26 de março de 2025
Veja como Ultralytics YOLO11 pode ajudar as empresas a monitorizar sistemas legados com visão computacional alimentada por IA, melhorando a eficiência e reduzindo os custos de atualização.
.webp)
Muitas empresas, principalmente nos setores de manufatura, automação industrial, aeroespacial, telecomunicações e energia, dependem de sistemas legados para suas operações diárias. No entanto, a manutenção desses sistemas mais antigos geralmente acarreta altos custos e desafios técnicos. Apesar disso, a principal razão pela qual as empresas continuam a usar sistemas legados é que eles estão profundamente integrados em seus fluxos de trabalho.
Quase dois terços das empresas gastam mais de US$ 2 milhões na manutenção e atualização de sistemas legados. Esses sistemas mais antigos foram construídos para uma época diferente, quando a automação e a análise em tempo real não eram uma prioridade. As empresas costumavam confiar em processos manuais ou ferramentas de monitoramento desatualizadas, o que levava a ineficiências e maiores riscos operacionais. Como resultado, muitas empresas se veem presas a esses sistemas desatualizados, incapazes de fazer a transição facilmente para soluções mais modernas sem interrupções significativas.
É aqui que a IA e a visão por computador, que permitem aos computadores compreender e analisar dados visuais, podem intervir e ajudar. Especificamente, modelos de visão computacional como o Ultralytics YOLO11 podem ser utilizados para detect e monitorizar sistemas antigos, como contadores e medidores.
Neste artigo, vamos explorar a forma como YOLO11 pode ser utilizado na monitorização de sistemas antigos, as suas vantagens e a forma como as empresas o podem integrar facilmente nos seus fluxos de trabalho existentes.
Os sistemas legados são vitais para muitos setores, mas transformá-los em sistemas digitais nem sempre é simples. Modernizar esses sistemas é importante para aumentar a eficiência e reduzir os riscos. Aqui estão alguns dos desafios técnicos e ambientais que as empresas enfrentam ao atualizar sistemas legados:
Muitas máquinas legadas usam mostradores, medidores e indicadores analógicos que não podem ser conectados a sistemas digitais. As soluções de Visão de IA podem usar câmeras para monitorar esses dispositivos, e as imagens podem ser processadas em tempo real para converter suas leituras em registros digitais para fácil rastreamento e geração de relatórios.
Um dos benefícios de usar a visão computacional para isso é que os problemas operacionais podem ser detectados quase instantaneamente. Em emergências, alertas automatizados podem notificar os operadores quando os valores excederem os limites de segurança.
Além disso, a visão por computador é uma opção mais económica. A instalação de câmaras e a implementação de um sistema de IA para analisar estas imagens é rentável em comparação com as actualizações tradicionais ou os métodos de monitorização manual. Em vez de actualizações dispendiosas das infra-estruturas, os modelos de visão por IA como o YOLO11 podem funcionar com o equipamento existente, tornando a modernização mais acessível.
Atualmente, a IA está em expansão e há uma variedade de modelos e técnicas a considerar quando se implementa uma solução de IA. Por isso, deve estar a perguntar-se: o que torna um modelo como o YOLO11 tão especial?
YOLO11 suporta várias tarefas de visão computacional, como a deteção de objectos, a segmentação de instâncias e o seguimento de objectos, e é ideal para a monitorização em tempo real. Uma das suas principais vantagens é a sua capacidade de funcionar de forma eficiente em dispositivos periféricos. Isto significa que pode processar dados localmente, sem depender de uma ligação de rede forte ou de uma infraestrutura de nuvem.
No chão de fábrica ou em ambientes industriais com redes fracas ou pouco fiáveis, a implementação do YOLO11 em dispositivos periféricos garante uma monitorização contínua e em tempo real sem interrupções, reduzindo a necessidade de soluções dispendiosas baseadas na nuvem e tornando-a uma opção mais acessível e prática para as empresas.
Para além disso, YOLO11 é conhecido pelo seu desempenho superior em termos de precisão e velocidade em comparação com os seus antecessores. Com menos 22% de parâmetros do que YOLOv8m, o YOLO11m atinge uma precisão média superiormAP) no conjunto de dados COCO .
