KI-Lösungen für die Praxis – branchenübergreifend

Die Ultralytics Platform hat für uns alles verändert. Unsere Data Scientists können damit ganz einfach Datensätze erstellen, mithilfe von Cloud-Rechenleistung schnell neue Modelle trainieren, Experimente mit verschiedenen Modelleinstellungen vergleichen und schließlich das beste Modell für jedes Problem ermitteln. Für Experimente mit Objekterkennung, Instanzsegmentierung und semantischer Segmentierung ist sie inzwischen unsere erste Anlaufstelle.

Ultralytics YOLO ist neben der multimodalen Sensorik ein zentraler Bestandteil der Computer-Vision-Pipeline von SK Godelius. So können wir genau erkennen, welche Teile defekt sind, die Sicherheit der Mitarbeitenden gewährleisten und unsere Inspektionen einheitlich durchführen.

Mit den Ultralytics YOLO-Modellen konnten wir die Implementierungsgeschwindigkeit unseres KI-Dienstes um 25,2 % steigern. Sie lassen sich einfach bereitstellen und bieten in der Praxis eine hervorragende Leistung. So ermöglichen sie mehr Geschwindigkeit, Genauigkeit und Skalierbarkeit, ohne die betriebliche Leistung zu beeinträchtigen.

Die Trainingsinfrastruktur von Ultralytics gefällt uns sehr gut, besonders der einfache Einstieg. Der Ablauf war unkompliziert, insbesondere beim Erstellen unseres Datensatzes und beim Ausführen der Funktion „train“.

Von allen Modellen, die wir geprüft haben, war YOLO für unsere Anwendungsfälle mit Abstand am schnellsten.

Wir wollten die Genauigkeit verbessern, mit der unser Modell heterogene Materialklassen erkennt, und zugleich den erforderlichen manuellen Arbeitsaufwand unseres Teams verringern. Der Wechsel zu Ultralytics YOLO war entscheidend, um diese Leistungssteigerungen zu erzielen.

Mit Ultralytics YOLOv8 nano können wir direkt am Edge-Modell 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 brauchen.

Die Ultralytics YOLO-Modelle sind einfach zu verwenden, genau und flexibel. Damit konnten wir die Zeit für Kontrollgänge im Durchschnitt um etwa 30 % reduzieren.

Der Wechsel zu Ultralytics hat alles erheblich vereinfacht. Mit einer einzigen Codezeile kannst du beliebige Modelle trainieren, Vorhersagen erstellen und exportieren.

Mit dem Ultralytics-Python-Paket lassen sich Ultralytics YOLO-Modelle sehr zuverlässig trainieren und bereitstellen. Zusammen mit der schnellen Inferenz können wir Bilder zügig verarbeiten und Baustellen in Echtzeit Rückmeldungen geben.

Mit Ultralytics konnten wir im Vergleich zu anderen Modellen die Geschwindigkeit steigern und zugleich eine höhere Genauigkeit erzielen. Die Kompatibilität mit verschiedenen Frameworks – CUDA, TensorRT, ONNX und OpenVINO – war äußerst hilfreich, um die Gewichte in Forschung und Entwicklung abzustimmen und anschließend für die jeweils verfügbare Hardware zu optimieren.

Wir haben gerade erst begonnen. Mit Ultralytics YOLO verfügen wir über eine Grundlage, um Lösungen zu entwickeln, die nicht nur sicherer, sondern auch intelligenter sind. Sie ermöglichen Einblicke in Echtzeit, die Leben retten und den Umgang mit industrieller Sicherheit grundlegend verändern können.

Wir entwickeln Roboter mit Computer Vision, die Zutaten in Produktionslinien für Lebensmittel aufnehmen und platzieren. Die robotische Handhabung erfordert eine Genauigkeit im Subzentimeterbereich, und Ultralytics YOLO-Modelle liefern diese Genauigkeit zuverlässig.

Die Leistung der Ultralytics YOLO-Modelle auf unseren STM32-Mikrocontrollern eröffnet neue Möglichkeiten für Computer Vision am Edge. Dank der schlanken Integration und der Unterstützung mehrerer Modellvarianten haben Entwickler alles, was sie zum Aufbau skalierbarer und reaktionsschneller eingebetteter Bildverarbeitungslösungen benötigen.

Die Nutzung von YOLO von Ultralytics macht wirklich Freude. Die Python-Bibliothek läuft sowohl beim Training als auch bei der Inferenz bemerkenswert reibungslos und konsistent … In der Praxis ließ sie sich außergewöhnlich unkompliziert in unsere Pipeline integrieren – das ist selten.

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 reibungslos. Sie beschleunigte unseren Veröffentlichungsplan und ermöglichte es uns, unseren Kunden Funktionen zur visuellen Objekterkennung bereitzustellen.

Sie verwandeln visuelle Daten mit außergewöhnlicher Genauigkeit und Effizienz in umsetzbare Erkenntnisse. Durch die Kombination von Ultralytics YOLOv8 mit dem IMX500-Sensor von SSS (Sony Semiconductor Solutions Corporation) ermöglicht diese Partnerschaft leistungsstarke KI direkt auf dem Gerät. Dadurch können Unternehmen, die auf die Verarbeitung leistungsstarker visueller Daten angewiesen sind, fundiertere Entscheidungen in Echtzeit treffen.

Die Ultralytics YOLO-Modelle passen hervorragend zu unseren Metis AI Processing Units (AIPUs). Sie lassen sich einfach integrieren, laufen effizient und helfen unseren Kunden, wirkungsvolle Vision-AI-Anwendungen im Handumdrehen am Edge bereitzustellen.

Bei ALYCE hat Ultralytics unser Modelltraining grundlegend verbessert. So können wir die Datengenauigkeit erhöhen, unseren Kunden eine herausragende Qualität bieten und sie bei ihren Projekten für nachhaltige Mobilität unterstützen.

Die Ultralytics YOLO-Modelle funktionieren in vielen verschiedenen Unterwasserumgebungen sehr gut – von Gezeitenkraftwerksstandorten bis hin zu Häfen und Korallenriffen. Dank ihrer Genauigkeit und Zuverlässigkeit stützen wir uns bei unserer Umweltüberwachung in Projekten zu Meeresenergie und Forschung stark auf sie.

Ultralytics ist eine äußerst leistungsfähige und einfach zu verwendende Lösung – sowohl für die Entwicklung von Prototypen als auch für fertige Lösungen.

Normalerweise nimmt das Training eines Machine-Learning-Modells sehr viel Zeit in Anspruch. 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 wegweisend für die KI-Branche. Entwickler bevorzugen YOLOv5 und YOLOv8, weil sie einfach zu verwenden sind und eine Leistung auf dem neuesten Stand der Technik sowie hohe Genauigkeit bieten. In Kombination mit OpenVINO können diese Modelle auf modernen CPUs direkt nach der Installation eine hervorragende Leistung erzielen.