Supervisión de sistemas heredados con la ayuda de Ultralytics YOLO11

Muchas empresas, especialmente en los sectores de fabricación, automatización industrial, aeroespacial, telecomunicaciones y energía, dependen de sistemas heredados para sus operaciones diarias. Sin embargo, el mantenimiento de estos sistemas antiguos a menudo conlleva altos costos y desafíos técnicos. A pesar de esto, la razón principal por la que las empresas siguen utilizando sistemas heredados es que están profundamente integrados en sus flujos de trabajo. 

Casi dos tercios de las empresas gastan más de 2 millones de dólares en el mantenimiento y la actualización de los sistemas heredados. Estos sistemas antiguos se construyeron para una época diferente, cuando la automatización y el análisis en tiempo real no eran una prioridad. Las empresas solían depender de procesos manuales o de herramientas de supervisión obsoletas, lo que conducía a ineficiencias y a mayores riesgos operativos. Como resultado, muchas empresas se encuentran atrapadas con estos sistemas obsoletos, sin poder realizar una transición fácil a soluciones más modernas sin interrupciones significativas.

Aquí es donde la IA y la visión artificial, que permiten a los ordenadores comprender y analizar datos visuales, pueden intervenir y ayudar. Específicamente, los modelos de visión artificial como Ultralytics YOLO11 pueden utilizarse para detectar y supervisar sistemas heredados como medidores y galgas.

En este artículo, exploraremos cómo se puede utilizar YOLO11 en la monitorización de sistemas heredados, sus beneficios y cómo las empresas pueden integrarlo fácilmente en sus flujos de trabajo existentes.

‍

Desafíos relacionados con la modernización de sistemas heredados

Los sistemas heredados son vitales para muchas industrias, pero convertirlos en sistemas digitales no siempre es sencillo. La modernización de estos sistemas es importante para aumentar la eficiencia y reducir los riesgos. Estos son algunos de los desafíos técnicos y ambientales a los que se enfrentan las empresas al actualizar los sistemas heredados:

• Falta de interfaces digitales: Muchos sistemas heredados fueron diseñados antes de que la transformación digital se volviera común. Operan utilizando controles analógicos, indicadores y mecánicos, lo que dificulta la integración directa con las soluciones de monitorización modernas.
  ‍
• Altos costes de actualización: Reemplazar o actualizar la infraestructura heredada puede ser caro y perjudicial. Muchas empresas dudan en invertir en reemplazos a gran escala debido a los altos costes iniciales y a la preocupación por el tiempo de inactividad.

• Diseños de sistema inconsistentes: La maquinaria antigua varía significativamente en estructura, materiales y funcionalidad. Esta falta de estandarización dificulta la aplicación de una solución digital uniforme en diferentes sistemas.
  ‍
• Desafíos en la captura de datos en tiempo real: Las pantallas analógicas no fueron diseñadas para la recopilación automatizada de datos, lo que dificulta la extracción de lecturas precisas en tiempo real de diales, medidores o contadores mecánicos.

‍

¿Cómo puede la visión artificial ayudar a monitorizar sistemas heredados?

Muchas máquinas antiguas utilizan diales, medidores e indicadores analógicos que no se pueden conectar a sistemas digitales. Las soluciones de IA visual pueden utilizar cámaras para supervisar estos dispositivos, y las imágenes pueden procesarse en tiempo real para convertir sus lecturas en registros digitales para facilitar el seguimiento y la elaboración de informes.

Una de las ventajas de utilizar la visión artificial para esto es que los problemas operativos pueden detectarse casi al instante. En caso de emergencia, las alertas automatizadas pueden notificar a los operadores cuando los valores superan los límites de seguridad.

Aparte de esto, la visión artificial es una opción más económica. La configuración de cámaras y la implementación de un sistema de IA para analizar estas imágenes es rentable en comparación con las actualizaciones tradicionales o los métodos de monitoreo manual. En lugar de costosas actualizaciones de infraestructura, los modelos de IA visual como YOLO11 pueden funcionar con los equipos existentes, lo que hace que la modernización sea más asequible.

