KI-Lösungen für die Praxis in zahlreichen Branchen

Ultralytics YOLO ist eine Schlüsselkomponente der Computer-Vision-Pipeline von SK Godelius neben multimodalem Sensing, die uns die Genauigkeit verleiht, genau zu identifizieren, welche Teile versagen, wodurch Arbeiter geschützt und unsere Inspektionen konsistent gehalten werden.

Alles wurde viel einfacher, als wir den Schritt zu Ultralytics gemacht haben. Du kannst alles mit einer einzigen Codezeile trainieren, Vorhersagen treffen und exportieren.

Die Ultralytics YOLO-Modelle sind einfach zu bedienen, präzise und flexibel. Dadurch konnten wir die Patrouillenzeit im Durchschnitt um etwa 30 % reduzieren.

Mit Ultralytics YOLOv8 nano können wir am Rand des Netzwerks nachtrainieren und innerhalb von Stunden statt Wochen ein neues Modell bereitstellen, wobei nur ein Bruchteil der Daten übertragen wird. Diese Kombination aus Genauigkeit und geringem Ressourcenbedarf ist genau das, was unsere Umgebungen benötigen.

Wir wollten die Genauigkeit verbessern, mit der unser Modell heterogene Materialklassen klassifizieren konnte, und gleichzeitig den erforderlichen manuellen Aufwand für unser Team verringern. Der Wechsel zu Ultralytics YOLO war der Schlüssel zu diesen Leistungsverbesserungen.

Von allen Modellen, die wir evaluiert haben, war YOLO für unsere Anwendungsfälle mit Abstand das schnellste.

Wir sind mit der Infrastruktur, die Ultralytics für das Training bietet, wirklich sehr zufrieden und schätzen besonders, wie einfach der Einstieg ist. Die Nutzung war unkompliziert, insbesondere beim Erstellen unseres Datensatzes und beim Ausführen der Funktion „train“.

Die Ultralytics YOLO-Modelle haben uns geholfen, die Umsetzungsgeschwindigkeit unseres KI-Dienstes um 25,2 % zu steigern. Sie lassen sich einfach bereitstellen und bieten eine hervorragende Leistung unter realen Bedingungen – mit höherer Geschwindigkeit, Genauigkeit und Skalierbarkeit, ohne die betriebliche Leistung zu beeinträchtigen.

Die Möglichkeit, Ultralytics YOLO-Modelle über das Ultralytics Python-Paket zu trainieren und bereitzustellen, ist äußerst zuverlässig. Zusammen mit der schnellen Inferenz ermöglicht sie uns, Bilder schnell zu verarbeiten und auf Baustellen Feedback in Echtzeit zu liefern.

Mit Ultralytics konnten wir im Vergleich zu anderen Modellen eine höhere Geschwindigkeit bei größerer Genauigkeit erreichen. Die Kompatibilität mit verschiedenen Frameworks – CUDA, TensorRT, ONNX und OpenVINO – war beim Feinabstimmen der Gewichte in Forschung und Entwicklung und bei der anschließenden Optimierung für unsere jeweilige Hardware äußerst hilfreich.

Wir stehen erst am Anfang. Mit Ultralytics YOLO haben wir die Grundlage, um Lösungen zu entwickeln, die nicht nur sicherer, sondern auch intelligenter sind. Sie ermöglichen Erkenntnisse in Echtzeit, die Leben retten und die Verwaltung der industriellen Sicherheit grundlegend verändern können.

Wir entwickeln Roboter mit Bildverarbeitung, die Zutaten an Produktionslinien für Lebensmittel aufnehmen und platzieren. Die robotergestützte Manipulation erfordert eine Präzision im Subzentimeterbereich, und die Ultralytics YOLO-Modelle liefern diese Genauigkeit zuverlässig.

