Monitoraggio dei sistemi legacy con l'aiuto di Ultralytics YOLO11

Molte aziende, in particolare nei settori della produzione, dell'automazione industriale, dell'aerospazio, delle telecomunicazioni e dell'energia, dipendono da sistemi legacy per le loro operazioni quotidiane. Tuttavia, la manutenzione di questi sistemi obsoleti comporta spesso costi elevati e sfide tecniche. Nonostante ciò, il motivo principale per cui le aziende continuano a utilizzare i sistemi legacy è che sono profondamente radicati nei loro flussi di lavoro.

Quasi due terzi delle aziende spendono oltre 2 milioni di dollari per mantenere e upgrading legacy systems. Questi sistemi più vecchi sono stati creati per un'altra epoca, quando l'automazione e l'analisi in tempo reale non erano una priorità. Le aziende facevano affidamento su processi manuali o strumenti di monitoraggio obsoleti, portando a inefficienze e a maggiori rischi operativi. Di conseguenza, molte aziende si ritrovano bloccate con questi sistemi obsoleti, incapaci di passare facilmente a soluzioni più moderne senza interruzioni significative.

È qui che l'IA e la computer vision, che consentono ai computer di comprendere e analizzare i dati visivi, possono intervenire e aiutare. In particolare, i modelli di computer vision come Ultralytics YOLO11 possono essere utilizzati per rilevare e monitorare sistemi legacy come contatori e manometri.

In questo articolo esploreremo come Ultralytics YOLO11 può essere utilizzato nel monitoraggio dei sistemi legacy, i suoi vantaggi e come le aziende possono integrarlo facilmente nei loro flussi di lavoro esistenti.

Fig 1. Esempi di sistemi legacy. Immagine dell'autore.

Sfide legate alla modernizzazione dei sistemi legacy#

I sistemi legacy sono vitali per molti settori, ma trasformarli in sistemi digitali non è sempre semplice. Modernizzare questi sistemi è importante per aumentare l'efficienza e ridurre i rischi. Ecco alcune delle sfide tecniche e ambientali che le aziende devono affrontare quando aggiornano i sistemi legacy:

• Mancanza di interfacce digitali: Molti sistemi legacy sono stati progettati prima che la trasformazione digitale diventasse comune. Operano utilizzando comandi analogici, indicatori e misuratori meccanici, rendendo difficile l'integrazione diretta con le moderne soluzioni di monitoraggio.

• Costi di aggiornamento elevati: Sostituire o aggiornare l'infrastruttura legacy può essere costoso e causare interruzioni. Molte aziende esitano a investire in sostituzioni su larga scala a causa degli elevati costi iniziali e dei problemi legati ai tempi di inattività.

• Design dei sistemi incoerenti: I macchinari più vecchi variano significativamente in struttura, materiali e funzionalità. Questa mancanza di standardizzazione rende difficile applicare una soluzione digitale uniforme a sistemi diversi.

• Sfide nell'acquisizione dati in tempo reale: I display analogici non sono stati progettati per la raccolta automatizzata dei dati, rendendo difficile estrarre letture accurate e in tempo reale da quadranti, misuratori o contatori meccanici.

Fig 2. Sfide legate alla modernizzazione dei sistemi legacy. Immagine dell'autore.

Come la Vision AI può aiutare a monitorare i sistemi legacy#

Molte macchine legacy utilizzano quadranti analogici, contatori e manometri che non possono essere collegati a sistemi digitali. Le Vision AI solutions possono utilizzare telecamere per monitorare questi dispositivi e le immagini possono essere elaborate in tempo reale per convertire le loro letture in registri digitali per un facile tracciamento e reporting.

Uno dei vantaggi dell'utilizzo della computer vision per questo scopo è che i problemi operativi possono essere individuati quasi istantaneamente. In caso di emergenza, avvisi automatizzati possono notificare gli operatori quando i valori superano i limiti di sicurezza.

Oltre a ciò, la computer vision è un'opzione più economica. L'installazione di telecamere e l'implementazione di un sistema di IA per analizzare queste immagini è conveniente rispetto ai tradizionali aggiornamenti o metodi di monitoraggio manuale. Piuttosto che costosi aggiornamenti dell'infrastruttura, i Vision AI models come YOLO11 possono funzionare con le apparecchiature esistenti, rendendo la modernizzazione più accessibile.

