Monitorización 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 suele conllevar costes elevados y desafíos técnicos. A pesar de ello, 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 sistemas heredados. Estos sistemas antiguos se construyeron en 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 obsoletas, lo que generaba ineficiencias y mayores riesgos operativos. Como resultado, muchas empresas se encuentran atascadas con estos sistemas obsoletos, incapaces de realizar la transición a soluciones más modernas fácilmente 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. Concretamente, modelos de visión artificial como Ultralytics YOLO11 pueden utilizarse para detectar y supervisar sistemas heredados como medidores y manómetros.

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

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

Link to this sectionDesafíos 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 desafíos técnicos y ambientales a los que se enfrentan las empresas al actualizar sistemas heredados:

• Falta de interfaces digitales: Muchos sistemas heredados se diseñaron antes de que la transformación digital fuera común. Funcionan mediante controles analógicos, manómetros e indicadores mecánicos, lo que dificulta la integración directa con soluciones de monitorización modernas.

• Costes elevados de actualización: Sustituir o actualizar la infraestructura heredada puede ser costoso y perturbador. Muchas empresas dudan a la hora de invertir en sustituciones a gran escala debido a los elevados costes iniciales y a las preocupaciones 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 distintos sistemas.

• Desafíos en la captura de datos en tiempo real: Las pantallas analógicas no se diseñaron para la recopilación automática de datos, lo que dificulta la extracción de lecturas precisas y en tiempo real de diales, medidores o contadores mecánicos.

Fig 2. Desafíos relacionados con la modernización de sistemas heredados. Imagen del autor.

Link to this sectionCómo la IA de visión puede ayudar a monitorizar sistemas heredados#

Muchas máquinas antiguas utilizan diales, medidores y manómetros analógicos que no pueden conectarse a sistemas digitales. Las soluciones de IA de visión pueden utilizar cámaras para monitorizar estos dispositivos, y las imágenes pueden procesarse en tiempo real para convertir sus lecturas en registros digitales para un seguimiento y generación de informes sencillos.

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. Instalar cámaras e implementar un sistema de IA para analizar estas imágenes es rentable en comparación con las actualizaciones tradicionales o los métodos de monitorización manual. En lugar de costosas actualizaciones de infraestructura, los modelos de IA de visión como YOLO11 pueden funcionar con el equipo existente, haciendo que la modernización sea más asequible.

Link to this sectionSistemas de monitorización 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 implementar una solución de IA. Así que quizás te preguntes, ¿qué hace que un modelo como YOLO11 sea tan especial?

YOLO11 admite diversas 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 forma eficiente en dispositivos periféricos (edge devices). Esto significa que puede procesar datos localmente, sin depender de una conexión de red potente o de una infraestructura en la nube.

Fig 3. Un ejemplo de YOLO11 utilizado para la detección de objetos.

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

Además de esto, 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 mayor precisión media (mAP) 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 eficiente a la hora de detectar problemas y supervisar sistemas en tiempo real, mientras utiliza menos recursos, lo cual es especialmente útil para los sistemas heredados.

Link to this sectionAplicaciones de YOLO11 en sistemas de monitorización heredados#

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

Link to this sectionMonitorización de manómetros analógicos mediante 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 conducen a incoherencias, especialmente en operaciones a gran escala. YOLO11 puede mejorar estos procesos.

Aquí tienes un vistazo más de cerca a cómo suele funcionar la monitorización de manómetros analógicos con YOLO11:

• Detección de objetos: YOLO11 primero detecta y localiza el manómetro dentro de una imagen, asegurándose de que se identifica con precisión, 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 únicamente en las partes relevantes del manómetro, eliminando cualquier ruido de fondo o distracción. Al aislar estas áreas clave, el siguiente paso se vuelve más preciso y eficiente.
• Reconocimiento Óptico de Caracteres (OCR): Por último, puede utilizarse tecnología OCR para convertir los números del manómetro en datos digitales, lo que permite a las empresas realizar un seguimiento de las mediciones sin necesidad de lecturas manuales.