Sistemas de monitorización heredados habilitados por YOLO11

Hoy en día, la IA está en auge y existen diversos modelos y técnicas a considerar al implementar una solución de IA. Entonces, puede que se pregunte, ¿qué hace que un modelo como YOLO11 sea tan especial?

YOLO11 admite varias tareas de visión artificial como la detección de objetos, la segmentación de instancias y el seguimiento de objetos, y es ideal para la monitorización en tiempo real. Una de sus ventajas clave es su capacidad para ejecutarse de manera eficiente en dispositivos edge. Esto significa que puede procesar datos localmente, sin depender de una conexión de red sólida o una infraestructura en la nube. 

‍

En plantas de producción o en entornos industriales con redes débiles o poco fiables, el despliegue de YOLO11 en dispositivos edge garantiza una monitorización continua y en tiempo real sin interrupciones, reduciendo la necesidad de costosas soluciones basadas en la nube y convirtiéndola en una opción más asequible y práctica para las empresas.

Además, YOLO11 es conocido por su rendimiento superior en términos de precisión y velocidad en comparación con sus predecesores. Con un 22% menos de parámetros que YOLOv8m, YOLO11m alcanza una mayor precisión media promedio (mAP) en el conjunto de datos COCO. 

En pocas palabras, YOLO11 puede detectar objetos de forma más precisa y rápida, incluso con menos potencia de procesamiento. Esto lo hace más eficiente a la hora de detectar problemas y supervisar sistemas en tiempo real, al tiempo que utiliza menos recursos, lo que resulta especialmente útil para los sistemas heredados.

Aplicaciones de YOLO11 en sistemas de monitorización heredados

A continuación, exploremos algunos casos de uso reales en los que YOLO11 automatiza los procesos mediante el uso de la visión artificial para rastrear y analizar las lecturas, todo ello sin necesidad de modificar el equipo existente.

Monitorización de indicadores analógicos utilizando YOLO11

Varias máquinas industriales utilizan medidores analógicos para medir la presión, la temperatura y los niveles de fluidos. Las lecturas manuales consumen tiempo y a menudo conducen a inconsistencias, especialmente en operaciones a gran escala. YOLO11 puede mejorar estos procesos. 

Aquí hay una visión más detallada de cómo funciona normalmente la monitorización de indicadores analógicos utilizando YOLO11:

• Detección de objetos: YOLO11 primero detecta y localiza el medidor dentro de una imagen, asegurando que se identifique con precisión, incluso en entornos complejos.
  
  
• Segmentación de instancias: Una vez que se identifica el indicador, YOLO11 utiliza la segmentación de instancias para separar los elementos clave, como la aguja, la escala y las marcas numéricas. Esto es importante porque garantiza que el sistema se centre únicamente en las partes relevantes del indicador, eliminando cualquier ruido de fondo o distracciones. Al aislar estas áreas clave, el siguiente paso se vuelve más preciso y eficiente.
  
  
• Reconocimiento óptico de caracteres (OCR): Finalmente, la tecnología OCR se puede utilizar para convertir los números del medidor en datos digitales, lo que permite a las empresas realizar un seguimiento de las mediciones sin necesidad de lecturas manuales.

Si bien este es el método general, los pasos exactos pueden variar en función de factores como el tipo de indicador, las condiciones ambientales y el ángulo o la calidad de las imágenes capturadas. Se pueden realizar ajustes para garantizar lecturas precisas en función de estas variables.

‍

YOLO11 puede simplificar la monitorización de contadores de servicios públicos.

Muchos proveedores de servicios públicos todavía dependen de medidores mecánicos para rastrear el consumo de agua, gas y electricidad. En algunos casos, se requieren visitas manuales al sitio para recopilar las lecturas, lo que lleva tiempo y aumenta los costos. 

YOLO11 automatiza el proceso de monitorización utilizando visión artificial para detectar y recortar las partes relevantes de las esferas del medidor. Al hacerlo, los valores numéricos en la esfera se pueden aislar y se puede utilizar el OCR para leerlos.

