Scopri perché Ultralytics YOLO26 è più facile da portare in produzione!

Ultralytics YOLO26, il nostro modello di visione artificiale più recente, rappresenta un passo avanti nel rendere più semplice la distribuzione di soluzioni di visione artificiale in tempo reale. In altre parole, è progettato per passare più facilmente dalla sperimentazione a sistemi che funzionano ininterrottamente su hardware reale.

La visione artificiale è ormai usata in molte applicazioni reali, tra cui produzione, robotica, commercio al dettaglio e infrastrutture. Man mano che questi sistemi passano dai test all’uso quotidiano, l’attenzione si sposta dalle prestazioni dei singoli modelli alla loro capacità di inserirsi in un sistema software più ampio. Fattori come affidabilità, efficienza e facilità di integrazione sono importanti quanto la precisione.

Questo cambiamento ha implicazioni importanti per la progettazione e la valutazione dei modelli di visione artificiale. Il successo in produzione dipende non solo da ciò che un modello è in grado di rilevare, ma anche dalla facilità con cui può essere integrato, distribuito e mantenuto nel tempo.

YOLO26 è stato sviluppato tenendo conto di queste esigenze pratiche. Concentrandosi sull’inferenza end-to-end, sulle prestazioni con priorità all’edge e su un’integrazione più semplice, riduce la complessità dell’intero processo di distribuzione.

In questo articolo esploreremo come Ultralytics YOLO26 contribuisce a colmare il divario tra ricerca e produzione e perché le sue funzionalità rendono più semplice portare sistemi di visione artificiale in tempo reale nelle applicazioni del mondo reale.

Il divario tra ricerca e produzione nella visione artificiale#

Con la crescente diffusione della visione artificiale, molti team stanno andando oltre la ricerca e iniziano a distribuire modelli in applicazioni reali. Questo passaggio verso la produzione mette spesso in luce difficoltà che non erano emerse durante la sperimentazione.

Negli ambienti di ricerca, i modelli vengono solitamente testati in condizioni controllate usando dataset fissi. Questi test sono utili per misurare la precisione, ma non rispecchiano completamente il comportamento del modello una volta distribuito. In produzione, i sistemi di visione artificiale devono elaborare dati in tempo reale, funzionare ininterrottamente e operare su hardware reale insieme ad altri software.

Quando un modello entra a far parte di un sistema di produzione, diventano più importanti anche fattori che vanno oltre la precisione. Le pipeline di inferenza possono includere passaggi aggiuntivi; le prestazioni possono variare da un dispositivo all’altro e i sistemi devono comportarsi in modo coerente nel tempo. Queste considerazioni pratiche influiscono sulla facilità con cui un modello può essere integrato e mantenuto man mano che le applicazioni crescono.

Per questi motivi, il passaggio dalla ricerca alla produzione riguarda spesso meno il miglioramento dei risultati del modello e più la semplificazione della distribuzione e del funzionamento. I modelli più facili da integrare, efficienti sull’hardware di destinazione e dal comportamento prevedibile tendono a passare alla produzione più agevolmente.

Ultralytics YOLO26 è stato sviluppato pensando a questa transizione. Ridurre la complessità dell’intero processo di distribuzione aiuta i team a portare più efficacemente i modelli di visione artificiale dalla sperimentazione alla produzione nel mondo reale.

L’inferenza end-to-end semplifica la distribuzione di Ultralytics YOLO26#

Uno dei motivi principali per cui Ultralytics YOLO26 è più pratico da distribuire è il suo design di inferenza end-to-end. In poche parole, significa che il modello è progettato per produrre direttamente le previsioni finali, senza affidarsi a ulteriori passaggi di post-elaborazione esterni al modello stesso.

In molti sistemi tradizionali di visione artificiale, l’inferenza non si conclude quando il modello termina l’esecuzione. Il modello produce invece un gran numero di predizioni intermedie, che devono essere filtrate e perfezionate prima di poter essere utilizzate.

Questi passaggi aggiuntivi vengono spesso gestiti da una fase separata di post-elaborazione chiamata soppressione dei massimi non locali (NMS), che aumenta la complessità del sistema nel suo complesso. Negli ambienti di produzione, questa complessità può rappresentare un problema.

I passaggi di post-elaborazione possono aumentare la latenza, comportarsi diversamente sulle varie piattaforme hardware e richiedere ulteriore lavoro di integrazione. Introducono inoltre altri componenti da testare e mantenere, il cui comportamento deve restare coerente man mano che i sistemi crescono.

Ultralytics YOLO26 adotta un approccio diverso. Risolvere le predizioni duplicate e produrre gli output finali all’interno del modello riduce il numero di passaggi necessari nella pipeline di inferenza. La distribuzione diventa così più semplice, perché c’è meno logica esterna da gestire e meno possibilità di incoerenze tra ambienti.

Per i team che distribuiscono sistemi di visione, questa progettazione end-to-end senza NMS aiuta a semplificare l’integrazione. Una volta distribuito, il modello si comporta in modo più prevedibile e i modelli esportati, ossia le versioni preparate per funzionare sull’hardware di destinazione al di fuori dell’ambiente di addestramento, sono più autonomi.

