Monitoraggio dei sistemi legacy con Ultralytics YOLO11

Molte aziende, soprattutto nei settori della produzione, dell'automazione industriale, dell'aerospazio, delle telecomunicazioni e dell'energia, dipendono da sistemi legacy per le attività quotidiane. Tuttavia, la manutenzione di questi sistemi meno recenti comporta spesso costi elevati e difficoltà tecniche. Nonostante ciò, il motivo principale per cui le aziende continuano a usare 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 progettati in un'epoca in cui l'automazione e l'analisi in tempo reale non erano prioritarie. 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 trovano vincolate a questi sistemi obsoleti e non riescono a passare facilmente a soluzioni più moderne senza notevoli interruzioni.

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

In questo articolo vedremo come utilizzare Ultralytics YOLO11 per monitorare i sistemi legacy, quali sono i 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 nell'aggiornare i sistemi legacy:

• Mancanza di interfacce digitali: molti sistemi legacy sono stati progettati prima che la trasformazione digitale diventasse comune. Funzionano con controlli analogici, indicatori e componenti meccanici, rendendo difficile l'integrazione diretta con le moderne soluzioni di monitoraggio.
• Costi elevati di aggiornamento: sostituire o aggiornare l'infrastruttura legacy può essere costoso e comportare interruzioni. Molte aziende esitano a investire in sostituzioni su vasta scala a causa degli elevati costi iniziali e dei timori legati ai tempi di inattività.
• Progettazioni di sistema non uniformi: le macchine meno recenti variano notevolmente per 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, perciò è difficile estrarre letture accurate e in tempo reale da quadranti, contatori o misuratori meccanici.

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

Come l'IA visiva può aiutare a monitorare i sistemi legacy#

Molti macchinari obsoleti usano quadranti, misuratori e indicatori analogici che non possono essere collegati a sistemi digitali. Le soluzioni di IA visiva possono usare telecamere per monitorare questi dispositivi e le immagini possono essere elaborate in tempo reale per convertire le letture in registrazioni digitali, facili da tracciare e consultare.

Uno dei vantaggi dell'uso della visione artificiale è la possibilità di individuare quasi immediatamente i problemi operativi. In caso di emergenza, gli avvisi automatici possono notificare agli operatori quando i valori superano i limiti di sicurezza.

Inoltre, la visione artificiale è un'opzione più economica. Installare telecamere e implementare un sistema di IA per analizzare le immagini costa meno degli aggiornamenti tradizionali o dei metodi di monitoraggio manuale. Invece di investire in costosi aggiornamenti dell'infrastruttura, i modelli di IA visiva come YOLO11 possono funzionare con le apparecchiature esistenti, rendendo la modernizzazione più accessibile.

Sistemi di monitoraggio legacy basati su Ultralytics YOLO11#

Quando si implementa una soluzione di IA, ci sono molti modelli e tecniche da considerare. Quindi, perché un modello come Ultralytics YOLO11 è adatto al monitoraggio di macchinari obsoleti?

Ultralytics YOLO11 supporta diverse attività di visione artificiale, 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 stabile o da un'infrastruttura cloud.

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

Negli stabilimenti o negli ambienti industriali con reti deboli o inaffidabili, distribuire 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 conveniente e pratica per le aziende.

Inoltre, YOLO11 migliora le versioni precedenti sia in termini di accuratezza sia di velocità. Con il 22% di parametri in meno rispetto a YOLOv8m, YOLO11m raggiunge una precisione media media (mAP) superiore sul dataset COCO.

In poche parole, Ultralytics YOLO11 può rilevare gli oggetti con maggiore accuratezza e più velocemente, anche con una potenza di elaborazione inferiore. Questo lo rende più efficiente nell’individuare problemi e monitorare i sistemi in tempo reale, usando meno risorse: un vantaggio particolarmente utile per i sistemi obsoleti.

Applicazioni di Ultralytics YOLO11 nei sistemi di monitoraggio legacy#

Vediamo alcuni casi d'uso concreti in cui Ultralytics YOLO11 automatizza i processi utilizzando la visione artificiale per tracciare e analizzare le letture, senza dover modificare le apparecchiature esistenti.

Monitoraggio di indicatori analogici con Ultralytics YOLO11#

Molte macchine industriali utilizzano indicatori analogici per misurare pressione, temperatura e livelli dei fluidi. Le letture manuali richiedono tempo e spesso causano incongruenze, soprattutto nelle operazioni su larga scala. Ultralytics YOLO11 può migliorare questi processi.

