Surveillance des systèmes existants avec Ultralytics YOLO11

De nombreuses entreprises, notamment dans l’industrie manufacturière, l’automatisation industrielle, l’aérospatiale, les télécommunications et l’énergie, dépendent de systèmes existants pour leurs activités quotidiennes. Cependant, la maintenance de ces anciens systèmes entraîne souvent des coûts élevés et des difficultés techniques. Malgré cela, les entreprises continuent principalement à les utiliser parce qu’ils sont profondément intégrés à leurs flux de travail.

Près des deux tiers des entreprises dépensent plus de 2 millions de dollars pour maintenir et mettre à niveau leurs systèmes existants. Ces anciens systèmes ont été conçus à une époque où l’automatisation et l’analyse en temps réel n’étaient pas prioritaires. Les entreprises s’appuyaient auparavant sur des processus manuels ou des outils de surveillance obsolètes, ce qui entraînait des inefficacités et des risques opérationnels accrus. De nombreuses entreprises se retrouvent donc contraintes d’utiliser ces systèmes dépassés et ne peuvent pas facilement adopter des solutions plus modernes sans subir d’importantes perturbations.

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. Plus précisément, les modèles de vision par ordinateur comme Ultralytics YOLO11 peuvent servir à détecter et à surveiller des systèmes existants, comme des compteurs et des jauges.

Dans cet article, nous verrons comment utiliser Ultralytics YOLO11 pour surveiller des systèmes existants, quels sont ses avantages et comment les entreprises peuvent facilement l’intégrer à leurs flux de travail actuels.

Fig. 1. Exemples de systèmes existants. Image de l’auteur.

Défis liés à la modernisation des systèmes existants#

Les systèmes existants sont essentiels dans de nombreux secteurs, mais leur numérisation n’est pas toujours simple. Leur modernisation est importante pour améliorer l’efficacité et réduire les risques. Voici quelques défis techniques et environnementaux auxquels les entreprises sont confrontées lorsqu’elles modernisent leurs systèmes existants :

• Absence d’interfaces numériques : de nombreux systèmes existants ont été conçus avant que la transformation numérique ne se généralise. Ils fonctionnent avec des commandes analogiques, des jauges et des indicateurs mécaniques, ce qui complique leur intégration directe à des solutions de surveillance modernes.

• Coûts de mise à niveau élevés : le remplacement ou la mise à niveau d’une infrastructure existante peut être coûteux et perturbant. Beaucoup d’entreprises hésitent à investir dans un remplacement complet en raison des coûts initiaux élevés et des risques liés aux interruptions de service.

• Conceptions de systèmes hétérogènes : les machines anciennes varient considérablement par leur structure, leurs matériaux et leurs fonctionnalités. Ce manque de standardisation complique l’application d’une solution numérique uniforme à différents systèmes.

• Difficultés liées à la collecte de données en temps réel : les affichages analogiques n’ont pas été conçus pour la collecte automatisée de données, ce qui complique l’extraction de mesures précises en temps réel à partir de cadrans, de compteurs ou de totalisateurs mécaniques.

Fig. 2. Défis liés à la modernisation des systèmes existants. Image de l’auteur.

Comment l’IA visuelle peut aider à surveiller les systèmes existants#

De nombreuses machines anciennes utilisent des cadrans, des compteurs et des jauges analogiques qui ne peuvent pas être reliés à des systèmes numériques. Les solutions d’IA visuelle peuvent utiliser des caméras pour surveiller ces appareils. Les images peuvent ensuite être traitées en temps réel afin de convertir les mesures en données numériques faciles à suivre et à présenter dans des rapports.

L’un des avantages de la vision par ordinateur dans ce contexte est qu’elle permet de détecter presque instantanément les problèmes opérationnels. En cas d’urgence, des alertes automatisées peuvent avertir les opérateurs lorsque les valeurs dépassent les limites de sécurité.