Aunque este es el método general, los pasos exactos pueden variar dependiendo de factores como el tipo de manómetro, las condiciones ambientales y el ángulo o la calidad de las imágenes capturadas. Pueden realizarse ajustes para garantizar lecturas precisas basadas en estas variables.

Fig 4. Cómo funciona la monitorización de manómetros analógicos con YOLO11. Imagen del autor.

Link to this sectionYOLO11 puede simplificar la monitorización de contadores de servicios públicos#

Muchos proveedores de servicios públicos siguen dependiendo de contadores mecánicos para realizar el seguimiento del consumo de agua, gas y electricidad. En algunos casos, se requieren visitas manuales a las instalaciones para recopilar lecturas, lo que requiere tiempo y aumenta los costes.

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

Con los datos recopilados mediante visión artificial, los proveedores de servicios públicos pueden analizar los patrones de consumo de forma más eficaz. Integrar el análisis de datos en el proceso de monitorización ayuda a realizar un seguimiento de las tendencias de uso históricas, identificar anomalías y detectar irregularidades, como picos o caídas repentinas en el consumo, que podrían indicar problemas como fugas o contadores defectuosos.

Link to this sectionAnálisis de paneles de control con YOLO11#

Los sistemas heredados como las unidades de control industrial, los monitores de red eléctrica y los paneles de automatización de fábricas dependen de 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 lleva mucho tiempo y aumenta el riesgo de retrasos 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 el cambio inmediatamente y alertar a los operadores, permitiendo tiempos de respuesta más rápidos y reduciendo el riesgo de pasar por alto problemas críticos.

Fig 5. Un panel de control con luces indicadoras.

Link to this sectionPros y contras de la modernización de sistemas heredados#

La visión artificial es una forma práctica de monitorizar sistemas heredados sin sustituir el hardware existente. Sin embargo, como cualquier otra tecnología, tiene ventajas y limitaciones. Exploremos ambas para tener una mejor idea de cómo puede aplicarse eficazmente.

Aquí tienes algunas formas en las que la IA de visión influye positivamente en la monitorización de sistemas heredados:

• Menores costes a largo plazo: Aunque la configuración inicial puede requerir 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, permitiendo a los operadores tomar decisiones informadas basadas en información actualizada.

Mientras tanto, aquí hay algunas consideraciones que deben tenerse en cuenta:

• Dependencia de la calidad de la imagen: La visión artificial depende en gran medida de imágenes o feeds de vídeo de alta calidad. Una mala calidad de imagen, baja resolución o una iluminación deficiente pueden dar lugar a detecciones inexactas o fallidas.
• Vulnerabilidad a factores ambientales: Los entornos hostiles como temperaturas extremas, polvo, vibraciones o 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, gestionar, almacenar y analizar esos datos puede convertirse en un desafío sin la infraestructura adecuada.

Link to this sectionConclusiones clave#

Monitorizar sistemas heredados de forma eficiente no siempre requiere sustituir el hardware existente. Muchas empresas trabajan con equipos obsoletos, pero la IA de visión ofrece una forma de realizar un seguimiento del rendimiento sin realizar cambios importantes.

YOLO11 hace esto posible mediante el uso de detección de objetos y otras tareas de visión artificial. Puede leer manómetros, contadores y paneles de control con cámaras para la monitorización en tiempo real, sin necesidad de modificar el sistema. El modelo funciona sin problemas en dispositivos periféricos, lo que lo convierte en una opción ideal para industrias con conectividad en la nube limitada. 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 echa un vistazo a nuestras opciones de licencia para empezar tus proyectos de IA de visión. ¿Te interesan innovaciones como la IA en el cuidado de la salud y la visión artificial en la agricultura? ¡Visita nuestras páginas de soluciones para descubrir más!