Sistemi di monitoraggio legacy abilitati da Ultralytics YOLO11#

Oggi l'AI è in forte crescita e ci sono diversi modelli e tecniche da considerare quando si implementa una soluzione di intelligenza artificiale. Quindi potresti chiederti: cosa rende un modello come Ultralytics YOLO11 così speciale?

Ultralytics YOLO11 supporta varie attività di computer vision come il rilevamento di oggetti, la segmentazione di istanze e il tracciamento degli oggetti, ed è ideale per il monitoraggio in tempo reale. Uno dei suoi vantaggi principali è la capacità di funzionare in modo efficiente su dispositivi edge. Ciò significa che può elaborare i dati localmente, senza dipendere da una forte connessione di rete o da un'infrastruttura cloud.

Fig. 3. Un esempio di Ultralytics YOLO11 utilizzato per il rilevamento di oggetti.

Negli stabilimenti industriali o in ambienti con reti deboli o inaffidabili, distribuire Ultralytics YOLO11 su dispositivi edge garantisce un monitoraggio continuo e in tempo reale senza interruzioni, riducendo la necessità di costose soluzioni basate sul cloud e rendendolo una scelta più economica e pratica per le aziende.

Inoltre, YOLO11 è noto per le sue prestazioni superiori in termini di precisione e velocità rispetto ai suoi predecessori. Con il 22% di parametri in meno rispetto a YOLOv8m, YOLO11m ottiene una mean average precision (mAP) più elevata sul dataset COCO.

In parole semplici, Ultralytics YOLO11 può rilevare oggetti in modo più accurato e veloce, anche con una potenza di calcolo inferiore. Questo lo rende più efficiente nell'individuare problemi e nel monitorare i sistemi in tempo reale, utilizzando meno risorse, il che è particolarmente utile per i sistemi legacy.

Applicazioni di Ultralytics YOLO11 nei sistemi di monitoraggio legacy#

Successivamente, esploriamo alcuni casi d'uso reali in cui Ultralytics YOLO11 automatizza i processi utilizzando la computer vision per tracciare e analizzare le letture, il tutto senza la necessità di modificare le apparecchiature esistenti.

Monitoraggio di indicatori analogici tramite Ultralytics YOLO11#

Varie macchine industriali utilizzano indicatori analogici per misurare pressione, temperatura e livelli di fluido. Le letture manuali richiedono tempo e spesso portano a incongruenze, soprattutto nelle operazioni su larga scala. Ultralytics YOLO11 può migliorare questi processi.

Ecco un'analisi più approfondita di come funziona solitamente il monitoraggio dei manometri analogici con Ultralytics YOLO11:

• Rilevamento di oggetti: Ultralytics YOLO11 rileva e individua prima il manometro all'interno di un'immagine, assicurandosi che venga identificato con precisione, anche in ambienti complessi.
• Segmentazione di istanze: Una volta identificato il manometro, Ultralytics YOLO11 utilizza la segmentazione di istanze per separare gli elementi chiave come la lancetta, la scala e i segni numerici. Questo è importante perché assicura che il sistema si concentri solo sulle parti rilevanti del manometro, eliminando rumore di fondo o distrazioni. Isolando queste aree chiave, il passaggio successivo diventa più accurato ed efficiente.
• Optical Character Recognition (OCR): infine, la tecnologia OCR può essere utilizzata per convertire i numeri sul manometro in dati digitali, consentendo alle aziende di tracciare le misurazioni senza bisogno di letture manuali.

Sebbene questo sia il metodo generale, i passaggi esatti possono variare a seconda di fattori come il tipo di indicatore, le condizioni ambientali e l'angolazione o la qualità delle immagini acquisite. Possono essere apportate modifiche per garantire letture accurate in base a queste variabili.

Fig 4. Come funziona il monitoraggio dei manometri analogici con Ultralytics YOLO11. Immagine dell'autore.

Ultralytics YOLO11 può semplificare il monitoraggio dei contatori di servizi#

Molti fornitori di servizi pubblici dipendono ancora da contatori meccanici per tracciare il consumo di acqua, gas ed elettricità. In alcuni casi, sono necessarie visite in loco manuali per raccogliere le letture, il che richiede tempo e aumenta i costi.

Ultralytics YOLO11 automatizza il processo di monitoraggio utilizzando la computer vision per rilevare e ritagliare le parti rilevanti dei quadranti dei contatori. In questo modo, i valori numerici sul quadrante possono essere isolati e l'OCR può essere utilizzato per leggerli.