De plus, la vision par ordinateur est une solution plus économique. Installer des caméras et mettre en œuvre un système d’IA pour analyser les images coûte moins cher que de procéder à des mises à niveau traditionnelles ou à une surveillance manuelle. Au lieu d’investir dans une infrastructure coûteuse, les modèles d’IA visuelle comme YOLO11 peuvent fonctionner avec l’équipement existant, ce qui rend la modernisation plus abordable.

Systèmes de surveillance des équipements existants optimisés par Ultralytics YOLO11#

Aujourd’hui, l’IA connaît un essor rapide et il existe de nombreux modèles et techniques à envisager pour mettre en œuvre une solution d’IA. Tu te demandes peut-être ce qui rend un modèle comme Ultralytics YOLO11 si particulier ?

Ultralytics 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 convient parfaitement à la surveillance en temps réel. L’un de ses principaux avantages est sa capacité à fonctionner efficacement sur des appareils edge. Cela signifie qu’il peut traiter les données localement, sans dépendre d’une connexion réseau fiable ni d’une infrastructure cloud.

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

Dans les ateliers ou les environnements industriels où les réseaux sont faibles ou peu fiables, le déploiement d’Ultralytics YOLO11 sur des appareils edge assure une surveillance continue en temps réel, sans interruption. Cela réduit le besoin de solutions cloud coûteuses et en fait un choix plus abordable et pratique pour les entreprises.

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

En bref, Ultralytics YOLO11 peut détecter les objets avec plus de précision et plus rapidement, même avec une puissance de traitement moindre. Il repère ainsi plus efficacement les problèmes et surveille les systèmes en temps réel en utilisant moins de ressources, ce qui est particulièrement utile pour les systèmes existants.

Applications d’Ultralytics YOLO11 dans les systèmes de surveillance existants#

Voyons maintenant quelques cas d’utilisation concrets où Ultralytics YOLO11 automatise des processus en utilisant la vision par ordinateur pour suivre et analyser des relevés, sans qu’il soit nécessaire de modifier l’équipement existant.

Surveillance des indicateurs analogiques avec Ultralytics YOLO11#

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

Voici plus en détail comment fonctionne généralement la surveillance des indicateurs analogiques avec Ultralytics YOLO11 :

• Détection d’objets : Ultralytics YOLO11 détecte et localise d’abord l’indicateur dans une image, en veillant à l’identifier avec précision, même dans des environnements complexes.
• Segmentation d’instances : Une fois l’indicateur identifié, Ultralytics YOLO11 utilise la segmentation d’instances pour séparer les éléments clés, comme l’aiguille, l’échelle et les graduations numériques. Cette étape est importante, car elle garantit que le système se concentre uniquement sur les parties pertinentes de l’indicateur, en éliminant le bruit de fond et les distractions. En isolant ces zones clés, l’étape suivante gagne en précision et en efficacité.
• Reconnaissance optique de caractères (OCR) : enfin, la technologie OCR permet de convertir les nombres affichés sur l’indicateur en données numériques, afin que les entreprises puissent suivre les mesures sans effectuer de relevés manuels.

Bien qu’il s’agisse de la méthode générale, les étapes exactes peuvent varier selon plusieurs facteurs, comme le type d’indicateur, les conditions environnementales, ainsi que l’angle ou la qualité des images capturées. Des ajustements peuvent être apportés pour garantir des relevés précis en fonction de ces variables.

Fig. 4. Fonctionnement de la surveillance des indicateurs analogiques avec Ultralytics YOLO11. Image de l’auteur.

Ultralytics YOLO11 simplifie la surveillance des compteurs de services publics#

De nombreux fournisseurs de services publics s’appuient encore sur des compteurs mécaniques pour suivre la consommation d’eau, de gaz et d’électricité. Dans certains cas, des visites sur site sont nécessaires pour relever les compteurs manuellement, 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. Les valeurs numériques du cadran peuvent ainsi être isolées et l’OCR peut servir à les lire.

