Supervisión de sistemas heredados con ayuda de Ultralytics YOLO11

Abirami Vina

5 minutos de lectura

26 de marzo de 2025

Vea cómo Ultralytics YOLO11 puede ayudar a las empresas a supervisar los sistemas heredados con visión por ordenador basada en IA, mejorando la eficiencia y reduciendo los costes de actualización.

Muchas empresas, sobre todo 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 suele conllevar costes elevados y dificultades técnicas. A pesar de ello, la principal razón por la que las empresas siguen utilizando sistemas heredados es que están profundamente arraigados en sus flujos de trabajo. 

Casi dos tercios de las empresas gastan más de 2 millones de dólares en mantener y actualizar sistemas heredados. Estos sistemas antiguos se crearon para otra época, cuando la automatización y el análisis en tiempo real no eran una prioridad. Las empresas solían depender de procesos manuales o herramientas de supervisión anticuadas, lo que provocaba ineficiencias y mayores riesgos operativos. Como resultado, muchas empresas se encuentran atascadas con estos sistemas obsoletos, incapaces de realizar fácilmente la transición a soluciones más modernas sin interrupciones significativas.

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

En este artículo analizaremos cómo puede utilizarse YOLO11 en la supervisión de sistemas heredados, sus ventajas y cómo pueden integrarlo fácilmente las empresas en sus flujos de trabajo actuales.

__wf_reserved_inherit
Fig. 1. Ejemplos de sistemas heredados. Imagen del autor.

Retos relacionados con la modernización de sistemas heredados

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

  • Falta de interfaces digitales: Muchos sistemas heredados se diseñaron antes de que se generalizara la transformación digital. Funcionan con controles analógicos, medidores e indicadores mecánicos, lo que dificulta su integración directa con las soluciones de supervisión modernas.
  • Elevados costes de actualización: Sustituir o actualizar la infraestructura heredada puede resultar caro y perturbador. Muchas empresas dudan en invertir en sustituciones a gran escala debido a los elevados costes iniciales y a la preocupación por el tiempo de inactividad.
  • Diseños de sistemas incoherentes: La maquinaria antigua varía significativamente en estructura, materiales y funcionalidad. Esta falta de estandarización dificulta la aplicación de una solución digital uniforme en los distintos sistemas.
  • Retos en la captura de datos en tiempo real: Las pantallas analógicas no se diseñaron para la recopilación automatizada de datos, lo que dificulta la extracción de lecturas precisas en tiempo real de diales, contadores o contadores mecánicos.
__wf_reserved_inherit
Fig. 2. Retos relacionados con la modernización de sistemas heredados. Imagen del autor.

Cómo Vision AI puede ayudar a supervisar los sistemas heredados

Muchas máquinas heredadas utilizan diales, medidores e indicadores analógicos que no pueden conectarse a sistemas digitales. Las soluciones Vision AI pueden utilizar cámaras para supervisar estos dispositivos, y las imágenes pueden procesarse en tiempo real para convertir sus lecturas en registros digitales que faciliten el seguimiento y la generación de informes.

Una de las ventajas de la visión por ordenador es que permite detectar problemas operativos casi al instante. En caso de emergencia, las alertas automáticas pueden avisar a los operarios cuando los valores superan los límites de seguridad.

Además, la visión por ordenador es una opción más económica. Instalar cámaras e implantar un sistema de IA para analizar estas imágenes resulta rentable en comparación con las actualizaciones tradicionales o los métodos de supervisión manual. En lugar de costosas actualizaciones de infraestructura, los modelos de IA de visión como YOLO11 pueden funcionar con los equipos existentes, lo que hace que la modernización sea más asequible.

Sistemas de vigilancia heredados habilitados por YOLO11

Hoy en día, la IA está en auge, y hay una gran variedad de modelos y técnicas a tener en cuenta a la hora de implantar una solución de IA. Así que te estarás preguntando, ¿qué hace tan especial a un modelo como YOLO11?

YOLO11 admite varias tareas de visión por ordenador, como la detección de objetos, la segmentación de instancias y el seguimiento de objetos, y es ideal para la supervisión en tiempo real. Una de sus principales ventajas es su capacidad para funcionar eficazmente en dispositivos periféricos. Esto significa que puede procesar datos localmente, sin depender de una conexión de red potente o de una infraestructura en la nube. 

__wf_reserved_inherit
Fig. 3. Ejemplo de utilización de YOLO11 para la detección de objetos.

En las fábricas o en entornos industriales con redes débiles o poco fiables, la implantación de YOLO11 en dispositivos periféricos garantiza una supervisión continua y en tiempo real sin interrupciones, lo que reduce la necesidad de costosas soluciones basadas en la nube y la convierte en una opción más asequible y práctica para las empresas.

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

En pocas palabras, YOLO11 puede detectar objetos con mayor precisión y rapidez, incluso con menos potencia de procesamiento. Esto lo hace más eficaz 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 vigilancia heredados

A continuación, vamos a explorar algunos casos de uso en el mundo real en los que YOLO11 automatiza procesos utilizando la visión por ordenador para rastrear y analizar lecturas, todo ello sin necesidad de modificar los equipos existentes.

