و Ultralytics YOLO للمراقبة بالفيديو

المشكلة

كانت شركة VideoLogic Analytics تدمج إمكانات الذكاء الاصطناعي في كاميرات المراقبة الخاصة بها، ولكن العديد من نماذج الذكاء الاصطناعي كانت باهظة الثمن وبطيئة النشر.

الحل

وقد مكّن دمج نماذج Ultralytics YOLO، التي تم ضبطها بدقة على البيانات الخاصة وتحسينها لتناسب تنسيقات التصدير المختلفة، VideoLogic Analytics من تقليل التكاليف والوقت اللازم للتسويق.

شركة Videologic Analytics هي شركة مطوِّرة لحلول تحليلات الفيديو المتقدمة التي تتخذ من إسبانيا مقراً لها وتعمل على تعزيز الأمن والمراقبة للمواقع الصناعية ومجمعات الطاقة الشمسية والمجمعات السكنية. وتنشر الشركة حلولاً مدعومة بالذكاء الاصطناعي تتكامل مع الكاميرات الأمنية لمراقبة المحيط واكتشاف الاختراقات في الوقت الفعلي. 

في مواجهة ارتفاع التكاليف وبطء النشر مع النماذج السابقة، قامت الشركة بدمج نماذج Ultralytics YOLO لتعزيز دقة الكشف وتقليل تكاليف التطوير والوقت اللازم للتسويق والتوسع في مجالات جديدة مثل البيع بالتجزئة وذكاء الأعمال.

تمكين الرؤية الحاسوبية للأمن باستخدام كاميرات الذكاء الاصطناعي

تتخصص شركة Videologic Analytics، التي يقودها خبراء يتمتعون بخبرة تزيد عن 30 عاماً، في دمج الذكاء الاصطناعي والرؤية الحاسوبية في الكاميرات الأمنية للمراقبة في الوقت الفعلي والكشف الآلي عن التهديدات. تعمل حلولهم على حماية المنشآت الكبيرة ومنشآت الطاقة المتجددة والمجتمعات السكنية بأداء موثوق به.

وهم يخدمون عملاء مشهورين مثل Prosegur وSecuritas وSabico وأكثر من 4000 شركة أمن معتمدة في إسبانيا. وفي مواجهة التحديات المتعلقة بتطوير نماذج الذكاء الاصطناعي المكلفة والمستهلكة للوقت ونشرها، اعتمدت الشركة نماذج Ultralytics YOLO في حلول Vision AI المبتكرة. ومن خلال القيام بذلك، تمكنوا من تعزيز تطبيقاتهم الأمنية والتوسع أيضاً في قطاعات جديدة.

الحاجة إلى الكشف الآلي الفعال من حيث التكلفة عن التهديدات باستخدام الذكاء الاصطناعي

قامت شركة Videologic Analytics في السابق بدمج نماذج الذكاء الاصطناعي في الكاميرات الأمنية التي تقدمها لعملائها. وقد تمت برمجة هذه النماذج المبكرة للكشف عن مجموعة محدودة من فئات الأشياء، بما في ذلك المركبات العامة والبشر والحيوانات الصغيرة. وفي حين أن هذا النهج التأسيسي أرسى الأساس لأنظمة أمنية متقدمة، إلا أنه أتاح أيضاً فرصاً لمزيد من التحسين، لا سيما في تعزيز الدقة والمعدلات الإيجابية الخاطئة.

كان عملاؤهم يبحثون عن حل أكثر شمولاً، حل قادر على تقديم قدرات أوسع نطاقاً وأكثر دقة في اكتشاف الأجسام عبر مجموعة واسعة من الأجسام والسيناريوهات. لتلبية احتياجات العملاء هذه، بدأ فريق البحث والتطوير في Videologic Analytics في تطوير نماذج ذكاء اصطناعي محسّنة. 

