Videologic Analytics scala fino a 10 mila licenze per telecamere IA con Ultralytics YOLO

Videologic Analytics è uno sviluppatore con sede in Spagna di soluzioni avanzate di analisi video che migliorano la sicurezza e la sorveglianza per siti industriali, parchi solari e complessi residenziali. Distribuiscono soluzioni basate sull'IA che si integrano con le security cameras per monitorare i perimetri e rilevare intrusioni in tempo reale.

Di fronte a costi elevati e a una lenta implementazione con i modelli precedenti, hanno integrato i Ultralytics YOLO models per aumentare la precisione del rilevamento, ridurre i costi di sviluppo e il time-to-market ed espandersi in nuovi settori come la vendita al dettaglio e la business intelligence.

Abilitare la computer vision per la sicurezza con telecamere AI#

Guidata da esperti con oltre 30 anni di esperienza, Videologic Analytics è specializzata nell'integrazione di IA e computer vision nelle telecamere di sicurezza per il monitoraggio in tempo reale e il rilevamento automatizzato delle minacce. Le loro soluzioni proteggono grandi strutture, impianti di energia rinnovabile e comunità residenziali con prestazioni affidabili.

Servono clienti rinomati come Prosegur, Securitas, Sabico e oltre 4.000 aziende di sicurezza certificate in Spagna. Affrontando sfide legate allo sviluppo e all'implementazione costosi e dispendiosi in termini di tempo dei modelli AI, hanno adottato i modelli Ultralytics YOLO nelle loro innovative soluzioni di Vision AI. In questo modo, sono stati in grado di potenziare le proprie applicazioni di sicurezza e di espandersi in nuovi settori verticali.

Il bisogno di un rilevamento automatizzato ed economico delle minacce tramite AI#

Videologic Analytics aveva precedentemente integrato modelli AI nelle telecamere di sicurezza offerte ai propri clienti. Questi primi modelli erano programmati per rilevare una gamma limitata di categorie di oggetti, inclusi veicoli generici, esseri umani e piccoli animali. Sebbene questo approccio fondamentale abbia gettato le basi per sistemi di sicurezza avanzati, ha anche presentato opportunità per ulteriori perfezionamenti, in particolare nel migliorare la precisione e i tassi di falsi positivi.

I loro clienti cercavano una soluzione più completa, in grado di offrire capacità di object detection più ampie e accurate su una gamma più vasta di oggetti e scenari. Per soddisfare queste esigenze dei clienti, il team di ricerca e sviluppo di Videologic Analytics ha iniziato a sviluppare modelli di IA avanzati.

Durante lo sviluppo di questi modelli, Videologic Analytics ha riscontrato rapidamente che l'approccio esistente presentava alcuni problemi, come costi elevati e lunghi tempi di sviluppo. L'azienda si è resa conto di aver bisogno di un approccio più flessibile ed efficiente. Questo nuovo approccio doveva affrontare tali sfide e servire meglio le crescenti esigenze di sicurezza dei propri clienti.

In particolare, volevano identificare un modello di computer vision che potesse migliorare l'affidabilità delle sue Vision AI solutions e aumentare la soddisfazione del cliente. Era inoltre essenziale che il modello rimanesse sia economico che adattabile alle esigenze future.

Ridefinire la sorveglianza con il rilevamento delle anomalie basato su AI#

Dopo aver testato diversi modelli di IA, Videologic Analytics ha scoperto che i modelli Ultralytics YOLO fornivano la flessibilità e le prestazioni di cui avevano bisogno. Hanno iniziato con modelli YOLO pre-addestrati sviluppati utilizzando il COCO dataset, che include un'ampia gamma di oggetti comuni. Questo pre-addestramento ha offerto una solida base, poiché i modelli potevano già riconoscere molti elementi di base, rendendo più semplice adattarli per specifiche esigenze di sicurezza.

Ad esempio, Videologic Analytics ha perfezionato questi modelli pre-addestrati utilizzando i propri dati proprietari per applicazioni come il monitoraggio di parchi solari.