Resumindo, YOLO11 consegue detect objectos com maior precisão e rapidez, mesmo com menos capacidade de processamento. Isto torna-o mais eficiente na deteção de problemas e na monitorização de sistemas em tempo real, ao mesmo tempo que utiliza menos recursos, o que é especialmente útil para sistemas antigos.
De seguida, vamos explorar alguns casos de utilização do mundo real em que YOLO11 automatiza processos utilizando a visão por computador para track e analisar leituras, tudo sem a necessidade de modificar o equipamento existente.
Várias máquinas industriais utilizam manómetros analógicos para medir a pressão, a temperatura e os níveis de fluidos. As leituras manuais demoram tempo e muitas vezes levam a inconsistências, especialmente em operações de grande escala. YOLO11 pode melhorar estes processos.
Aqui está um olhar mais atento sobre como funciona normalmente a monitorização de manómetros analógicos utilizando YOLO11 :
Embora este seja o método geral, as etapas exatas podem variar dependendo de fatores como o tipo de medidor, as condições ambientais e o ângulo ou a qualidade das imagens capturadas. Ajustes podem ser feitos para garantir leituras precisas com base nessas variáveis.
Muitos fornecedores de serviços públicos ainda dependem de contadores mecânicos para track o consumo de água, gás e eletricidade. Nalguns casos, são necessárias visitas manuais ao local para recolher as leituras, o que demora tempo e aumenta os custos.
YOLO11 automatiza o processo de monitorização utilizando a visão por computador para detect e cortar as partes relevantes dos mostradores dos contadores. Ao fazê-lo, os valores numéricos no mostrador podem ser isolados e o OCR pode ser utilizado para os ler.
Com os dados recolhidos utilizando a visão computacional, os fornecedores de serviços públicos podem analisar os padrões de consumo de forma mais eficaz. A integração da análise de dados no processo de monitorização ajuda a track as tendências históricas de utilização, a identificar anomalias e detect irregularidades, como picos ou quedas súbitas no consumo, que podem indicar problemas como fugas ou contadores defeituosos.
Sistemas legados, como unidades de controle industrial, monitores de rede elétrica e painéis de automação de fábrica, dependem de painéis de controle analógicos com interruptores, botões e luzes indicadoras para exibir o status da máquina e os códigos de erro. Geralmente, os operadores inspecionam esses painéis manualmente, o que consome tempo e aumenta o risco de respostas atrasadas.
YOLO11 pode otimizar este processo ao identificar e seguir com precisão os componentes do painel de controlo. Pode detect interruptores, etiquetas e luzes indicadoras, e determinar as suas posições e estados. Pode identificar se as luzes indicadoras estão a mostrar avisos ou funcionamento normal.
Por exemplo, se uma luz de aviso for activada, YOLO11 pode detect imediatamente a alteração e os operadores podem ser alertados, permitindo tempos de resposta mais rápidos e reduzindo o risco de não se detectarem questões críticas.
A visão computacional é uma forma prática de monitorar sistemas legados sem substituir o hardware existente. No entanto, como qualquer outra tecnologia, ela tem vantagens e limitações. Vamos explorar ambas para ter uma ideia melhor de como ela pode ser aplicada de forma eficaz.
Aqui estão algumas maneiras pelas quais a Visão de IA impacta positivamente o monitoramento de sistemas legados:
Enquanto isso, aqui estão algumas das considerações que precisam ser levadas em conta:
A monitorização eficiente de sistemas antigos nem sempre requer a substituição do hardware existente. Muitas empresas lidam com equipamento desatualizado, mas a Vision AI oferece uma forma de track o desempenho sem fazer grandes alterações.
YOLO11 torna isto possível através da utilização da deteção de objectos e de outras tarefas de visão por computador. Pode ler medidores, contadores e painéis de controlo com câmaras para monitorização em tempo real, sem necessidade de modificar o sistema. O modelo funciona sem problemas em dispositivos periféricos, o que o torna ideal para indústrias com conetividade limitada à nuvem. Isto permite às empresas processar dados no local e resolver rapidamente problemas operacionais.
Junte-se à nossa crescente comunidade! Explore o nosso repositório no GitHub para saber mais sobre IA e consulte nossas opções de licenciamento para iniciar seus projetos de Vision AI. Interessado em inovações como IA na área da saúde e visão computacional na agricultura? Visite nossas páginas de soluções para descobrir mais!