وأثناء تطوير هذه النماذج، سرعان ما اكتشفت شركة Videologic Analytics أن النهج الحالي ينطوي على بعض المشاكل، مثل ارتفاع التكاليف وطول مدة التطوير. أدركت الشركة أنها بحاجة إلى نهج أكثر مرونة وفعالية. وسيحتاج هذا النهج الجديد إلى معالجة هذه التحديات وخدمة احتياجات عملائها الأمنية المتطورة بشكل أفضل. 

وعلى وجه التحديد، أرادت الشركة تحديداً تحديد نموذج للرؤية الحاسوبية يمكن أن يعزز موثوقية حلول الذكاء الاصطناعي المرئي الخاصة بها ويعزز رضا العملاء. كان من الضروري أيضاً أن يظل النموذج فعالاً من حيث التكلفة وقابلاً للتكيف مع الاحتياجات المستقبلية.

إعادة تعريف المراقبة باستخدام الذكاء الاصطناعي للكشف عن الحالات الشاذة

بعد اختبار العديد من نماذج الذكاء الاصطناعي، اكتشفت شركة Videologic Analytics أن نماذج Ultralytics YOLO توفر المرونة والأداء اللذين يحتاجون إليهما. وقد بدأوا بنماذج YOLO المدربة مسبقاً والتي تم تطويرها باستخدام مجموعة بيانات COCO، والتي تتضمن مجموعة كبيرة من العناصر الشائعة. وقد وفر هذا التدريب المسبق أساسًا قويًا، حيث يمكن للنماذج بالفعل التعرف على العديد من العناصر الأساسية، مما يسهل تكييفها لتلبية احتياجات أمنية محددة.

على سبيل المثال، قامت شركة Videologic Analytics بضبط هذه النماذج المدربة مسبقاً باستخدام بيانات الملكية الخاصة بها لتطبيقات مثل مراقبة المجمعات الشمسية. 

في هذا السيناريو، تم استخدام النماذج في هذا السيناريو للكشف عن الحالات الشاذة القائمة على الذكاء الاصطناعي، والتمييز بين التهديدات الحقيقية - مثل الأفراد أو المركبات غير المصرح لهم - والعناصر غير الضارة مثل الحيوانات الصغيرة أو الحطام الذي تذروه الرياح. كان هذا التمييز الواضح ضرورياً في الحد من الإنذارات الكاذبة وتحسين الأداء الأمني العام.

إلى جانب مراقبة مزارع الطاقة الشمسية، طوّروا أيضاً حلولاً أمنية صناعية وسكنية باستخدام YOLO، بالإضافة إلى وحدات إثبات المفهوم لابتكارات الرؤية الحاسوبية في مجال التجزئة وذكاء الأعمال. وفي حين أنهم يستخدمون في المقام الأول اكتشاف الأجسام، إلا أنهم يستفيدون أيضاً من مهام الرؤية الحاسوبية التي تدعمها YOLO، مثل تقدير الوضعية وتتبع الأجسام.

_w_f_reserved_nherit
الشكل 1. تستخدم Videologic Analytics نماذج Ultralytics YOLO لمراقبة محطات الطاقة الشمسية.

لماذا تختار نماذج Ultralytics YOLO؟

اختارت شركة Videologic Analytics نماذج Ultralytics YOLO لأنها كانت بحاجة إلى حل قوي قادر على دعم العديد من قنوات الكاميرا مع تقديم استنتاج سريع ودقيق. 

يدعم YOLO العديد من تنسيقات التصدير ويتكامل بسلاسة مع أطر عمل مثل CUDA و TensorRT و ONNX و OpenVINO. هذه المرونة تجعل من الممكن لـ Videologic Analytics ضبط النماذج باستخدام PyTorch ونشرها بكفاءة في الإنتاج. وبفضل التحسينات الخاصة بالأجهزة، يلبي YOLO الاحتياجات المتطلبة لتحليلات الفيديو في الوقت الفعلي بشكل أفضل من النماذج السابقة.