Grâce aux données recueillies par vision par ordinateur, les fournisseurs de services publics peuvent analyser les habitudes de consommation plus efficacement. L’intégration de l’analyse de données au processus de surveillance permet de suivre les tendances historiques d’utilisation, de repérer les anomalies et de détecter les irrégularités, comme les hausses ou les baisses soudaines de consommation, qui peuvent signaler des problèmes tels que des fuites ou des compteurs défectueux.

Analyse des panneaux de commande avec Ultralytics YOLO11#

Les systèmes existants, comme les unités de commande industrielles, les moniteurs de réseau électrique et les panneaux d’automatisation d’usine, reposent sur des panneaux de commande analogiques dotés d’interrupteurs, de boutons et de voyants pour afficher l’état des machines et les codes d’erreur. En général, les opérateurs inspectent ces panneaux manuellement, ce qui prend du temps et augmente le risque de retards de réaction.

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, puis déterminer leurs positions et leur état. Il peut identifier si les voyants signalent un avertissement ou un fonctionnement normal.

Par exemple, si un voyant d’avertissement s’allume, Ultralytics YOLO11 peut détecter immédiatement le changement et alerter les opérateurs, ce qui accélère leur réaction et réduit le risque de passer à côté de problèmes critiques.

Fig. 5. Un panneau de commande avec des voyants.

Avantages et inconvénients de la modernisation des systèmes existants#

La vision par ordinateur est une solution pratique pour surveiller les systèmes existants sans remplacer le matériel en place. Toutefois, comme toute technologie, elle présente des avantages et des limites. Examinons les deux pour mieux comprendre comment l’appliquer efficacement.

Voici quelques façons dont l’IA visuelle améliore la surveillance des systèmes existants :

• Réduction des coûts à long terme : même si la mise en place initiale peut nécessiter un investissement, l’automatisation des tâches de surveillance et la réduction des erreurs humaines peuvent générer d’importantes économies au fil du temps.
• Cohérence et fiabilité : contrairement aux inspections humaines, dont la qualité et la cohérence peuvent varier, Ultralytics YOLO11 offre des performances constantes et fiables au fil du temps.
• Amélioration de la prise de décision : les données et analyses en temps réel améliorent la prise de décision et permettent aux opérateurs de faire des choix éclairés à partir d’informations à jour.

Voici également quelques points à prendre en compte :

• Dépendance à la qualité de l’image : la vision par ordinateur dépend fortement d’images ou de flux vidéo de haute qualité. Une mauvaise qualité d’image, une faible résolution ou un éclairage inadéquat peuvent entraîner des détections erronées ou manquées.
• Vulnérabilité aux facteurs environnementaux : des conditions difficiles, comme des températures extrêmes, de la poussière, des vibrations ou des interférences, peuvent dégrader les performances des systèmes de vision par ordinateur.
• Difficulté à gérer de grands volumes de données : lorsque le système collecte de grandes quantités de données visuelles, leur gestion, leur stockage et leur analyse peuvent devenir complexes sans infrastructure adaptée.

Points clés à retenir#

Surveiller efficacement les systèmes existants ne nécessite pas toujours de remplacer le matériel en place. De nombreuses entreprises utilisent des équipements obsolètes, mais l’IA visuelle leur permet d’en suivre les performances sans apporter de changements majeurs.

Ultralytics YOLO11 rend cela possible grâce à la détection d’objets et à d’autres tâches de vision par ordinateur. Il peut lire les indicateurs, les compteurs et les panneaux de commande à l’aide de caméras pour assurer une surveillance en temps réel, sans qu’il soit nécessaire de modifier le système. Le modèle fonctionne efficacement sur des appareils edge, ce qui le rend particulièrement adapté aux secteurs où la connectivité cloud est limitée. Les entreprises peuvent ainsi traiter les données sur site et 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 lancer tes projets d’IA visuelle. Tu t’intéresses à des innovations comme l’IA dans les soins de santé et la vision par ordinateur dans l’agriculture ? Consulte nos pages Solutions pour en savoir plus !