Durch die Integration von Ultralytics YOLO-Modellen, die mit proprietären Daten feinabgestimmt und für verschiedene Exportformate optimiert wurden, konnte Videologic Analytics Kosten und Markteinführungszeit reduzieren.
Videologic Analytics ist ein Entwickler fortschrittlicher Videoanalyselösungen mit Sitz in Spanien. Das Unternehmen verbessert damit Sicherheit und Überwachung an Industriestandorten, in Solarparks und Wohnanlagen. Die KI-gestützten Lösungen werden in Überwachungskameras integriert, um Geländegrenzen zu überwachen und Eindringlinge in Echtzeit zu erkennen.
Angesichts hoher Kosten und langsamer Bereitstellung mit früheren Modellen integrierte das Unternehmen Ultralytics YOLO-Modelle, um die Erkennungsgenauigkeit zu steigern, Entwicklungs- und Markteinführungskosten zu senken und neue Bereiche wie den Einzelhandel und Business Intelligence zu erschließen.
Computer Vision für die Sicherheit mit KI-Kameras ermöglichen#
Videologic Analytics wird von Experten mit mehr als 30 Jahren Erfahrung geleitet und ist auf die Integration von KI und Computer Vision in Überwachungskameras für die Echtzeitüberwachung und automatisierte Gefahrenerkennung spezialisiert. Die zuverlässigen Lösungen schützen große Anlagen, erneuerbare Energieanlagen und Wohngebiete.
Zu den namhaften Kunden zählen Prosegur, Securitas, Sabico und mehr als 4.000 zertifizierte Sicherheitsunternehmen in Spanien. Angesichts der Herausforderungen durch die kostspielige und zeitaufwendige Entwicklung und Bereitstellung von KI-Modellen integrierte das Unternehmen Ultralytics YOLO-Modelle in seine innovativen Vision-AI-Lösungen. Dadurch konnte Videologic Analytics seine Sicherheitsanwendungen verbessern und zugleich neue Branchen erschließen.
Kostengünstige automatisierte Gefahrenerkennung mit KI#
Videologic Analytics hatte zuvor KI-Modelle in die Überwachungskameras integriert, die das Unternehmen seinen Kunden anbot. Diese frühen Modelle waren darauf programmiert, eine begrenzte Auswahl von Objektkategorien zu erkennen, darunter allgemeine Fahrzeugtypen, Menschen und Kleintiere. Dieser grundlegende Ansatz legte zwar den Grundstein für fortschrittliche Sicherheitssysteme, bot aber auch Möglichkeiten zur weiteren Verbesserung, insbesondere bei der Steigerung der Präzision und der Verringerung falsch positiver Erkennungen.
Die Kunden wünschten sich eine umfassendere Lösung, die eine breitere und präzisere Objekterkennung für eine größere Vielfalt von Objekten und Szenarien ermöglicht. Um diesen Anforderungen gerecht zu werden, begann das Forschungs- und Entwicklungsteam von Videologic Analytics mit der Entwicklung verbesserter KI-Modelle.
Bei der Entwicklung dieser Modelle stellte Videologic Analytics schnell fest, dass der bestehende Ansatz Probleme mit sich brachte, etwa hohe Kosten und lange Entwicklungszeiten. Das Unternehmen erkannte, dass es einen flexibleren und effizienteren Ansatz benötigte. Dieser sollte diese Herausforderungen bewältigen und den sich wandelnden Sicherheitsanforderungen seiner Kunden besser gerecht werden.
Konkret suchte das Unternehmen nach einem Computer-Vision-Modell, das die Zuverlässigkeit seiner Vision-AI-Lösungen verbessern und die Kundenzufriedenheit steigern konnte. Wichtig war auch, dass das Modell kosteneffizient blieb und sich an zukünftige Anforderungen anpassen ließ.
Überwachung neu definieren: Anomalien mit KI erkennen#
Nach dem Test mehrerer KI-Modelle stellte Videologic Analytics fest, dass Ultralytics YOLO-Modelle die benötigte Flexibilität und Leistung boten. Das Unternehmen begann mit vortrainierten YOLO-Modellen, die mit dem COCO-Datensatz entwickelt wurden, der eine große Auswahl gängiger Objekte umfasst. Dieses Vortraining bot eine solide Grundlage, da die Modelle bereits viele grundlegende Objekte erkennen konnten und sich dadurch leichter an spezifische Sicherheitsanforderungen anpassen ließen.
Videologic Analytics stimmte diese vortrainierten Modelle beispielsweise mit eigenen proprietären Daten für Anwendungen wie die Überwachung von Solarparks fein ab.