Di conseguenza, ciò che viene testato durante lo sviluppo corrisponde più da vicino a ciò che funziona in produzione. Questo rende Ultralytics YOLO26 più facile da integrare nei sistemi software reali e più semplice da distribuire su larga scala.

Progettato per la distribuzione: scelte di prestazioni e addestramento che riducono i rischi#

Oltre all’inferenza end-to-end, Ultralytics YOLO26 include una serie di scelte relative alle prestazioni e all’addestramento, pensate per rendere più prevedibile la distribuzione in produzione.

Ecco alcune delle funzionalità principali che semplificano la distribuzione e il funzionamento di Ultralytics YOLO26 in produzione:

• Prestazioni con priorità all’edge: Ultralytics YOLO26 è ottimizzato per funzionare in modo efficiente su unità di elaborazione centrale (CPU) e hardware edge, non soltanto su unità di elaborazione grafica (GPU). Rispetto a Ultralytics YOLO11, il modello nano di YOLO26 offre un’inferenza su CPU fino al 43% più veloce, risultando più adatto agli ambienti di produzione in cui le risorse di calcolo possono essere limitate.
• Addestramento più stabile: YOLO26 usa una tecnica di addestramento chiamata Progressive Loss Balancing per guidare l’apprendimento del modello nel tempo. All’inizio dell’addestramento, il modello riceve più indicazioni per poter apprendere schemi stabili. Con il procedere dell’addestramento, queste indicazioni vengono ridotte gradualmente per avvicinarsi al comportamento del modello in produzione. Questo approccio rende l’addestramento più regolare e produce risultati più coerenti quando i modelli vengono addestrati o riaddestrati.
• Rilevamento migliore degli oggetti piccoli: si usa anche un metodo di addestramento chiamato assegnazione delle etichette consapevole degli oggetti piccoli (STAL), per evitare che il modello trascuri gli oggetti molto piccoli durante l’addestramento. Questo migliora l’affidabilità negli scenari in cui gli oggetti possono essere piccoli o lontani.
• Nuovo ottimizzatore: il nuovo modello introduce anche un ottimizzatore per l’addestramento chiamato MuSGD, progettato per migliorare la stabilità e la coerenza dell’addestramento. MuSGD combina l’ottimizzatore tradizionale della discesa stocastica del gradiente (SGD) con idee ispirate ai recenti progressi nell’addestramento dei modelli linguistici di grandi dimensioni. Anziché puntare soltanto a velocizzare l’addestramento, aiuta i modelli a convergere in modo più regolare e a comportarsi in modo più prevedibile quando vengono riaddestrati, perfezionati o aggiornati per l’uso in produzione.

Fig. 1. YOLO26n offre un’inferenza su CPU fino al 43% più veloce rispetto a YOLO11n (Fonte)

Nel complesso, queste innovazioni contribuiscono a ridurre i rischi e la complessità della distribuzione dei sistemi di visione artificiale in produzione. Combinando prestazioni con priorità all’edge, un addestramento più stabile e un comportamento prevedibile del modello, Ultralytics YOLO26 aiuta i team a passare con sicurezza dallo sviluppo alla distribuzione nel mondo reale.

Il pacchetto Ultralytics semplifica le pipeline di integrazione#

Distribuire un modello di visione artificiale raramente significa occuparsi solo del modello. In produzione, i team devono addestrare i modelli, eseguire l’inferenza, monitorare le prestazioni ed esportare i modelli in formati compatibili con piattaforme e hardware diversi. Ogni strumento aggiuntivo o script personalizzato nella pipeline ne aumenta la complessità e il rischio di errori.

Il pacchetto Ultralytics è progettato per ridurre questa complessità riunendo i passaggi in un flusso di lavoro unico e coerente. Con una sola libreria, i team possono addestrare modelli come YOLO26, eseguire previsioni, convalidare i risultati ed esportare i modelli per la distribuzione, senza cambiare strumenti né riscrivere il codice di integrazione.

Supporta inoltre un'ampia gamma di integrazioni lungo l'intero ciclo di vita, dall'addestramento e dalla valutazione all'esportazione e alla distribuzione su diverse piattaforme hardware. Questo approccio unificato fa la differenza negli ambienti di produzione.

Fig. 2. Panoramica dei tipi di integrazioni supportati da Ultralytics (Fonte)

Gli stessi comandi e interfacce usati durante la sperimentazione vengono mantenuti anche nella fase di distribuzione, riducendo gli attriti nel passaggio tra i team di ricerca, ingegneria e operations. Anche l’esportazione dei modelli diventa più prevedibile, poiché i modelli Ultralytics YOLO26 possono essere convertiti direttamente in formati come ONNX, TensorRT, CoreML, OpenVINO e altri comunemente usati nei sistemi di produzione.

Riducendo al minimo il codice di raccordo e il lavoro di integrazione personalizzato, il pacchetto Ultralytics aiuta i team a concentrarsi sulla creazione di applicazioni affidabili anziché sulla manutenzione di pipeline complesse. Diventa così più semplice scalare le distribuzioni, aggiornare i modelli nel tempo e mantenere un comportamento coerente tra gli ambienti di sviluppo e produzione.

