Surveiller les systèmes existants à l'aide d'Ultralytics YOLO11

De nombreuses entreprises, notamment dans les secteurs de la fabrication, de l'automatisation industrielle, de l'aérospatiale, des télécommunications et de l'énergie, dépendent de systèmes hérités pour leurs opérations quotidiennes. Cependant, la maintenance de ces anciens systèmes s'accompagne souvent de coûts élevés et de défis techniques. Malgré cela, la principale raison pour laquelle les entreprises continuent d'utiliser ces systèmes hérités est qu'ils sont profondément ancrés dans leurs flux de travail.

Près de deux tiers des entreprises dépensent plus de 2 millions de dollars pour la maintenance et la modernisation des systèmes hérités. Ces systèmes plus anciens ont été conçus pour une autre époque, où l'automatisation et l'analyse en temps réel n'étaient pas une priorité. Les entreprises comptaient sur des processus manuels ou des outils de surveillance obsolètes, ce qui entraînait des inefficacités et des risques opérationnels accrus. Par conséquent, de nombreuses entreprises se retrouvent bloquées avec ces systèmes obsolètes, incapables de passer facilement à des solutions plus modernes sans perturbations majeures.

C'est là que l'IA et la computer vision, qui permettent aux ordinateurs de comprendre et d'analyser des données visuelles, peuvent intervenir et aider. Plus précisément, les modèles de computer vision tels que Ultralytics YOLO11 peuvent être utilisés pour détecter et surveiller les systèmes hérités tels que les compteurs et les jauges.

Dans cet article, nous allons explorer comment Ultralytics YOLO11 peut être utilisé dans la surveillance de systèmes patrimoniaux, ses avantages et comment les entreprises peuvent l'intégrer facilement dans leurs flux de travail existants.

Fig 1. Exemples de systèmes hérités. Image par l'auteur.

Défis liés à la modernisation des systèmes hérités#

Les systèmes hérités sont essentiels pour de nombreuses industries, mais les transformer en systèmes numériques n'est pas toujours simple. Moderniser ces systèmes est important pour stimuler l'efficacité et réduire les risques. Voici quelques-uns des défis techniques et environnementaux auxquels les entreprises sont confrontées lors de la mise à jour de systèmes hérités :

• Manque d'interfaces numériques : De nombreux systèmes hérités ont été conçus avant que la transformation numérique ne devienne courante. Ils fonctionnent à l'aide de commandes analogiques, de jauges et d'indicateurs mécaniques, ce qui rend difficile l'intégration directe avec des solutions de surveillance modernes.

• Coûts de mise à niveau élevés : Remplacer ou mettre à niveau l'infrastructure héritée peut être coûteux et perturbateur. De nombreuses entreprises hésitent à investir dans des remplacements à grande échelle en raison des coûts initiaux élevés et des préoccupations liées aux temps d'arrêt.

• Conceptions de systèmes incohérentes : Les machines plus anciennes varient considérablement en structure, en matériaux et en fonctionnalité. Ce manque de standardisation rend difficile l'application d'une solution numérique uniforme à travers différents systèmes.

• Défis liés à la capture de données en temps réel : Les affichages analogiques n'ont pas été conçus pour la collecte automatisée de données, ce qui rend difficile l'extraction de relevés précis et en temps réel à partir de cadrans, de compteurs ou de compteurs mécaniques.

Fig 2. Défis liés à la modernisation des systèmes hérités. Image par l'auteur.

Comment la Vision AI peut aider à surveiller les systèmes hérités#

De nombreuses machines héritées utilisent des cadrans, des compteurs et des jauges analogiques qui ne peuvent pas être connectés à des systèmes numériques. Les solutions de Vision AI peuvent utiliser des caméras pour surveiller ces appareils, et les images peuvent être traitées en temps réel pour convertir leurs lectures en enregistrements numériques pour un suivi et un reporting faciles.

L'un des avantages de l'utilisation de la vision par ordinateur pour cela est que les problèmes opérationnels peuvent être repérés presque instantanément. En cas d'urgence, des alertes automatisées peuvent avertir les opérateurs lorsque les valeurs dépassent les limites de sécurité.

En dehors de cela, la computer vision est une option plus économique. La mise en place de caméras et l'implémentation d'un système d'IA pour analyser ces images sont rentables par rapport aux mises à niveau traditionnelles ou aux méthodes de surveillance manuelles. Plutôt que des mises à niveau d'infrastructure coûteuses, les modèles de Vision AI comme YOLO11 peuvent fonctionner avec l'équipement existant, rendant la modernisation plus abordable.