نشر النموذج المبسّط للمراقبة الذكية بالفيديو

منذ دمج نماذج Ultralytics YOLO، شهدت شركة Videologic Analytics تحسينات مذهلة في كل من الأداء والكفاءة. وقد أتاح حل Vision AI الجديد الخاص بها إمكانية الكشف السريع والفوري عن التهديدات عبر مجموعة واسعة من المنشآت - من مجمعات الطاقة الشمسية والمواقع الصناعية إلى المجمعات السكنية. 

في الواقع، تقوم شركة Videologic Analytics بنشر حوالي 10,000 ترخيص سنويًا، كل منها يتوافق مع قناة كاميرا مخصصة، مع ترقية جميع التراخيص الآن لدعم نماذج Ultralytics YOLO. وقد أدى التحول إلى نظام YOLO إلى انخفاض كبير في الإنذارات الكاذبة وزيادة عامة في دقة الكشف. ونتيجة لذلك، أصبح العملاء يتمتعون بأنظمة أمنية أكثر موثوقية وانخفضت التكاليف التشغيلية. 

كما أن سرعات الاستدلال الأسرع وقابلية التوسع في نماذج Ultralytics YOLO قد قللت من الوقت اللازم لطرح ميزات الذكاء الاصطناعي الجديدة في السوق. وقد مكّن ذلك شركة 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.

_w_f_reserved_nherit
الشكل 2. Videologic Analytics باستخدام نماذج Ultralytics YOLO لمراقبة بيئات المدن.

تحليلات الفيديو الذكية للسلامة والأمن: الطريق إلى الأمام

تعمل Videologic Analytics بنشاط على توسيع نطاق حلها من خلال الاستفادة من نماذج Ultralytics YOLO لتجاوز مرحلة الكشف عن التسلل الأساسي. تتضمن الخطوات التالية توفير رؤى أكثر ثراءً وقابلية للتنفيذ من خلال التحليلات المتقدمة مثل تحليل السلوك وتتبع الاتجاهات والذكاء التنبؤي. 

ستساعد هذه التحسينات العملاء على تحسين العمليات الأمنية وإطلاق العنان لإمكانيات جديدة في مجال البيع بالتجزئة وذكاء الأعمال، مما يؤدي إلى استمرار الابتكار والنمو في تحليلات الفيديو في الوقت الحقيقي.

هل لديك فضول لمعرفة كيف يمكن للرؤية الحاسوبية إعادة 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 والرؤية الحاسوبية في الزراعة. تعرّف على المزيد حول نماذج YOLO وخيارات الترخيص الخاصة بنا، وابدأ رحلتك نحو أتمتة أكثر ذكاءً وكفاءة اليوم.

الحل الذي نقدمه لصناعتك

عرض الكل

الأسئلة المتداولة

ما هي نماذج Ultralytics YOLO؟

نماذج Ultralytics YOLO عبارة عن بنيات رؤية حاسوبية تم تطويرها لتحليل البيانات المرئية من الصور ومدخلات الفيديو. يمكن تدريب هذه النماذج على مهام تشمل اكتشاف الكائنات وتصنيفها وتقدير الوضعية والتتبع وتجزئة النماذج:

  • أولتراليتكس YOLOv5
  • أولتراليتكس YOLOv8
  • أولتراليتكس YOLO11

ما الفرق بين نماذج Ultralytics YOLO؟

Ultralytics YOLO11 هو أحدث إصدار من نماذج الرؤية الحاسوبية لدينا. تمامًا مثل إصداراته السابقة، فهو يدعم جميع مهام الرؤية الحاسوبية التي أحبها مجتمع الذكاء الاصطناعي للرؤية في YOLOv8. ومع ذلك، يأتي YOLO11 الجديد بأداء ودقة أكبر، مما يجعله أداة قوية وحليفًا مثاليًا لتحديات الصناعة في العالم الحقيقي.