Applicazioni reali di Ultralytics YOLO26#

Ora vediamo come Ultralytics YOLO26 può essere utilizzato in applicazioni reali che richiedono funzionalità di visione artificiale affidabili e pronte per la produzione.

Portare in produzione sistemi di visione robotica con Ultralytics YOLO26#

I sistemi robotici dipendono da una percezione rapida e affidabile per operare in modo sicuro ed efficace. Che si tratti di un robot mobile autonomo che si muove in un magazzino o di un braccio robotico che manipola oggetti su una linea, i modelli di visione devono fornire risultati coerenti con una latenza minima.

Ultralytics YOLO26 può rilevare ostacoli, riconoscere oggetti e monitorare la presenza umana direttamente sull'hardware robotico. Il suo design di inferenza end-to-end semplifica l'integrazione nel software di controllo robotico, agevolando la distribuzione di funzionalità di visione che funzionano in modo continuo negli ambienti reali.

Distribuire Ultralytics YOLO26 negli stabilimenti#

Negli stabilimenti, la visione artificiale viene comunemente usata per monitorare le attrezzature, ispezionare i prodotti e garantire che i processi restino entro limiti operativi sicuri. Ultralytics YOLO26 può essere distribuito su hardware industriale locale per rilevare difetti, verificare le fasi di assemblaggio o tracciare in tempo reale il movimento dei componenti meccanici.

La capacità di funzionare in modo efficiente sui dispositivi edge lo rende particolarmente adatto alle linee di produzione, dove i sistemi devono operare ininterrottamente, con bassa latenza e un'infrastruttura minima.

Fig. 3. Uso di YOLO per monitorare il movimento di un attuatore.

Eseguire Ultralytics YOLO26 su droni e sistemi remoti#

I droni e i sistemi remoti operano spesso con risorse energetiche limitate e connettività inaffidabile. Ultralytics YOLO26 può elaborare i dati visivi direttamente sul dispositivo, consentendo attività come ispezioni, rilevamenti o monitoraggio durante il volo. Analizzando le immagini localmente, i sistemi possono rispondere in tempo reale e ridurre la necessità di trasmettere grandi quantità di dati a una posizione centrale.

Ampliare i sistemi di visione per le smart city con Ultralytics YOLO26#

Immagina una città che installa telecamere agli incroci, nei parchi pubblici e nei nodi di trasporto. Ogni luogo può utilizzare hardware diverso e operare in condizioni diverse, ma il sistema di visione deve comunque funzionare in modo coerente.

Ultralytics YOLO26 può aiutare ad analizzare questi flussi video per attività come il monitoraggio del traffico, il rilevamento dei pedoni o l'analisi degli spazi pubblici. Il comportamento prevedibile in fase di distribuzione e il supporto per più piattaforme hardware semplificano la distribuzione, l'aggiornamento e la manutenzione dei sistemi di visione in ambienti urbani estesi e distribuiti.

Fig. 4. Rilevamento di una persona, un cane e una panchina in città con Ultralytics YOLO26.

Perché una distribuzione più semplice cambia il modello economico dell'IA per la visione artificiale#

Per molte organizzazioni, la sfida più grande nell'ambito dell'IA per la visione artificiale non è creare un modello che funzioni in una demo. È trasformare quel lavoro in un sistema che funzioni in modo affidabile in produzione.

La distribuzione richiede spesso un notevole impegno ingegneristico, manutenzione continua e coordinamento tra team, fattori che possono rallentare i progetti o limitarne l'impatto. Quando è semplice distribuire i modelli, il quadro economico cambia.

Una distribuzione più rapida riduce il tempo necessario per ottenere valore. Un'integrazione più semplice abbassa i costi ingegneristici e operativi. Un comportamento più prevedibile nei diversi ambienti riduce i rischi e rende praticabile la pianificazione a lungo termine.

Ultralytics YOLO26 è progettato tenendo conto di questi fattori. Semplificare la distribuzione e garantire un comportamento coerente in produzione aiuta le organizzazioni a passare dalla sperimentazione all'uso quotidiano dell'IA per la visione artificiale. Per i responsabili aziendali, questo rende la visione artificiale un investimento più pratico e affidabile, anziché un'attività di ricerca ad alto rischio.

Punti chiave#

Ultralytics YOLO26 è progettato per colmare il divario tra ricerca e produzione, semplificando la distribuzione e la manutenzione della visione artificiale in tempo reale. Il suo design end-to-end e le prestazioni ottimizzate per l'edge riducono la complessità che spesso rallenta i progetti di IA per la visione artificiale. Questo consente alle organizzazioni di procedere più rapidamente e ottenere valore prima.

Unisciti alla nostra community ed esplora il nostro repository GitHub per saperne di più sull'IA. Dai un'occhiata alle nostre pagine dedicate alle soluzioni per approfondire l'IA nel commercio al dettaglio e la visione artificiale in agricoltura. Scopri le nostre opzioni di licenza e inizia subito a creare con la visione artificiale!