Control analógico de manómetros con YOLO11

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

A continuación le mostramos cómo funciona normalmente la monitorización analógica de manómetros con YOLO11:

  • Detección de objetos: YOLO11 detecta y localiza primero el medidor dentro de una imagen, garantizando su identificación precisa, incluso en entornos complejos.

  • Segmentación de instancias: Una vez identificado el manómetro, YOLO11 utiliza la segmentación de instancias para separar elementos clave como la aguja, la escala y las marcas numéricas. Esto es importante porque garantiza que el sistema se centre sólo en las partes relevantes del manómetro, eliminando cualquier ruido de fondo o distracción. Al aislar estas áreas clave, el siguiente paso es más preciso y eficaz.

  • Reconocimiento óptico de caracteres (OCR): Por último, la tecnología OCR puede utilizarse 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.

Aunque éste es el método general, los pasos exactos pueden variar en función de factores como el tipo de medidor, las condiciones ambientales y el ángulo o la calidad de las imágenes captadas. En función de estas variables, pueden realizarse ajustes para garantizar lecturas precisas.

__wf_reserved_inherit
Fig. 4. Funcionamiento de la monitorización analógica de manómetros con YOLO11. Imagen del autor.

YOLO11 puede simplificar la supervisión de los contadores de servicios públicos

Muchos proveedores de servicios públicos siguen dependiendo de contadores mecánicos para controlar el consumo de agua, gas y electricidad. En algunos casos, es necesario realizar visitas manuales para recoger las lecturas, lo que lleva tiempo y aumenta los costes. 

YOLO11 automatiza el proceso de supervisión utilizando visión por ordenador para detectar y recortar las partes relevantes de los diales de los contadores. De este modo, se pueden aislar los valores numéricos de la esfera y utilizar OCR para leerlos.

Con los datos recopilados mediante visión computerizada, los proveedores de servicios públicos pueden analizar los patrones de consumo con mayor eficacia. Integrar el análisis de datos en el proceso de supervisión ayuda a seguir las tendencias históricas de consumo, identificar anomalías y detectar irregularidades como picos o caídas repentinas del consumo, que podrían indicar problemas como fugas o contadores defectuosos.

Análisis de paneles de control con YOLO11

Los sistemas heredados, como las unidades de control industrial, los monitores de redes eléctricas 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. Por lo general, los operarios inspeccionan estos paneles manualmente, lo que lleva mucho tiempo y aumenta el riesgo de respuestas tardías.

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 alertar a los operadores, lo que permite tiempos de respuesta más rápidos y reduce el riesgo de pasar por alto problemas críticos.

__wf_reserved_inherit
Fig. 5. Un panel de control con indicadores luminosos.

Ventajas e inconvenientes de la modernización de sistemas heredados

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

He aquí algunas formas en las que Vision AI repercute positivamente en la supervisión de los sistemas heredados:

  • Menores costes a largo plazo: Aunque la configuración inicial puede requerir una inversión, la automatización de las tareas de supervisión y la reducción de los errores humanos pueden suponer un importante ahorro con el tiempo.
  • Consistencia y fiabilidad: A diferencia de las inspecciones humanas, cuya calidad y consistencia pueden variar, YOLO11 ofrece un rendimiento constante y fiable a lo largo del tiempo.
  • Mejora de la toma de decisiones: Los datos y análisis en tiempo real mejoran la toma de decisiones, lo que permite a los operadores tomar decisiones fundamentadas basadas en información actualizada.

Mientras tanto, estas son algunas de las consideraciones que hay que tener en cuenta:

  • Dependencia de calidad de la imagen: La visión por ordenador depende en gran medida de imágenes o vídeos de alta calidad. Una mala calidad de imagen, una baja resolución o una mala iluminación pueden dar lugar a detecciones inexactas o fallidas.

  • Vulnerabilidad a factores medioambientales: Los entornos adversos, como las temperaturas extremas, el polvo, las vibraciones o las interferencias, pueden degradar el rendimiento de los sistemas de visión por ordenador.
  • 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 convertirse en todo un reto si no se cuenta con la infraestructura adecuada.

Principales conclusiones

Supervisar eficazmente los sistemas heredados no siempre requiere sustituir el hardware existente. Muchas empresas lidian con equipos obsoletos, pero Vision AI ofrece una forma de realizar un seguimiento del rendimiento sin realizar grandes cambios.

YOLO11 lo hace posible mediante la detección de objetos y otras tareas de visión por ordenador. Puede leer manómetros, contadores y paneles de control con cámaras para la supervisión en tiempo real, sin necesidad de modificar el sistema. El modelo se ejecuta sin problemas en dispositivos periféricos, por lo que es ideal para industrias con conectividad limitada a la nube. Esto permite a las empresas procesar datos in situ y resolver rápidamente problemas operativos.

Únase a nuestra creciente comunidad Explore nuestro repositorio de GitHub para aprender sobre IA y consulte nuestras opciones de licencia para iniciar sus proyectos de Vision AI. ¿Le interesan innovaciones como la IA en la asistencia sanitaria y la visión por ordenador en la agricultura? Visite nuestras páginas de soluciones para obtener más información.

¡Construyamos juntos el futuro
de la IA!

Comience su viaje con el futuro del aprendizaje automático

Empezar gratis
Enlace copiado en el portapapeles