Con i dati raccolti tramite la computer vision, i fornitori di servizi possono analyze consumption patterns in modo più efficace. L'integrazione dell'analisi dei dati nel processo di monitoraggio aiuta a tracciare i trend di consumo storici, a identificare le anomalie e a rilevare irregolarità come picchi o cali improvvisi nei consumi, che potrebbero indicare problemi come perdite o contatori difettosi.

Analisi dei pannelli di controllo con Ultralytics YOLO11#

I sistemi legacy come le unità di controllo industriale, i monitor della rete elettrica e i pannelli di automazione di fabbrica si basano su pannelli di controllo analogici con interruttori, pulsanti e spie luminose per visualizzare lo stato della macchina e i codici di errore. Generalmente, gli operatori ispezionano questi pannelli manualmente, il che richiede tempo e aumenta il rischio di risposte ritardate.

Ultralytics YOLO11 può ottimizzare questo processo identificando e tracciando con precisione i componenti del pannello di controllo. Può rilevare interruttori, etichette e spie luminose, determinandone posizioni e stati. Può identificare se le spie luminose mostrano avvisi o un normale funzionamento.

Ad esempio, se si attiva una spia di avviso, Ultralytics YOLO11 può rilevare immediatamente il cambiamento e gli operatori possono essere avvisati, consentendo tempi di risposta più rapidi e riducendo il rischio di perdere problemi critici.

Fig 5. Un pannello di controllo con spie luminose.

Pro e contro della modernizzazione dei sistemi legacy#

La computer vision è un modo pratico per monitorare i sistemi legacy senza sostituire l'hardware esistente. Tuttavia, come ogni altra tecnologia, presenta vantaggi e limiti. Esploriamoli entrambi per avere un'idea migliore di come possa essere applicata efficacemente.

Ecco alcuni modi in cui la Vision AI influisce positivamente sul monitoraggio dei sistemi legacy:

• Costi a lungo termine inferiori: Sebbene la configurazione iniziale possa richiedere un investimento, l'automazione dei compiti di monitoraggio e la riduzione dell'errore umano possono portare a risparmi significativi nel tempo.
• Coerenza e affidabilità: A differenza delle ispezioni umane, che possono variare in qualità e coerenza, Ultralytics YOLO11 offre prestazioni costanti e affidabili nel tempo.
• Processo decisionale migliorato: I dati e le analisi in tempo reale migliorano il processo decisionale, consentendo agli operatori di fare scelte informate basate su informazioni aggiornate.

Nel frattempo, ecco alcune delle considerazioni da tenere a mente:

• Dipendenza da image quality: la computer vision si basa fortemente su immagini di alta qualità o feed video. Una scarsa qualità dell'immagine, una bassa risoluzione o una cattiva illuminazione possono portare a rilevamenti inaccurati o mancati.
• Vulnerabilità a fattori ambientali: Ambienti difficili come temperature estreme, polvere, vibrazioni o interferenze possono degradare le prestazioni dei sistemi di computer vision.
• Complessità nella gestione di grandi volumi di dati: Poiché il sistema raccoglie grandi quantità di dati visivi, gestire, archiviare e analizzare tali dati può diventare una sfida senza un'infrastruttura adeguata.

Punti chiave#

Monitorare i sistemi legacy in modo efficiente non richiede sempre la sostituzione dell'hardware esistente. Molte aziende hanno a che fare con apparecchiature obsolete, ma la Vision AI offre un modo per tracciare le prestazioni senza apportare modifiche sostanziali.

Ultralytics YOLO11 rende tutto ciò possibile utilizzando il rilevamento di oggetti e altre attività di computer vision. Può leggere manometri, contatori e pannelli di controllo tramite telecamere per il monitoraggio in tempo reale, senza la necessità di modificare il sistema. Il modello funziona senza intoppi su dispositivi edge, rendendolo ideale per settori con connettività cloud limitata. Ciò consente alle aziende di elaborare i dati in loco e di affrontare rapidamente i problemi operativi.

Unisciti alla nostra crescente community! Esplora il nostro GitHub repository per saperne di più sull'IA e dai un'occhiata alle nostre licensing options per iniziare i tuoi progetti di Vision AI. Ti interessano innovazioni come AI in healthcare e computer vision in agriculture? Visita le pagine delle nostre soluzioni per scoprire di più!