Con los datos recopilados mediante la visión artificial, los proveedores de servicios públicos pueden analizar los patrones de consumo de forma más eficaz. La integración del análisis de datos en el proceso de monitorización ayuda a rastrear las tendencias históricas de uso, identificar anomalías y detectar irregularidades, como picos o caídas repentinas en el consumo, lo que podría indicar problemas como fugas o medidores defectuosos.

Análisis de paneles de control con YOLO11

Los sistemas heredados, como las unidades de control industrial, los monitores de la red eléctrica y los paneles de automatización de fábricas, se basan en paneles de control analógicos con interruptores, botones y luces indicadoras para mostrar el estado de la máquina y los códigos de error. Generalmente, los operadores inspeccionan estos paneles manualmente, lo que requiere mucho tiempo y aumenta el riesgo de retraso en las respuestas.

YOLO11 puede optimizar este proceso identificando y rastreando con precisión los componentes del panel de control. Puede detectar interruptores, etiquetas y luces indicadoras, y determinar sus posiciones y estados. Puede identificar si las luces indicadoras muestran advertencias o un funcionamiento normal. 

Por ejemplo, si se activa una luz de advertencia, YOLO11 puede detectar inmediatamente el cambio y se puede alertar a los operadores, lo que permite tiempos de respuesta más rápidos y reduce el riesgo de pasar por alto problemas críticos.

‍

Pros y contras de la modernización de sistemas heredados

La visión artificial es una forma práctica de supervisar los sistemas heredados sin necesidad de sustituir el hardware existente. Sin embargo, como cualquier otra tecnología, tiene ventajas y limitaciones. Exploremos ambas para hacernos una mejor idea de cómo se puede aplicar eficazmente.

Aquí hay algunas formas en que la IA de visión impacta positivamente en la monitorización de sistemas heredados:

• Menores costes a largo plazo: Si bien la configuración inicial puede requerir una inversión, la automatización de las tareas de monitorización y la reducción del error humano pueden generar ahorros significativos con el tiempo.
  ‍
• Consistencia y fiabilidad: A diferencia de las inspecciones humanas, que pueden variar en calidad y consistencia, YOLO11 ofrece un rendimiento consistente y fiable a lo largo del tiempo.
  ‍
• Toma de decisiones mejorada: Los datos y el análisis en tiempo real mejoran la toma de decisiones, lo que permite a los operadores tomar decisiones informadas basadas en información actualizada.

Mientras tanto, estas son algunas de las consideraciones que deben tenerse en cuenta:

• Dependencia de la calidad de la imagen: La visión artificial depende en gran medida de imágenes o transmisiones de vídeo de alta calidad. Una mala calidad de imagen, una baja resolución o una mala iluminación pueden provocar detecciones inexactas o perdidas.
  
  
• Vulnerabilidad a factores ambientales: Los entornos hostiles, como las temperaturas extremas, el polvo, las vibraciones o las interferencias, pueden degradar el rendimiento de los sistemas de visión artificial.
  ‍
• Complejidad en el manejo de grandes volúmenes de datos: A medida que el sistema recopila grandes cantidades de datos visuales, la gestión, el almacenamiento y el análisis de esos datos pueden resultar difíciles sin una infraestructura adecuada.

Conclusiones clave

La supervisión eficiente de los sistemas heredados no siempre requiere la sustitución del hardware existente. Muchas empresas se enfrentan a equipos obsoletos, pero la IA de visión ofrece una forma de realizar un seguimiento del rendimiento sin realizar grandes cambios.

YOLO11 hace esto posible mediante la detección de objetos y otras tareas de visión artificial. Puede leer indicadores, medidores y paneles de control con cámaras para la monitorización en tiempo real, sin necesidad de modificar el sistema. El modelo se ejecuta sin problemas en dispositivos edge, lo que lo convierte en una excelente opción para industrias con conectividad limitada a la nube. Esto permite a las empresas procesar datos in situ y abordar rápidamente los problemas operativos.

¡Únete a nuestra creciente comunidad! Explora nuestro repositorio de GitHub para aprender sobre IA y consulta nuestras opciones de licencia para comenzar tus proyectos de Vision AI. ¿Te interesan innovaciones como la IA en la atención médica y la visión artificial en la agricultura? ¡Visita nuestras páginas de soluciones para descubrir más!