ما هو نموذج Ultralytics YOLO الذي يجب أن أختاره لمشروعي؟

يعتمد النموذج الذي تختار استخدامه على متطلبات مشروعك المحددة. من المهم أن تأخذ في الاعتبار عوامل مثل الأداء والدقة واحتياجات النشر. إليك نظرة عامة سريعة:

  • بعض ميزات Ultralytics YOLOv8 الرئيسية:
  1. النضج والاستقرار: YOLOv8 هو إطار عمل مثبت ومستقر مع توثيق واسع النطاق وتوافق مع إصدارات YOLO السابقة، مما يجعله مثاليًا للاندماج في عمليات سير العمل الحالية.
  2. سهولة الاستخدام: يُعد YOLOv8 مثاليًا للفرق من جميع مستويات المهارة بفضل إعداده الملائم للمبتدئين وتثبيته المباشر.
  3. الفعالية من حيث التكلفة: تتطلب موارد حاسوبية أقل، مما يجعلها خيارًا رائعًا للمشاريع ذات الميزانية المحدودة.
  • بعض ميزات Ultralytics YOLO11 الرئيسية:
  1. دقة أعلى: يتفوق YOLO11 على YOLOv8 في المعايير، محققًا دقة أفضل بمعلمات أقل.
  2. ميزات متقدمة: يدعم المهام المتطورة مثل تقدير الوضع، وتتبع الأجسام، والمربعات المحدودة الموجهة (OBB)، مما يوفر تنوعًا لا مثيل له.
  3. الكفاءة في الوقت الحقيقي: يوفر YOLO11، المُحسَّن للتطبيقات في الوقت الفعلي، أوقات استدلال أسرع ويتفوق على الأجهزة المتطورة والمهام الحساسة لوقت الاستجابة.
  4. قابلية التكيف: بفضل التوافق الواسع مع الأجهزة، فإن YOLO11 مناسب تمامًا للنشر عبر الأجهزة المتطورة والمنصات السحابية ووحدات معالجة الرسومات NVIDIA

ما هو الترخيص الذي أحتاجه؟

تُوزَّع مستودعات Ultralytics YOLO، مثل YOLOv5 و YOLO11، بموجب رخصة AGPL-3.0 افتراضيًا. صُممت هذه الرخصة المعتمدة من OSI للطلاب والباحثين والمتحمسين، وهي مصممة للطلاب والباحثين والمتحمسين، وتعزز التعاون المفتوح وتتطلب أن تكون أي برمجيات تستخدم مكونات AGPL-3.0 مفتوحة المصدر أيضًا. وعلى الرغم من أن هذا يضمن الشفافية ويعزز الابتكار، إلا أنه قد لا يتماشى مع حالات الاستخدام التجاري.
إذا كان مشروعك يتضمن تضمين برمجيات Ultralytics ونماذج الذكاء الاصطناعي في المنتجات أو الخدمات التجارية وترغب في تجاوز متطلبات المصدر المفتوح لرخصة AGPL-3.0، فإن رخصة المؤسسة هي الحل الأمثل.

‍تشمل مزاياترخيص المؤسسة ما يلي:

  • المرونة التجارية: قم بتعديل ودمج كود مصدر ونماذج Ultralytics YOLO في المنتجات المسجلة الملكية دون الالتزام بمتطلبات AGPL-3.0 لفتح مصدر مشروعك.
  • تطوير الملكية: احصل على الحرية الكاملة لتطوير وتوزيع التطبيقات التجارية التي تتضمن كود ونماذج Ultralytics YOLO.

لضمان التكامل السلس وتجنب قيود AGPL-3.0، اطلب ترخيص Ultralytics للمؤسسات باستخدام النموذج المقدم. سيساعدك فريقنا في تكييف الترخيص مع احتياجاتك الخاصة.

عزز قوتك مع Ultralytics YOLO

احصل على رؤية متقدمة للذكاء الاصطناعي لمشاريعك. اعثر على الترخيص المناسب لأهدافك اليوم.

استكشاف خيارات الترخيص
تم نسخ الرابط إلى الحافظة