Monitoraggio dei sistemi legacy con l'aiuto di Ultralytics YOLO11

Molte aziende, in particolare nei settori manifatturiero, dell'automazione industriale, aerospaziale, delle telecomunicazioni e dell'energia, dipendono dai sistemi legacy per le loro attività quotidiane. Tuttavia, la manutenzione di questi sistemi più datati comporta spesso costi elevati e difficoltà tecniche. Nonostante ciò, il motivo principale per cui le aziende continuano a utilizzare i sistemi legacy è che sono profondamente integrati nei loro flussi di lavoro.

Quasi due terzi delle aziende spendono oltre 2 milioni di dollari per la manutenzione e l'aggiornamento dei sistemi legacy. Questi sistemi più datati sono stati sviluppati in un'epoca diversa, quando l'automazione e l'analisi in tempo reale non erano una priorità. Le aziende si affidavano a processi manuali o a strumenti di monitoraggio obsoleti, con conseguenti inefficienze e maggiori rischi operativi. Di conseguenza, molte aziende si ritrovano vincolate a questi sistemi obsoleti e non riescono a passare facilmente a soluzioni più moderne senza interruzioni significative.

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

In questo articolo esploreremo come utilizzare Ultralytics YOLO11 per il monitoraggio dei sistemi legacy, quali sono i suoi vantaggi e come le aziende possono integrarlo facilmente nei flussi di lavoro esistenti.

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

Sfide legate alla modernizzazione dei sistemi legacy#

I sistemi legacy sono fondamentali 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 durante l'aggiornamento dei sistemi legacy:

• Assenza di interfacce digitali: molti sistemi legacy sono stati progettati prima che la trasformazione digitale diventasse comune. Funzionano tramite controlli analogici, indicatori e strumenti meccanici, rendendo difficile l'integrazione diretta con le moderne soluzioni di monitoraggio.

• Costi elevati degli aggiornamenti: sostituire o aggiornare l'infrastruttura legacy può essere costoso e comportare interruzioni. Molte aziende esitano a investire in sostituzioni complete a causa degli elevati costi iniziali e delle preoccupazioni relative ai tempi di inattività.

• Progettazione non uniforme dei sistemi: i macchinari più datati variano notevolmente in termini di struttura, materiali e funzionalità. Questa mancanza di standardizzazione rende difficile applicare una soluzione digitale uniforme a sistemi diversi.

• Difficoltà nell'acquisizione dei dati in tempo reale: i display analogici non sono stati progettati per la raccolta automatizzata dei dati, rendendo difficile estrarre letture accurate in tempo reale da quadranti, contatori 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#

Molti macchinari legacy utilizzano quadranti, contatori e indicatori analogici che non possono essere collegati ai sistemi digitali. Le soluzioni di Vision AI possono utilizzare telecamere per monitorare questi dispositivi, mentre le immagini possono essere elaborate in tempo reale per convertire le letture in registri digitali, facilitandone il monitoraggio e la reportistica.

Uno dei vantaggi dell'utilizzo della computer vision in questo contesto è la possibilità di individuare quasi istantaneamente i problemi operativi. In caso di emergenza, gli avvisi automatici possono notificare agli operatori quando i valori superano i limiti di sicurezza.

Inoltre, la computer vision è un'opzione più economica. Installare telecamere e implementare un sistema di AI per analizzare queste immagini è conveniente rispetto agli aggiornamenti tradizionali o ai metodi di monitoraggio manuale. Invece di costosi aggiornamenti dell'infrastruttura, i modelli di Vision AI 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 piena espansione e, quando si implementa una soluzione di AI, è possibile prendere in considerazione diversi modelli e tecniche. Potresti quindi chiederti: cosa rende così speciale un modello come Ultralytics YOLO11?

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

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

In fabbrica o negli ambienti industriali con reti deboli o inaffidabili, l'implementazione di Ultralytics YOLO11 sui 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 accuratezza e velocità rispetto ai predecessori. Con il 22% di parametri in meno rispetto a YOLOv8m, YOLO11m raggiunge una precisione media media (mAP) più elevata sul dataset COCO.

In parole semplici, Ultralytics YOLO11 è in grado di rilevare gli oggetti in modo più accurato e rapido, anche con una potenza di elaborazione inferiore. Questo lo rende più efficiente nell'individuazione dei problemi e nel monitoraggio dei sistemi in tempo reale, utilizzando al contempo meno risorse, una caratteristica particolarmente utile per i sistemi legacy.

Applicazioni di Ultralytics YOLO11 nei sistemi di monitoraggio legacy#

Vediamo ora alcuni casi d'uso reali in cui Ultralytics YOLO11 automatizza i processi utilizzando la computer vision per monitorare e analizzare le letture, senza dover modificare le apparecchiature esistenti.

Monitoraggio degli indicatori analogici con Ultralytics YOLO11#

Diversi macchinari industriali utilizzano indicatori analogici per misurare pressione, temperatura e livelli dei fluidi. Le letture manuali richiedono tempo e spesso portano a risultati incoerenti, soprattutto nelle operazioni su larga scala. Ultralytics YOLO11 può migliorare questi processi.