Systèmes de surveillance obsolètes activés par Ultralytics YOLO11#

Aujourd'hui, l'IA est en plein essor et il existe une variété de modèles et de techniques à considérer lors de la mise en œuvre d'une solution d'IA. Tu te demandes donc peut-être ce qui rend un modèle comme Ultralytics YOLO11 si spécial.

Ultralytics YOLO11 prend en charge diverses tâches de vision par ordinateur telles que la détection d'objets, la segmentation d'instances et le suivi d'objets, et est idéal pour la surveillance en temps réel. L'un de ses principaux avantages est sa capacité à s'exécuter efficacement sur des appareils de périphérie. Cela signifie qu'il peut traiter les données localement, sans dépendre d'une connexion réseau puissante ou d'une infrastructure cloud.

Fig. 3. Exemple d'utilisation d'Ultralytics YOLO11 pour la détection d'objets.

Dans les usines ou les environnements industriels dotés de réseaux faibles ou peu fiables, le déploiement d'Ultralytics YOLO11 sur des appareils de périphérie garantit une surveillance continue et en temps réel sans interruption, réduisant le besoin de solutions cloud coûteuses et en faisant un choix plus abordable et pratique pour les entreprises.

En plus de cela, YOLO11 est connu pour ses performances supérieures en termes de précision et de vitesse par rapport à ses prédécesseurs. Avec 22 % de paramètres en moins que YOLOv8m, YOLO11m atteint une précision moyenne (mAP) plus élevée sur le jeu de données COCO.

En clair, Ultralytics YOLO11 peut détecter des objets avec plus de précision et plus rapidement, même avec moins de puissance de calcul. Cela le rend plus efficace pour repérer les problèmes et surveiller les systèmes en temps réel, tout en consommant moins de ressources, ce qui est particulièrement utile pour les systèmes patrimoniaux.

Applications d'Ultralytics YOLO11 dans les systèmes de surveillance obsolètes#

Ensuite, explorons quelques cas d'utilisation concrets où Ultralytics YOLO11 automatise les processus en utilisant la vision par ordinateur pour suivre et analyser les relevés, le tout sans avoir à modifier l'équipement existant.

Surveillance de jauges analogiques avec Ultralytics YOLO11#

Diverses machines industrielles utilisent des manomètres analogiques pour mesurer la pression, la température et les niveaux de fluides. Les relevés manuels prennent du temps et conduisent souvent à des incohérences, en particulier dans les opérations à grande échelle. Ultralytics YOLO11 peut améliorer ces processus.

Voici un aperçu de la façon dont fonctionne généralement la surveillance des manomètres analogiques à l'aide d'Ultralytics YOLO11 :

• Détection d'objets : Ultralytics YOLO11 détecte et localise d'abord le manomètre dans une image, garantissant ainsi son identification précise, même dans des environnements complexes.
• Segmentation d'instances : Une fois le manomètre identifié, Ultralytics YOLO11 utilise la segmentation d'instances pour séparer les éléments clés tels que l'aiguille, l'échelle et les repères numériques. C'est important car cela garantit que le système se concentre uniquement sur les parties pertinentes du manomètre, éliminant tout bruit de fond ou distraction. En isolant ces zones clés, l'étape suivante devient plus précise et efficace.
• Reconnaissance optique de caractères (OCR) : Enfin, la technologie OCR peut être utilisée pour convertir les chiffres de la jauge en données numériques, permettant aux entreprises de suivre les mesures sans avoir besoin de relevés manuels.

Bien qu'il s'agisse de la méthode générale, les étapes exactes peuvent varier en fonction de facteurs tels que le type de jauge, les conditions environnementales et l'angle ou la qualité des images capturées. Des ajustements peuvent être effectués pour garantir des relevés précis en fonction de ces variables.

Fig 4. Comment fonctionne la surveillance des manomètres analogiques à l'aide d'Ultralytics YOLO11. Image par l'auteur.

Ultralytics YOLO11 peut simplifier la surveillance des compteurs de services publics#

De nombreux fournisseurs de services publics dépendent encore de compteurs mécaniques pour suivre la consommation d'eau, de gaz et d'électricité. Dans certains cas, des visites manuelles sur site sont nécessaires pour collecter les relevés, ce qui prend du temps et augmente les coûts.

Ultralytics YOLO11 automatise le processus de surveillance en utilisant la vision par ordinateur pour détecter et recadrer les parties pertinentes des cadrans des compteurs. Ce faisant, les valeurs numériques sur le cadran peuvent être isolées, et l'OCR peut être utilisée pour les lire.

