Supervisión de sistemas heredados con Ultralytics YOLO11

Muchas empresas, especialmente de los sectores de la fabricación, la automatización industrial, la industria aeroespacial, las telecomunicaciones y la energía, dependen de sistemas heredados para sus operaciones diarias. Sin embargo, mantener estos sistemas antiguos suele conllevar costes elevados y dificultades técnicas. A pesar de ello, las empresas siguen utilizando sistemas heredados principalmente porque están profundamente integrados 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 diseñaron para otra época, cuando la automatización y el análisis en tiempo real no eran prioritarios. 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 atrapadas con estos sistemas obsoletos y no pueden pasar fácilmente a soluciones más modernas sin sufrir importantes interrupciones.

Aquí es donde pueden intervenir la IA y la visión artificial, que permiten a los ordenadores comprender y analizar datos visuales. En concreto, los modelos de visión artificial como Ultralytics YOLO11 se pueden utilizar para detectar y supervisar sistemas heredados, como medidores e indicadores.

En este artículo veremos cómo se puede utilizar Ultralytics YOLO11 para supervisar sistemas heredados, cuáles son sus ventajas y cómo las empresas pueden integrarlo fácilmente en sus flujos de trabajo existentes.

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

Retos de la modernización de sistemas heredados#

Los sistemas heredados son fundamentales para muchos sectores, pero digitalizarlos no siempre es sencillo. Modernizarlos es importante para aumentar la eficiencia y reducir los riesgos. Estos son algunos de los retos 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 se generalizara. Funcionan con controles analógicos, medidores e indicadores mecánicos, lo que dificulta su integración directa con las soluciones de supervisión modernas.
• Costes de actualización elevados: Sustituir o actualizar infraestructuras heredadas puede ser caro y causar interrupciones. Muchas empresas dudan en invertir en sustituciones a gran escala por los elevados costes iniciales y la preocupación por el tiempo de inactividad.
• Diseños de sistema incoherentes: La estructura, los materiales y la funcionalidad de la maquinaria antigua varían considerablemente. Esta falta de estandarización dificulta aplicar una solución digital uniforme a distintos sistemas.
• Dificultades para capturar datos en tiempo real: Las pantallas analógicas no se diseñaron para recopilar datos de forma automatizada, lo que dificulta extraer lecturas precisas y en tiempo real de esferas, medidores o contadores mecánicos.

Fig. 2. Retos de la modernización de sistemas heredados. Imagen del autor.

Cómo puede ayudar la IA de visión a supervisar 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 procesar las imágenes en tiempo real para convertir sus lecturas en registros digitales que faciliten el seguimiento y la elaboración de informes.

Una de las ventajas de utilizar la visión artificial para este fin es que los problemas operativos se pueden detectar casi al instante. En caso de emergencia, las alertas automáticas pueden avisar a los operadores cuando los valores superen los límites de seguridad.

Además, la visión artificial es una opción más económica. Instalar cámaras y poner en marcha un sistema de IA para analizar las imágenes resulta rentable en comparación con las actualizaciones tradicionales o los métodos de supervisión manual. En lugar de realizar costosas mejoras 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 supervisión heredados con Ultralytics YOLO11#

Hay muchos modelos y técnicas que tener en cuenta al implementar una solución de IA. Entonces, ¿por qué encaja tan bien un modelo como Ultralytics YOLO11 en la supervisión de equipos antiguos?

Ultralytics 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 supervisión en tiempo real. Una de sus principales ventajas es su capacidad para funcionar de forma eficiente en dispositivos periféricos. Esto significa que puede procesar datos localmente, sin depender de una conexión de red potente ni de una infraestructura en la nube.

Fig. 3. Ejemplo de uso de Ultralytics YOLO11 para la detección de objetos.

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

Además, YOLO11 mejora a sus predecesores tanto en precisión como en velocidad. Con un 22 % menos de parámetros que YOLOv8m, YOLO11m consigue una precisión media promedio (mAP) superior en el conjunto de datos COCO.

En pocas palabras, Ultralytics YOLO11 puede detectar objetos con más precisión y rapidez, incluso con menos potencia de procesamiento. Esto permite detectar problemas y supervisar sistemas en tiempo real de forma más eficiente y con menos recursos, algo especialmente útil para los sistemas antiguos.

Aplicaciones de Ultralytics YOLO11 en sistemas de supervisión heredados#

A continuación, veamos algunos casos de uso reales en los que Ultralytics YOLO11 automatiza procesos mediante la visión artificial para realizar un seguimiento de las lecturas y analizarlas, todo ello sin necesidad de modificar los equipos existentes.

Supervisión de indicadores analógicos con Ultralytics YOLO11#

Muchas máquinas industriales utilizan indicadores analógicos para medir la presión, la temperatura y los niveles de fluidos. Las lecturas manuales llevan tiempo y suelen dar lugar a inconsistencias, sobre todo en operaciones a gran escala. Ultralytics YOLO11 puede mejorar estos procesos.