Ecco più nel dettaglio come funziona generalmente il monitoraggio degli indicatori analogici con Ultralytics YOLO11:

• Rilevamento degli oggetti: Ultralytics YOLO11 rileva e individua innanzitutto l'indicatore all'interno di un'immagine, assicurandosi che venga identificato accuratamente anche in ambienti complessi.
• Segmentazione delle istanze: una volta identificato l'indicatore, Ultralytics YOLO11 utilizza la segmentazione delle istanze per separare gli elementi chiave, come lancetta, scala e tacche numeriche. Questo è importante perché garantisce che il sistema si concentri solo sulle parti rilevanti dell'indicatore, eliminando il rumore di fondo o le distrazioni. Isolando queste aree chiave, il passaggio successivo diventa più accurato ed efficiente.
• Riconoscimento ottico dei caratteri (OCR): infine, la tecnologia OCR può essere utilizzata per convertire i numeri presenti sull'indicatore in dati digitali, consentendo alle aziende di monitorare le misurazioni senza ricorrere a letture manuali.

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

Fig. 4. Come funziona il monitoraggio degli indicatori analogici con Ultralytics YOLO11. Immagine dell'autore.

Ultralytics YOLO11 può semplificare il monitoraggio dei contatori delle utenze#

Molti fornitori di servizi pubblici dipendono ancora da contatori meccanici per monitorare il consumo di acqua, gas ed elettricità. In alcuni casi, sono necessarie visite manuali sul posto per raccogliere le letture, con conseguente dispendio di tempo e aumento dei 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 è possibile isolare i valori numerici sul quadrante e utilizzare l'OCR per leggerli.

Con i dati raccolti tramite la computer vision, i fornitori di servizi pubblici possono analizzare più efficacemente i modelli di consumo. L'integrazione dell'analisi dei dati nel processo di monitoraggio aiuta a seguire le tendenze storiche dei consumi, identificare le anomalie e rilevare irregolarità come improvvisi picchi o cali del consumo, 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 industriali, i monitor delle reti elettriche e i pannelli per l'automazione industriale, si affidano a pannelli di controllo analogici con interruttori, pulsanti e spie luminose per visualizzare lo stato dei macchinari e i codici di errore. In genere, gli operatori ispezionano manualmente questi pannelli, un'attività che richiede tempo e aumenta il rischio di risposte tardive.

Ultralytics YOLO11 può ottimizzare questo processo identificando e monitorando con precisione i componenti del pannello di controllo. Può rilevare interruttori, etichette e spie luminose, determinandone posizioni e stati. È in grado di identificare se le spie luminose indicano avvisi o il normale funzionamento.

Ad esempio, se una spia di avvertimento si attiva, Ultralytics YOLO11 può rilevare immediatamente il cambiamento e avvisare gli operatori, consentendo tempi di risposta più rapidi e riducendo il rischio di non individuare problemi critici.

Fig. 5. Un pannello di controllo con spie luminose.

Pro e contro della modernizzazione dei sistemi legacy#

La computer vision è un metodo pratico per monitorare i sistemi legacy senza sostituire l'hardware esistente. Tuttavia, come ogni altra tecnologia, presenta vantaggi e limitazioni. Esaminiamoli entrambi per comprendere meglio come applicarla efficacemente.

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

• Costi inferiori nel lungo periodo: sebbene la configurazione iniziale possa richiedere un investimento, l'automazione delle attività di monitoraggio e la riduzione degli errori umani possono portare a risparmi significativi nel tempo.
• Coerenza e affidabilità: a differenza delle ispezioni umane, la cui qualità e coerenza possono variare, Ultralytics YOLO11 offre prestazioni costanti e affidabili nel tempo.
• Processo decisionale migliore: i dati e le analisi in tempo reale migliorano il processo decisionale, consentendo agli operatori di fare scelte informate sulla base di informazioni aggiornate.

Ecco invece alcuni aspetti da tenere in considerazione:

• Dipendenza dalla qualità delle immagini: la computer vision dipende fortemente da immagini o flussi video di alta qualità. Una qualità scarsa delle immagini, una bassa risoluzione o un'illuminazione inadeguata possono portare a rilevamenti imprecisi o mancate rilevazioni.
• Vulnerabilità ai fattori ambientali: ambienti difficili, come quelli caratterizzati da temperature estreme, polvere, vibrazioni o interferenze, possono compromettere le prestazioni dei sistemi di computer vision.
• Complessità nella gestione di grandi volumi di dati: man mano che il sistema raccoglie grandi quantità di dati visivi, la gestione, l'archiviazione e l'analisi di tali dati possono diventare difficili senza un'infrastruttura adeguata.

Punti chiave#

Monitorare i sistemi legacy in modo efficiente non richiede sempre la sostituzione dell'hardware esistente. Molte aziende devono gestire apparecchiature obsolete, ma la Vision AI offre un modo per monitorarne le prestazioni senza apportare modifiche significative.

Ultralytics YOLO11 rende tutto questo possibile utilizzando il rilevamento degli oggetti e altre attività di computer vision. Può leggere indicatori, contatori e pannelli di controllo tramite telecamere per il monitoraggio in tempo reale, senza dover modificare il sistema. Il modello funziona senza problemi sui dispositivi edge, risultando particolarmente adatto ai settori con connettività cloud limitata. Ciò consente alle aziende di elaborare i dati sul posto e affrontare rapidamente i problemi operativi.

Unisciti alla nostra community in continua crescita! Esplora il nostro repository GitHub per saperne di più sull'AI e consulta le nostre opzioni di licenza per iniziare i tuoi progetti di Vision AI. Ti interessano innovazioni come l'AI nel settore sanitario e la computer vision nell'agricoltura? Visita le nostre pagine dedicate alle soluzioni per saperne di più!