Die Leistung der Ultralytics YOLO-Modelle auf unseren STM32-Mikrocontrollern eröffnet neue Möglichkeiten für die Bildverarbeitung am Netzwerkrand. Dank der optimierten Integration und der Unterstützung mehrerer Modellvarianten verfügen Entwickler über genau das, was sie zum Aufbau skalierbarer und reaktionsschneller eingebetteter Bildverarbeitungslösungen benötigen.

YOLO von Ultralytics zu verwenden, war eine echte Freude. Die Python-Bibliothek ist sowohl beim Training als auch bei der Inferenz bemerkenswert reibungslos und konsistent … in der Praxis war die Integration in unsere Pipeline bemerkenswert unkompliziert, was selten vorkommt.

Mit dem Ultralytics Python-Paket können wir Modelle sehr einfach und schnell trainieren. Darüber hinaus sorgt die Standardisierung über verschiedene Modelle und neue YOLO-Versionen hinweg für ein hohes Maß an Stabilität über die Jahre.

Die Integration von Ultralytics YOLO in unsere Instabase-KI-Plattform verlief einfach und problemlos. Sie hat dazu beigetragen, den Veröffentlichungszyklus zu beschleunigen und uns in die Lage versetzt, unseren Kunden Funktionen zur visuellen Objekterkennung bereitzustellen.

Sie verwandeln visuelle Daten mit außergewöhnlicher Genauigkeit und Effizienz in verwertbare Erkenntnisse. Durch die Kombination von Ultralytics YOLOv8 mit dem IMX500-Sensor von SSS (Sony Semiconductor Solutions Corporation) bietet diese Partnerschaft leistungsstarke KI-Funktionen direkt auf dem Gerät, die schnellere Entscheidungen in Echtzeit für Unternehmen ermöglichen, die auf die leistungsfähige Verarbeitung visueller Daten angewiesen sind.

Die Ultralytics YOLO-Modelle passen hervorragend zu unseren Metis AI Processing Units (AIPUs). Sie lassen sich einfach integrieren, arbeiten effizient und helfen unseren Kunden, wirkungsvolle Vision-AI-Anwendungen am Netzwerkrand in kürzester Zeit zum Laufen zu bringen.

Bei ALYCE hat die Nutzung von Ultralytics unser Modelltraining grundlegend verändert. Dadurch konnten wir die Datengenauigkeit verbessern, unseren Kunden eine beispiellose Qualität liefern und sie bei ihren Projekten für nachhaltige Mobilität unterstützen.

Die Ultralytics YOLO-Modelle haben sich in vielen verschiedenen Unterwasserumgebungen hervorragend bewährt – von Standorten mit Gezeitenturbinen bis hin zu Häfen und Korallenriffen. Ihre Genauigkeit und Zuverlässigkeit machen sie zu einem wichtigen Bestandteil unserer Arbeit zur Umweltüberwachung in Projekten rund um Meeresenergie und Forschung.

Ultralytics ist eine sehr leistungsstarke und einfach zu nutzende Lösung, mit der sich Prototypen, aber auch fertige Lösungen entwickeln lassen.

Normalerweise nimmt das Training eines Machine-Learning-Modells sehr viel Zeit in Anspruch, und oft muss man zwei bis drei Tage auf die Inferenz warten, bevor man entscheiden kann, ob die Genauigkeit ausreicht. Mit Ultralytics YOLO können wir das Modell jedoch an einem einzigen Tag trainieren, schnell Entscheidungen treffen und rasch aus den Ergebnissen lernen. Nach dem Training können wir außerdem den Datensatz erweitern, um die Leistung weiter zu verbessern.

Die YOLO-Modelle von Ultralytics sind echte Gamechanger in der KI-Branche. Entwickler bevorzugen die Modelle YOLOv5 und YOLOv8 wegen ihrer einfachen Bedienung, ihrer Leistung auf dem neuesten Stand der Technik und ihrer Genauigkeit. In Kombination mit OpenVINO bieten diese Modelle das Potenzial für die beste Leistung ohne zusätzliche Konfiguration auf modernen CPUs.