Avec les données collectées à l'aide de la computer vision, les fournisseurs de services publics peuvent analyser les modèles de consommation plus efficacement. L'intégration de l'analyse des données dans le processus de surveillance aide à suivre les tendances d'utilisation historiques, à identifier les anomalies et à détecter les irrégularités telles que des pics ou des chutes soudaines de consommation, qui pourraient indiquer des problèmes tels que des fuites ou des compteurs défectueux.

Analyse des panneaux de commande avec Ultralytics YOLO11#

Les systèmes hérités tels que les unités de contrôle industrielles, les moniteurs de réseau électrique et les panneaux d'automatisation d'usine reposent sur des panneaux de contrôle analogiques avec des commutateurs, des boutons et des voyants lumineux pour afficher l'état de la machine et les codes d'erreur. Généralement, les opérateurs inspectent ces panneaux manuellement, ce qui prend du temps et augmente le risque de réponses retardées.

Ultralytics YOLO11 peut optimiser ce processus en identifiant et en suivant avec précision les composants du panneau de commande. Il peut détecter les interrupteurs, les étiquettes et les voyants lumineux, et déterminer leurs positions et états. Il peut identifier si les voyants lumineux indiquent des avertissements ou un fonctionnement normal.

Par exemple, si un voyant d'avertissement s'allume, Ultralytics YOLO11 peut détecter immédiatement le changement et les opérateurs peuvent être alertés, ce qui permet des temps de réponse plus rapides et réduit le risque de passer à côté de problèmes critiques.

Fig 5. Un panneau de contrôle avec des voyants lumineux.

Avantages et inconvénients de la modernisation des systèmes hérités#

La vision par ordinateur est un moyen pratique de surveiller les systèmes hérités sans remplacer le matériel existant. Cependant, comme toute autre technologie, elle s'accompagne d'avantages et de limites. Explorons les deux pour avoir une meilleure idée de la façon dont elle peut être appliquée efficacement.

Voici quelques façons dont la Vision AI a un impact positif sur la surveillance des systèmes hérités :

• Coûts à long terme inférieurs : Bien que l'installation initiale puisse nécessiter un investissement, l'automatisation des tâches de surveillance et la réduction de l'erreur humaine peuvent entraîner des économies importantes au fil du temps.
• Cohérence et fiabilité : Contrairement aux inspections humaines, dont la qualité et la cohérence peuvent varier, Ultralytics YOLO11 offre des performances cohérentes et fiables dans le temps.
• Prise de décision améliorée : Les données et analyses en temps réel améliorent la prise de décision, permettant aux opérateurs de faire des choix éclairés basés sur des informations à jour.

Pendant ce temps, voici quelques-unes des considérations à garder à l'esprit :

• Dépendance à la qualité de l'image : La computer vision dépend fortement d'images ou de flux vidéo de haute qualité. Une mauvaise qualité d'image, une basse résolution ou un mauvais éclairage peuvent entraîner des détections inexactes ou manquées.
• Vulnérabilité aux facteurs environnementaux : Des environnements difficiles tels que des températures extrêmes, de la poussière, des vibrations ou des interférences peuvent dégrader les performances des systèmes de vision par ordinateur.
• Complexité dans la gestion de grands volumes de données : Comme le système collecte de grandes quantités de données visuelles, la gestion, le stockage et l'analyse de ces données peuvent devenir difficiles sans une infrastructure appropriée.

Points clés#

Surveiller les systèmes hérités efficacement ne nécessite pas toujours le remplacement du matériel existant. De nombreuses entreprises traitent avec des équipements obsolètes, mais la Vision AI offre un moyen de suivre les performances sans apporter de changements majeurs.

Ultralytics YOLO11 rend cela possible en utilisant la détection d'objets et d'autres tâches de vision par ordinateur. Il peut lire les jauges, les compteurs et les panneaux de commande à l'aide de caméras pour une surveillance en temps réel, sans qu'il soit nécessaire de modifier le système. Le modèle fonctionne de manière fluide sur les appareils de périphérie, ce qui en fait un choix idéal pour les industries disposant d'une connectivité cloud limitée. Cela permet aux entreprises de traiter les données sur site et de résoudre rapidement les problèmes opérationnels.

Rejoins notre communauté en pleine croissance ! Explore notre dépôt GitHub pour en savoir plus sur l'IA, et consulte nos options de licence pour démarrer tes projets de Vision AI. Intéressé par des innovations telles que l'IA dans la santé et la computer vision en agriculture ? Visite nos pages de solutions pour en découvrir plus !