独自データでファインチューニングし、複数のエクスポート形式向けに最適化したUltralytics YOLOモデルを統合することで、Videologic Analyticsはコストと市場投入までの時間を削減できました。
Videologic Analyticsはスペインを拠点とする先進的なビデオ分析ソリューションの開発企業で、産業施設、太陽光発電所、住宅複合施設のセキュリティと監視を強化しています。同社はセキュリティカメラと統合するAI搭載ソリューションを導入し、境界を監視してリアルタイムに侵入を検知しています。
以前のモデルでは高コストと導入の遅さに直面していた同社は、Ultralytics YOLOモデルを統合して検知精度を高め、開発コストと市場投入までの時間を削減するとともに、小売やビジネスインテリジェンスなどの新たな分野へ展開しました。
AIカメラでセキュリティ向けのコンピュータービジョンを実現#
30年以上の経験を持つ専門家が率いるVideologic Analyticsは、AIとコンピュータービジョンをセキュリティカメラに統合し、リアルタイム監視と脅威の自動検知を実現することを専門としています。同社のソリューションは、大規模施設、再生可能エネルギー設備、住宅コミュニティを、信頼性の高いパフォーマンスで保護します。
同社は、Prosegur、Securitas、Sabicoをはじめ、スペイン国内の4,000社を超える認定セキュリティ企業にサービスを提供しています。高コストかつ時間のかかるAIモデルの開発と導入という課題に直面した同社は、革新的なVision AIソリューションにUltralytics YOLOモデルを採用しました。これにより、セキュリティアプリケーションを強化するとともに、新たな業種へも展開できるようになりました。
AIを活用した費用対効果の高い脅威の自動検知の必要性#
Videologic Analyticsは以前から、顧客に提供するセキュリティカメラにAIモデルを統合していました。初期のモデルは、一般的な車両、人、小動物など、限られた範囲の物体カテゴリーを検知するようにプログラムされていました。この基盤となるアプローチは高度なセキュリティシステムの土台となりましたが、特に精度と誤検知率の向上において、さらなる改良の余地も明らかになりました。
顧客は、より広範な物体とシナリオにわたって、より包括的で高精度な物体検知機能を提供できるソリューションを求めていました。こうした顧客ニーズに対応するため、Videologic Analyticsの研究開発チームは強化されたAIモデルの開発を開始しました。
これらのモデルを開発する中で、Videologic Analyticsは、高コストや長い開発期間など、従来のアプローチにいくつかの問題があることにすぐ気付きました。同社は、より柔軟で効率的なアプローチが必要だと認識しました。この新しいアプローチには、これらの課題に対処し、変化する顧客のセキュリティニーズにより適切に応えることが求められました。
具体的には、Vision AIソリューションの信頼性を高め、顧客満足度を向上できるコンピュータービジョンモデルを特定したいと考えていました。また、そのモデルが費用対効果に優れ、将来のニーズにも適応できることが不可欠でした。
AI駆動の異常検知で監視を再定義#
複数のAIモデルをテストした結果、Videologic AnalyticsはUltralytics YOLOモデルが必要な柔軟性とパフォーマンスを提供することを発見しました。同社は、幅広い一般物体を含むCOCOデータセットを使用して開発された、事前学習済みのYOLOモデルから始めました。この事前学習は強固な基盤となりました。モデルはすでに多くの基本的な物体を認識できたため、特定のセキュリティニーズに適応させやすくなりました。
例えば、Videologic Analyticsは太陽光発電所の監視などの用途に向けて、独自データを使用してこれらの事前学習済みモデルをファインチューニングしました。
このシナリオでは、モデルをAI駆動の異常検知に使用し、許可されていない人物や車両などの本物の脅威と、小動物や風で飛ばされたがれきなどの無害な要素を区別しました。この明確な区別は、誤警報を減らし、セキュリティ全体のパフォーマンスを向上させるために不可欠でした。
太陽光発電所の監視に加えて、同社はYOLOを使用して産業向けおよび住宅向けのセキュリティソリューションも開発し、小売やビジネスインテリジェンスにおけるコンピュータービジョンのイノベーションに向けた概念実証モジュールも開発しました。主に物体検知を使用していますが、姿勢推定や物体追跡など、YOLOがサポートするコンピュータービジョンタスクも活用しています。
図1. Videologic AnalyticsはUltralytics YOLOモデルを使用して太陽光発電所を監視しています。
なぜUltralytics YOLOモデルを選ぶのか#
Videologic Analyticsは、多数のカメラチャンネルをサポートしながら、高速で高精度な推論を実現できる堅牢なソリューションを必要としていたため、Ultralytics YOLOモデルを選択しました。
YOLOはさまざまなエクスポート形式をサポートし、CUDA、TensorRT、ONNX、OpenVINOなどのフレームワークとシームレスに統合できます。この柔軟性により、Videologic AnalyticsはPyTorchを使用してモデルをファインチューニングし、本番環境に効率的に導入できます。ハードウェア固有の最適化により、YOLOは従来のモデルよりもリアルタイムビデオ分析の厳しい要件に適切に対応します。
インテリジェントなビデオ監視に向けたモデル導入の効率化#
Ultralytics YOLOモデルを統合して以来、Videologic Analyticsはパフォーマンスと効率の両面で大きな改善を実現しています。同社の新しいVision AIソリューションにより、太陽光発電所や産業施設から住宅複合施設まで、幅広い設備で脅威を迅速かつリアルタイムに検知できるようになりました。
実際、Videologic Analyticsは年間約1万件のライセンスを導入しており、各ライセンスは専用のカメラチャンネルに対応しています。現在、すべてのライセンスがUltralytics YOLOモデルをサポートするようにアップグレードされています。YOLOへの移行により、誤警報が大幅に減少し、検知精度も全体的に向上しました。その結果、顧客はより信頼性の高いセキュリティシステムを利用でき、運用コストも削減されました。
さらに、Ultralytics YOLOモデルの高速な推論速度とスケーラビリティにより、新しいAI機能の市場投入までの時間が短縮されました。これにより、Videologic Analyticsは中核となるセキュリティ製品を強化し、小売やビジネスインテリジェンスなどの業種で新たな機会を探求できるようになりました。全体として、Ultralytics YOLOモデルの採用は、同社に短期的な業務改善と長期的な成長機会の両方をもたらしました。
図2. Videologic AnalyticsはUltralytics YOLOモデルを使用して都市環境を監視しています。
安全とセキュリティのためのスマートビデオ分析：今後の展望#
Videologic Analyticsは、Ultralytics YOLOモデルを活用して基本的な侵入検知を超えるソリューションへと拡張する取り組みを積極的に進めています。次のステップでは、行動分析、傾向追跡、予測インテリジェンスなどの高度な分析を通じて、より豊富で実用的なインサイトを提供することを目指します。
これらの機能強化により、顧客はセキュリティ業務を最適化し、小売やビジネスインテリジェンスにおける新たな可能性を開拓できるようになります。これにより、リアルタイムビデオ分析の継続的なイノベーションと成長が促進されます。
コンピュータービジョンがビジネスをどのように変革できるか、関心をお持ちですか？GitHubリポジトリで、UltralyticsのAIソリューションが自動運転車におけるAIや農業におけるコンピュータービジョンなどのイノベーションをどのように変革しているかをご覧ください。YOLOモデルとライセンスオプションの詳細を確認し、よりスマートで効率的な自動化に向けた取り組みを今すぐ始めましょう。