In diesem Szenario dienten die Modelle der KI-gestützten Anomalieerkennung. Sie unterschieden echte Bedrohungen wie unbefugte Personen oder Fahrzeuge von harmlosen Ereignissen wie kleinen Tieren oder vom Wind verwehtem Schmutz. Diese klare Unterscheidung war entscheidend, um Fehlalarme zu reduzieren und die Sicherheitsleistung insgesamt zu verbessern.
Neben der Überwachung von Solarparks entwickelte das Unternehmen mit YOLO auch Sicherheitslösungen für Industrie- und Wohnbereiche sowie Proof-of-Concept-Module für Innovationen in den Bereichen Computer Vision im Einzelhandel und Business Intelligence. Hauptsächlich kommt Objekterkennung zum Einsatz; außerdem nutzt das Unternehmen weitere von YOLO unterstützte Computer-Vision-Aufgaben, etwa Posenschätzung und Objektverfolgung.
Abb. 1 Videologic Analytics nutzt Ultralytics YOLO-Modelle zur Überwachung von Solarkraftwerken.
Warum Ultralytics YOLO-Modelle wählen?#
Videologic Analytics entschied sich für Ultralytics YOLO-Modelle, da das Unternehmen eine robuste Lösung benötigte, die zahlreiche Kamerakanäle unterstützt und zugleich schnelle, präzise Inferenz ermöglicht.
YOLO unterstützt verschiedene Exportformate und lässt sich nahtlos in Frameworks wie CUDA, TensorRT, ONNX und OpenVINO integrieren. Diese Flexibilität ermöglicht es Videologic Analytics, Modelle mit PyTorch fein abzustimmen und effizient in der Produktion einzusetzen. Dank hardwarespezifischer Optimierungen erfüllt YOLO die hohen Anforderungen der Videoanalyse in Echtzeit besser als frühere Modelle.
Optimierte Bereitstellung von Modellen für die intelligente Videoüberwachung#
Seit der Integration von Ultralytics YOLO-Modellen verzeichnet Videologic Analytics beeindruckende Verbesserungen bei Leistung und Effizienz. Die neue Vision-AI-Lösung ermöglicht die schnelle Gefahrenerkennung in Echtzeit an verschiedensten Standorten – von Solarparks und Industrieanlagen bis hin zu Wohnanlagen.
Videologic Analytics vergibt jährlich rund 10.000 Lizenzen, die jeweils einem eigenen Kamerakanal entsprechen. Alle Lizenzen wurden inzwischen aktualisiert und unterstützen Ultralytics YOLO-Modelle. Der Wechsel zu YOLO hat die Zahl der Fehlalarme erheblich verringert und die Erkennungsgenauigkeit insgesamt gesteigert. Dadurch profitieren Kunden von zuverlässigeren Sicherheitssystemen, während die Betriebskosten gesunken sind.
Die schnellere Inferenz und Skalierbarkeit der Ultralytics YOLO-Modelle haben außerdem die Markteinführungszeit neuer KI-Funktionen verkürzt. So kann Videologic Analytics sein Kerngeschäft im Sicherheitsbereich ausbauen und neue Möglichkeiten in Branchen wie dem Einzelhandel und Business Intelligence erschließen. Insgesamt hat die Einführung von Ultralytics YOLO-Modellen sowohl unmittelbare betriebliche Verbesserungen als auch langfristige Wachstumsperspektiven für das Unternehmen ermöglicht.
Abb. 2. Videologic Analytics überwacht mit Ultralytics-YOLO-Modellen städtische Umgebungen.
Intelligente Videoanalyse für Schutz und Sicherheit: Der weitere Weg#
Videologic Analytics arbeitet aktiv daran, seine Lösung mithilfe von Ultralytics YOLO-Modellen über die einfache Erkennung von Eindringlingen hinaus auszubauen. Als Nächstes sollen fortschrittliche Analysen – etwa Verhaltensanalysen, Trendverfolgung und vorausschauende Erkenntnisse – umfassendere, umsetzbare Einblicke liefern.
Diese Verbesserungen helfen Kunden, Sicherheitsabläufe zu optimieren und neue Möglichkeiten im Einzelhandel und in der Geschäftsanalyse zu erschließen. So werden Innovation und Wachstum in der Videoanalyse in Echtzeit weiter vorangetrieben.
Du möchtest wissen, wie Computer Vision dein Unternehmen verändern kann? Entdecke unser GitHub-Repository und erfahre, wie die KI-Lösungen von Ultralytics Innovationen wie KI im Einzelhandel und Computer Vision in der Landwirtschaft voranbringen. Informiere dich über unsere YOLO-Modelle und Lizenzoptionen und starte noch heute in eine intelligentere und effizientere Automatisierung.
Verfasst von
Content Creator · Ultralytics