Veamos más detenidamente cómo suele funcionar la supervisión de indicadores analógicos con Ultralytics YOLO11:

• Detección de objetos: Ultralytics YOLO11 detecta y localiza primero el indicador en una imagen para identificarlo con precisión, incluso en entornos complejos.
• Segmentación de instancias: Una vez identificado el indicador, Ultralytics 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 indicador y elimina el ruido de fondo y otros elementos que puedan distraer. Al aislar estas áreas clave, el siguiente paso resulta más preciso y eficiente.
• Reconocimiento óptico de caracteres (OCR): Por último, la tecnología OCR puede convertir los números del indicador en datos digitales, lo que permite a las empresas hacer un seguimiento de las mediciones sin necesidad de tomar lecturas manualmente.

Aunque este es el método general, los pasos exactos pueden variar según factores como el tipo de indicador, las condiciones ambientales y el ángulo o la calidad de las imágenes capturadas. Es posible que haya que hacer ajustes para garantizar lecturas precisas en función de estas variables.

Fig. 4. Cómo funciona la supervisión de indicadores analógicos con Ultralytics YOLO11. Imagen del autor.

Ultralytics YOLO11 puede simplificar la supervisión de los contadores de servicios públicos#

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

Ultralytics YOLO11 automatiza el proceso de supervisión mediante visión artificial para detectar y recortar las partes pertinentes de los diales de los medidores. Así se pueden aislar los valores numéricos del dial y utilizar OCR para leerlos. Los conjuntos de datos etiquetados, como Contadores de agua en Ultralytics Platform, son un punto de partida práctico para entrenar un modelo de este tipo.

Con los datos recopilados mediante 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 supervisión ayuda a hacer un seguimiento de las tendencias de consumo históricas, identificar anomalías y detectar irregularidades, como aumentos o descensos repentinos del consumo, que podrían indicar problemas como fugas o contadores defectuosos.

Análisis de paneles de control con Ultralytics YOLO11#

Los sistemas heredados, como las unidades de control industrial, los monitores de redes eléctricas y los paneles de automatización de fábricas, dependen de paneles de control analógicos con interruptores, botones y luces indicadoras para mostrar el estado de las máquinas y los códigos de error. Por lo general, los operadores inspeccionan estos paneles manualmente, lo que lleva tiempo y aumenta el riesgo de retrasar las respuestas.

Ultralytics YOLO11 puede optimizar este proceso identificando y realizando un seguimiento preciso de los componentes del panel de control. Puede detectar interruptores, etiquetas y luces indicadoras, y determinar su posición y estado. También puede identificar si las luces indicadoras muestran avisos o un funcionamiento normal.

Por ejemplo, si se enciende una luz de aviso, Ultralytics YOLO11 puede detectar el cambio de inmediato y alertar a los operadores, lo que permite responder con mayor rapidez y reduce el riesgo de pasar por alto problemas críticos.

Fig. 5. Un panel de control con luces indicadoras.

Ventajas e inconvenientes de modernizar sistemas heredados#

La visión artificial es una forma práctica de supervisar sistemas heredados sin sustituir el hardware existente. Sin embargo, como cualquier otra tecnología, tiene ventajas y limitaciones. Veamos ambas para entender mejor cómo aplicarla de forma eficaz.

Estas son algunas de las formas en que la IA visual mejora la supervisión de los sistemas heredados:

• Menores costes a largo plazo: Aunque la configuración inicial puede requerir una inversión, automatizar las tareas de supervisión y reducir los errores humanos puede generar ahorros importantes con el tiempo.
• Coherencia y fiabilidad: A diferencia de las inspecciones humanas, cuya calidad y coherencia pueden variar, Ultralytics YOLO11 ofrece un rendimiento coherente 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 y permiten a los operadores elegir con conocimiento de causa a partir de información actualizada.

Por otro lado, estos son algunos aspectos que conviene tener en cuenta:

• Dependencia de la calidad de imagen: La visión artificial depende en gran medida de imágenes o flujos de vídeo de alta calidad. Una calidad de imagen deficiente, una resolución baja o una iluminación inadecuada pueden provocar detecciones imprecisas o fallidas.
• Vulnerabilidad a factores ambientales: Los entornos adversos, como aquellos con temperaturas extremas, polvo, vibraciones o interferencias, pueden reducir el rendimiento de los sistemas de visión artificial.
• Complejidad en la gestión de grandes volúmenes de datos: A medida que el sistema recopila grandes cantidades de datos visuales, gestionarlos, almacenarlos y analizarlos puede resultar complicado si no se cuenta con la infraestructura adecuada.

Conclusiones clave#

Supervisar sistemas heredados de forma eficiente no siempre requiere sustituir el hardware existente. Muchas empresas trabajan con equipos obsoletos, pero la IA visual permite hacer un seguimiento del rendimiento sin realizar cambios importantes.

Ultralytics YOLO11 lo hace posible mediante la detección de objetos y otras tareas de visión artificial. Puede leer indicadores, contadores y paneles de control con cámaras para supervisarlos en tiempo real, sin necesidad de modificar el sistema. El modelo funciona sin problemas en dispositivos periféricos, por lo que resulta ideal para sectores con conectividad limitada a la nube. Así, las empresas pueden procesar datos in situ y resolver 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 empezar tus proyectos de IA visual. ¿Te interesan innovaciones como la IA en la atención sanitaria y la visión artificial en la agricultura? Visita nuestras páginas de soluciones para descubrir más.