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

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

Dans cet article, nous explorerons comment YOLO11 peut être utilisé pour la surveillance des systèmes hérités, 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.

Link to this sectionDéfis 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.

Link to this sectionComment 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 Vision AI peuvent utiliser des caméras pour surveiller ces appareils, et les images peuvent être traitées en temps réel pour convertir leurs relevés en enregistrements numériques pour un suivi et un rapport 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 vision par ordinateur est une option plus économique. Installer des caméras et mettre en œuvre un système d'IA pour analyser ces images est rentable par rapport aux mises à niveau traditionnelles ou aux méthodes de surveillance manuelles. Plutôt que des mises à niveau d'infrastructure coûteuses, les modèles Vision AI comme YOLO11 peuvent fonctionner avec l'équipement existant, rendant la modernisation plus abordable.

Link to this sectionSystèmes de surveillance hérités activés par YOLO11#

De nos jours, 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. Alors, tu te demandes peut-être ce qui rend un modèle comme YOLO11 si spécial ?

YOLO11 prend en charge diverses tâches de vision par ordinateur comme 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 avantages clés est sa capacité à fonctionner efficacement sur des appareils de périphérie (edge devices). Cela signifie qu'il peut traiter des données localement, sans dépendre d'une connexion réseau solide ou d'une infrastructure cloud.

Fig 3. Un exemple de YOLO11 utilisé pour la détection d'objets.

Sur les sols d'usine ou dans des environnements industriels avec des réseaux faibles ou peu fiables, le déploiement de YOLO11 sur des appareils de périphérie garantit une surveillance continue et en temps réel sans interruption, réduisant le besoin de solutions basées sur le 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 termes simples, YOLO11 peut détecter des objets plus précisément et plus rapidement, même avec moins de puissance de traitement. Cela le rend plus efficace pour repérer les problèmes et surveiller les systèmes en temps réel, tout en utilisant moins de ressources, ce qui est particulièrement utile pour les systèmes hérités.

Link to this sectionApplications de YOLO11 dans les systèmes de surveillance hérités#

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

Link to this sectionSurveillance de jauge analogique avec YOLO11#

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

Voici un examen plus approfondi de la façon dont la surveillance des jauges analogiques utilisant YOLO11 fonctionne généralement :

• Détection d'objets : YOLO11 détecte et localise d'abord la jauge dans une image, en s'assurant qu'elle est identifiée avec précision, même dans des environnements complexes.
• Segmentation d'instances : Une fois la jauge identifiée, YOLO11 utilise la segmentation d'instances pour séparer les éléments clés comme l'aiguille, l'échelle et les marquages numériques. C'est important car cela garantit que le système se concentre uniquement sur les parties pertinentes de la jauge, en supprimant 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 sur 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 jauges analogiques avec YOLO11. Image par l'auteur.

Link to this sectionYOLO11 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.

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 utilisé pour les lire.

Avec les données collectées à l'aide de la vision par ordinateur, les fournisseurs de services publics peuvent analyser les modèles de consommation plus efficacement. L'intégration de l'analyse de 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 baisses soudaines de la consommation, ce qui pourrait indiquer des problèmes comme des fuites ou des compteurs défectueux.

Link to this sectionAnalyse des panneaux de contrôle avec 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.

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

Par exemple, si un voyant d'avertissement est activé, YOLO11 peut immédiatement détecter le changement, et les opérateurs peuvent être alertés, permettant des temps de réponse plus rapides et réduisant le risque de manquer des problèmes critiques.

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

Link to this sectionAvantages 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, qui peuvent varier en qualité et en cohérence, YOLO11 offre des performances cohérentes et fiables au fil du 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 vision par ordinateur repose fortement sur des images ou des flux vidéo de haute qualité. Une mauvaise qualité d'image, une faible 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.

Link to this sectionPoints 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.

YOLO11 rend cela possible en utilisant la détection d'objets et d'autres tâches de vision par ordinateur. Il peut lire des jauges, des compteurs et des panneaux de contrôle avec des caméras pour une surveillance en temps réel, sans avoir besoin de modifier le système. Le modèle fonctionne de manière fluide sur des appareils de périphérie, ce qui en fait un excellent choix pour les industries avec une connectivité cloud limitée. Cela permet aux entreprises de traiter les données sur site et de résoudre rapidement les problèmes opérationnels.

Rejoins notre communauté grandissante ! 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 comme l'IA dans la santé et la vision par ordinateur dans l'agriculture ? Visite nos pages de solutions pour en découvrir plus !