Ecco una panoramica più approfondita di come funziona in genere il monitoraggio degli indicatori analogici con Ultralytics YOLO11:

• Rilevamento degli oggetti: Ultralytics YOLO11 individua inizialmente l'indicatore nell'immagine, assicurandosi di identificarlo con precisione 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 la lancetta, la scala e le tacche numeriche. Questo è importante perché garantisce che il sistema si concentri solo sulle parti pertinenti dell'indicatore, eliminando il rumore di fondo e gli elementi di distrazione. Isolando queste aree chiave, la fase successiva risulta più precisa 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 tenere traccia delle misurazioni senza dover effettuare letture manuali.

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

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

Ultralytics YOLO11 semplifica il monitoraggio dei contatori delle utenze#

Molti fornitori di servizi pubblici dipendono ancora da contatori meccanici per tenere traccia dei consumi di acqua, gas ed elettricità. In alcuni casi, è necessario recarsi sul posto per raccogliere le letture manualmente, un'attività che richiede tempo e aumenta i costi.

Ultralytics YOLO11 automatizza il processo di monitoraggio utilizzando la visione artificiale per rilevare e ritagliare le parti pertinenti dei quadranti dei contatori. In questo modo, i valori numerici sul quadrante possono essere isolati e letti tramite OCR. I dataset etichettati, come Contatori dell'acqua su Ultralytics Platform, sono un punto di partenza pratico per addestrare un modello di questo tipo.

Grazie ai dati raccolti con la visione artificiale, i fornitori di servizi pubblici possono analizzare i modelli di consumo in modo più efficace. Integrare l'analisi dei dati nel processo di monitoraggio consente di tenere traccia delle tendenze storiche di utilizzo, individuare anomalie e rilevare irregolarità, come improvvisi picchi o cali dei consumi, che potrebbero indicare problemi quali 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 di fabbrica, si affidano a pannelli di controllo analogici con interruttori, pulsanti e spie luminose per mostrare lo stato delle macchine e i codici di errore. In genere, gli operatori controllano manualmente questi pannelli, un'attività che richiede tempo e aumenta il rischio di ritardi nelle risposte.

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 la posizione e lo stato. Può identificare se le spie luminose indicano un avviso o il normale funzionamento.

Ad esempio, se si accende una spia di avviso, Ultralytics YOLO11 può rilevare immediatamente il cambiamento e avvisare gli operatori, consentendo interventi più rapidi e riducendo il rischio di trascurare problemi critici.

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

Vantaggi e svantaggi della modernizzazione dei sistemi legacy#

La visione artificiale è un metodo pratico per monitorare i sistemi legacy senza sostituire l'hardware esistente. Tuttavia, come qualsiasi altra tecnologia, presenta vantaggi e limiti. Esaminiamoli entrambi per capire meglio come applicarla in modo efficace.

Ecco alcuni modi in cui la Vision AI migliora il monitoraggio dei sistemi legacy:

• Costi inferiori nel lungo periodo: anche se la configurazione iniziale può richiedere un investimento, l'automazione delle attività di monitoraggio e la riduzione degli errori umani possono generare notevoli risparmi 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 più efficace: i dati e le analisi in tempo reale migliorano il processo decisionale, consentendo agli operatori di scegliere consapevolmente sulla base di informazioni aggiornate.

Ecco invece alcuni aspetti da tenere in considerazione:

• Dipendenza dalla qualità delle immagini: la visione artificiale dipende fortemente da immagini o flussi video di alta qualità. Una qualità scarsa delle immagini, una bassa risoluzione o un'illuminazione insufficiente possono causare rilevamenti imprecisi o mancati.
• Vulnerabilità ai fattori ambientali: ambienti ostili, caratterizzati da temperature estreme, polvere, vibrazioni o interferenze, possono ridurre le prestazioni dei sistemi di visione artificiale.
• Complessità nella gestione di grandi volumi di dati: quando il sistema raccoglie grandi quantità di dati visivi, gestirli, archiviarli e analizzarli può diventare difficile senza un'infrastruttura adeguata.

Punti chiave#

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

Ultralytics YOLO11 lo rende possibile utilizzando il rilevamento degli oggetti e altre attività di visione artificiale. 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 ideale per i settori con connettività cloud limitata. Questo consente alle aziende di elaborare i dati sul posto e risolvere rapidamente i problemi operativi.

Unisciti alla nostra community in crescita! Esplora il nostro repository GitHub per saperne di più sull'AI e scopri le nostre opzioni di licenza per avviare i tuoi progetti di Vision AI. Ti interessano innovazioni come l'AI in ambito sanitario e la visione artificiale in agricoltura? Visita le nostre pagine dedicate alle soluzioni per saperne di più!