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 la manutenzione e l'aggiornamento dei sistemi legacy. Questi sistemi più vecchi sono stati costruiti in un'epoca diversa, 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, il che portava a inefficienze e maggiori rischi operativi. Di conseguenza, molte aziende si ritrovano bloccate con questi sistemi datati, 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. Nello specifico, 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 YOLO11 possa essere utilizzato nel monitoraggio dei sistemi legacy, i suoi vantaggi e come le aziende possano integrarlo facilmente nei loro flussi di lavoro esistenti.

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

Link to this sectionSfide 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.

Link to this sectionCome la Vision AI può aiutare a monitorare i sistemi legacy#

Molte macchine legacy utilizzano quadranti analogici, misuratori e indicatori che non possono essere collegati ai sistemi digitali. Le soluzioni di Vision AI possono utilizzare telecamere per monitorare questi dispositivi e le immagini possono essere elaborate in tempo reale per convertire le loro letture in record digitali per una facile tracciabilità e reportistica.

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 questo, la computer vision è un'opzione più economica. Configurare telecamere e implementare un sistema di IA per analizzare queste immagini è conveniente rispetto ai tradizionali aggiornamenti o metodi di monitoraggio manuale. Invece di costosi aggiornamenti dell'infrastruttura, i modelli di Vision AI come YOLO11 possono lavorare con le apparecchiature esistenti, rendendo la modernizzazione più accessibile.

Link to this sectionSistemi di monitoraggio legacy abilitati da YOLO11#

Al giorno d'oggi, l'IA è in piena espansione e ci sono una varietà di modelli e tecniche da considerare quando si implementa una soluzione di IA. Quindi, potresti chiederti, cosa rende un modello come YOLO11 così speciale?

YOLO11 supporta vari compiti di computer vision come il rilevamento di oggetti, la segmentazione di istanze e il tracciamento di 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 YOLO11 utilizzato per il rilevamento di oggetti.

Nei reparti di fabbrica o in ambienti industriali con reti deboli o inaffidabili, distribuire YOLO11 su dispositivi edge garantisce un monitoraggio continuo e in tempo reale senza interruzioni, riducendo la necessità di costose soluzioni basate su cloud e rendendolo una scelta più accessibile 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 povere, YOLO11 può rilevare oggetti in modo più accurato e veloce, anche con meno potenza di elaborazione. 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.

Link to this sectionApplicazioni di YOLO11 nei sistemi di monitoraggio legacy#

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

Link to this sectionMonitoraggio di indicatori analogici utilizzando YOLO11#

Vari macchinari industriali sfruttano indicatori analogici per misurare pressione, temperatura e livelli di fluidi. Le letture manuali richiedono tempo e spesso portano a incongruenze, specialmente nelle operazioni su larga scala. YOLO11 può migliorare questi processi.

Ecco uno sguardo più approfondito a come funziona solitamente il monitoraggio degli indicatori analogici con YOLO11:

• Rilevamento di oggetti: YOLO11 rileva e localizza innanzitutto l'indicatore all'interno di un'immagine, assicurandosi che sia identificato accuratamente, anche in ambienti complessi.
• Segmentazione di istanze: Una volta identificato l'indicatore, YOLO11 utilizza la segmentazione di istanze per separare elementi chiave come l'ago, la scala e i segni numerici. Questo è importante perché garantisce che il sistema si concentri solo sulle parti rilevanti dell'indicatore, rimuovendo qualsiasi rumore di fondo o distrazione. 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 sull'indicatore in dati digitali, consentendo alle aziende di tracciare le misurazioni senza la necessità 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 di indicatori analogici con YOLO11. Immagine dell'autore.

Link to this sectionYOLO11 può semplificare il monitoraggio dei contatori di utenze#

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.

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 utilizzando la computer vision, i fornitori di servizi pubblici possono analizzare i modelli di consumo in modo più efficace. Integrare l'analisi dei dati nel processo di monitoraggio aiuta a tracciare le tendenze di utilizzo storiche, identificare anomalie e rilevare irregolarità come picchi improvvisi o cali nel consumo, che potrebbero indicare problemi come perdite o contatori difettosi.

Link to this sectionAnalisi dei pannelli di controllo con 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.

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

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

Fig 5. Un pannello di controllo con spie luminose.

Link to this sectionPro 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, 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 dalla qualità dell'immagine: La computer vision si affida pesantemente a immagini o feed video di alta qualità. Una scarsa qualità dell'immagine, una bassa risoluzione o un'illuminazione inadeguata 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.

Link to this sectionPunti 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.

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

Unisciti alla nostra community in crescita! Esplora il nostro repository GitHub per imparare tutto sull'IA e dai un'occhiata alle nostre opzioni di licenza per iniziare i tuoi progetti di Vision AI. Interessato a innovazioni come IA nell'assistenza sanitaria e computer vision in agricoltura? Visita le nostre pagine dedicate alle soluzioni per scoprire di più!