In questo scenario, i modelli sono stati utilizzati per il rilevamento delle anomalie basato su AI, distinguendo tra minacce reali - come personale non autorizzato o veicoli - ed elementi innocui come piccoli animali o detriti mossi dal vento. Questa chiara differenziazione è stata essenziale per ridurre i falsi allarmi e migliorare le prestazioni complessive della sicurezza.

Accanto al monitoraggio dei parchi solari, hanno anche sviluppato soluzioni di sicurezza sia industriali che residenziali utilizzando YOLO, oltre a moduli di proof-of-concept per innovazioni di computer vision nella vendita al dettaglio e nella business intelligence. Sebbene utilizzino principalmente l'object detection, sfruttano anche computer vision tasks supportati da YOLO, come la stima della posa e il tracciamento degli oggetti.

Fig 1. Videologic Analytics utilizza i modelli Ultralytics YOLO per monitorare gli impianti solari fotovoltaici.

Perché scegliere i modelli Ultralytics YOLO?#

Videologic Analytics ha scelto i modelli Ultralytics YOLO perché richiedevano una soluzione robusta in grado di supportare numerosi canali video fornendo al contempo un'inferenza veloce e accurata.

YOLO supporta vari export formats e si integra perfettamente con framework come CUDA, TensorRT, ONNX e OpenVINO. Questa flessibilità consente a Videologic Analytics di mettere a punto i modelli utilizzando PyTorch e di distribuirli in modo efficiente in produzione. Con ottimizzazioni specifiche per l'hardware, YOLO soddisfa le esigenze esigenti dell'analisi video in tempo reale meglio dei modelli precedenti.

Implementazione semplificata dei modelli per il monitoraggio video intelligente#

Dall'integrazione dei modelli Ultralytics YOLO, Videologic Analytics ha riscontrato miglioramenti impressionanti sia nelle prestazioni che nell'efficienza. La loro nuova soluzione Vision AI ha consentito un rilevamento rapido e in tempo reale delle minacce in un'ampia gamma di installazioni, da parchi solari e siti industriali a complessi residenziali.

In effetti, Videologic Analytics distribuisce circa 10.000 licenze all'anno, ciascuna corrispondente a un canale di telecamera dedicato, con tutte le licenze ora aggiornate per supportare i modelli Ultralytics YOLO. Il passaggio a YOLO ha portato a una significativa riduzione dei falsi allarmi e a un generale aumento della precisione di rilevamento. Di conseguenza, i clienti godono di security systems più affidabili e i costi operativi sono stati ridotti.

Inoltre, le velocità di inferenza più elevate e la scalabilità dei modelli Ultralytics YOLO hanno accorciato il time-to-market per le nuove funzionalità AI. Ciò ha reso possibile per Videologic Analytics migliorare le proprie offerte di sicurezza principali ed esplorare nuove opportunità in settori verticali come la vendita al dettaglio e la business intelligence. Nel complesso, l'adozione dei modelli Ultralytics YOLO ha guidato sia miglioramenti operativi immediati che prospettive di crescita a lungo termine per l'azienda.

Fig. 2. Videologic Analytics utilizza i modelli Ultralytics YOLO per monitorare ambienti urbani.

Smart video analytics per la sicurezza: La strada da percorrere#

Videologic Analytics sta lavorando attivamente all'espansione della propria soluzione sfruttando i modelli Ultralytics YOLO per andare oltre il semplice rilevamento delle intrusioni. I prossimi passi prevedono di fornire approfondimenti più ricchi e azionabili attraverso analisi avanzate come l'analisi del comportamento, il tracciamento dei trend e l'intelligence predittiva.

Questi miglioramenti aiuteranno i clienti a ottimizzare le operazioni di sicurezza e a sbloccare nuove possibilità nella vendita al dettaglio e nella business intelligence, guidando l'innovazione continua e la crescita nella video analisi in tempo reale.

Curioso di sapere come la computer vision può trasformare la tua azienda? Esplora il nostro GitHub repository per vedere come le soluzioni di IA di Ultralytics stanno trasformando innovazioni come AI in self-driving cars e computer vision in agriculture. Scopri di più sui nostri modelli YOLO e sulle licensing options e inizia oggi il tuo viaggio verso un'automazione più intelligente ed efficiente.