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高度な映像分析ソリューションの開発企業で、工業施設、太陽光発電所、集合住宅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されたAI搭載ソリューションを導入し、敷地の境界を監視して侵入をリアルタイムで検知します。
従来のモデルで高コストと導入の遅れに直面した同社は、Ultralytics YOLOモデルを統合しました。これにより検出精度を高め、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しい分野にも事業を拡大しています。
AIカメラによるセキュリティ向けコンピュータービジョンの実現#
30年以上の経験を持つ専門家が率いるVideologic Analyticsは、リアルタイムモニタリングと脅威検出の自動化に向けて、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することを専門としています。同社のソリューションは、安定したパフォーマンスで大規模施設、再生可能エネルギー施設、住宅コミュニティを保護します。
同社の顧客には、Prosegur、Securitas、Sabicoのほか、スペイン国内の認定セキュリティ企業4,000社以上が名を連ねています。AIモデルの開発と導入に費用と時間がかかるという課題を受け、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、新たな業種にも進出できました。
AIを活用した費用対効果の高い脅威検出自動化の必要性#
Videologic Analyticsは以前、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、限られたカテゴリの物体を検出するように設計されていました。この基礎的な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、特に精度や誤検知率の向上など、さらに改良できる余地もありました。
顧客は、より幅広い物体や状況に対応し、より包括的で正確な物体検出機能を提供できるソリューションを求めていました。こうしたニーズに応えるため、Videologic Analyticsの研究開発チームは、性能を強化したAIモデルの開発に着手しました。
モデルの開発を進める中で、Videologic Analyticsは高コストや長い開発期間など、既存のアプローチにいくつかの問題があることにすぐに気付きました。同社には、より柔軟で効率的なアプローチが必要だと分かりました。この新しいアプローチでは、こうした課題に対処し、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必要がありました。
具体的には、Vision AIソリューションの信頼性を高め、顧客満足度を向上させられるコンピュータービジョンモデルを求めていました。また、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主導の異常検出による監視の再定義#
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備えていることを確認しました。同社はまず、一般的な物体を幅広く含むCOCOデータセットを使用して開発された、事前トレーニング済みのYOLOモデルを導入しました。モデルは多くの基本的な物体をすでに認識できるため、この事前トレーニングが強固な基盤となり、特定のセキュリティニーズに合わせて調整しやすくなりました。
たとえばVideologic Analyticsは、太陽光発電所の監視などの用途に向けて、自社の独自データを使い、これらの事前トレーニング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駆動型の異常検知に使用し、不正な人物や車両などの実際の脅威と、小動物や風で飛ばされたごみなどの無害なものを区別しました。この明確な識別は、誤報を減らし、セキュリティ性能全体を向上させるうえで不可欠でした。
太陽光発電所の監視に加え、同社はYOLOを使用した産業施設向けと住宅向けのセキュリティソリューションも開発しました。また、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革新に向けた概念実証モジュールも開発しました。主に物体検出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。
Ultralytics YOLOモデルを選ぶ理由#
Videologic Analyticsは、多数のカメラチャンネルに対応しながら、高速かつ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モデルを選びました。
YOLOはさまざまなエクスポート形式に対応し、CUDA、TensorRT、ONNX、OpenVINOなどのフレームワークとシームレスに連携します。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、本番環境に効率よくデプロイできます。ハードウェアに特化した最適化により、YOLOは以前のモデルよりもリアルタイム動画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動画モニタリングに向けたモデルデプロイの効率化#
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ました。新しいVision AIソリューションにより、太陽光発電所や工業施設から住宅複合施設まで、幅広い施設で脅威を迅速かつリアルタイムに検出できるようになりました。
実際、Videologic Analyticsは年間約10,000件のライセンスを導入しています。各ライセンスは専用のカメラチャンネルに対応し、現在はすべて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、検出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ています。
また、Ultralytics YOLOモデルの高速な推論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分野で新たな機会を探れるようになりました。全体として、Ultralytics YOLOモデルの採用は、同社の即時的な業務改善と長期的な成長見通しの両方を後押ししています。
図2. 都市環境の監視にUltralytics YOLOモデルを使用するVideologic Analytics。
安全とセキュリティのためのスマートな動画分析：今後の展望#
Videologic Analyticsは、Ultralytics YOLOモデルを活用し、基本的な侵入検知にとどまらない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。今後は、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、より豊かで実用的なインサイトを提供する予定です。
これらの強化により、顧客はセキュリティ運用を最適化し、小売業やビジネスインテリジェンスにおける新たな可能性を切り開けるようになります。これは、リアルタイム映像分析の継続的なイノベーションと成長を促進します。
コンピュータービジョンがビジネスをどう変革できるかに関心がありますか？GitHubリポジトリで、UltralyticsのAIソリューションが小売業における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う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オートメーションへの取り組みを始めましょう。
