Monitorizar sistemas legados com a ajuda do Ultralytics YOLO11

Muitas empresas, sobretudo nos setores da manufatura, automação industrial, aeroespacial, telecomunicações e energia, dependem de sistemas legados para as suas operações diárias. No entanto, a manutenção destes sistemas mais antigos acarreta frequentemente custos elevados e desafios técnicos. Apesar disso, a principal razão pela qual as empresas continuam a utilizar sistemas legados é o facto de estes estarem profundamente integrados nos seus fluxos de trabalho.

Quase dois terços das empresas gastam mais de 2 milhões de dólares na manutenção e atualização de sistemas legados. Estes sistemas mais antigos foram construídos para uma época diferente, em que a automação e a análise em tempo real não eram prioridades. As empresas dependiam de processos manuais ou de ferramentas de monitorização desatualizadas, o que conduzia a ineficiências e a maiores riscos operacionais. Como resultado, muitas empresas ficam presas a estes sistemas obsoletos, sem conseguirem migrar facilmente para soluções mais modernas sem interrupções significativas.

É aqui que a IA e a visão computacional, 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 detetar e monitorizar sistemas legados, como contadores e manómetros.

Neste artigo, vamos explorar como o Ultralytics YOLO11 pode ser utilizado na monitorização de sistemas legados, quais são os seus benefícios e como as empresas podem integrá-lo facilmente nos seus fluxos de trabalho existentes.

Fig. 1. Exemplos de sistemas legados. Imagem do autor.

Desafios relacionados com a modernização de sistemas legados#

Os sistemas legados são essenciais para muitas indústrias, mas transformá-los em sistemas digitais nem sempre é simples. A modernização destes sistemas é importante para aumentar a eficiência e reduzir os riscos. Eis alguns dos desafios técnicos e ambientais que as empresas enfrentam ao atualizar sistemas legados:

• Falta de interfaces digitais: Muitos sistemas legados foram concebidos antes de a transformação digital se tornar comum. Funcionam através de controlos analógicos, manómetros e indicadores mecânicos, o que dificulta a integração direta com soluções de monitorização modernas.

• Custos elevados de atualização: Substituir ou atualizar infraestruturas legadas pode ser dispendioso e causar interrupções. Muitas empresas hesitam em investir em substituições completas devido aos custos iniciais elevados e às preocupações com o tempo de inatividade.

• Conceções de sistemas inconsistentes: A maquinaria mais antiga varia significativamente em termos de estrutura, materiais e funcionalidade. Esta falta de normalização dificulta a aplicação de uma solução digital uniforme em diferentes sistemas.

• Desafios na captura de dados em tempo real: Os mostradores analógicos não foram concebidos para a recolha automatizada de dados, o que dificulta a extração de leituras precisas e em tempo real de mostradores, contadores ou contadores mecânicos.

Fig. 2. Desafios relacionados com a modernização de sistemas legados. Imagem do autor.

Como a IA de visão pode ajudar a monitorizar sistemas legados#

Muitas máquinas legadas utilizam mostradores, contadores e manómetros analógicos que não podem ser ligados a sistemas digitais. As soluções de IA de visão podem utilizar câmaras para monitorizar estes dispositivos, e as imagens podem ser processadas em tempo real para converter as suas leituras em registos digitais, facilitando o acompanhamento e a elaboração de relatórios.

Uma das vantagens de utilizar visão computacional para este fim é que os problemas operacionais podem ser detetados quase instantaneamente. Em situações de emergência, os alertas automatizados podem notificar os operadores quando os valores ultrapassam os limites de segurança.

Além disso, a visão computacional 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 atualizações tradicionais ou métodos de monitorização manual. Em vez de dispendiosas atualizações da infraestrutura, modelos de IA de visão como o YOLO11 podem funcionar com o equipamento existente, tornando a modernização mais acessível.

Sistemas de monitorização legados potenciados pelo Ultralytics YOLO11#

Atualmente, a IA está em plena expansão e existem vários modelos e técnicas a considerar ao implementar uma solução de IA. Por isso, pode estar a perguntar-se: o que torna um modelo como o Ultralytics YOLO11 tão especial?

O Ultralytics YOLO11 é compatível com várias tarefas de visão computacional, como deteção de objetos, segmentação de instâncias e rastreamento de objetos, sendo ideal para a monitorização em tempo real. Uma das suas principais vantagens é a capacidade de funcionar de forma eficiente em dispositivos de edge. Isto significa que pode processar dados localmente, sem depender de uma ligação de rede forte ou de uma infraestrutura na cloud.

Fig. 3. Um exemplo da utilização do Ultralytics YOLO11 para deteção de objetos.

Em linhas de produção ou ambientes industriais com redes fracas ou pouco fiáveis, implementar o Ultralytics YOLO11 em dispositivos de edge garante uma monitorização contínua e em tempo real, sem interrupções, reduzindo a necessidade de soluções dispendiosas baseadas na cloud e tornando-o numa opção mais acessível e prática para as empresas.

Além disso, o YOLO11 é conhecido pelo seu desempenho superior, tanto em precisão como em velocidade, quando comparado com os seus antecessores. Com menos 22% de parâmetros do que o YOLOv8m, o YOLO11m alcança uma precisão média (mAP) mais elevada no conjunto de dados COCO.

Em termos simples, o Ultralytics YOLO11 consegue detetar objetos com maior precisão e rapidez, mesmo com menor capacidade de processamento. Isto torna-o mais eficiente na deteção de problemas e na monitorização de sistemas em tempo real, utilizando menos recursos, o que é especialmente útil para sistemas legados.

Aplicações do Ultralytics YOLO11 em sistemas de monitorização legados#

De seguida, vamos explorar alguns casos de utilização reais em que o Ultralytics YOLO11 automatiza processos através da visão computacional para rastrear e analisar leituras, tudo isto sem necessidade de modificar o equipamento existente.

Monitorização de manómetros analógicos com o Ultralytics YOLO11#

Várias máquinas industriais utilizam manómetros analógicos para medir a pressão, a temperatura e os níveis de fluidos. As leituras manuais demoram tempo e conduzem frequentemente a inconsistências, sobretudo em operações de grande escala. O Ultralytics YOLO11 pode melhorar estes processos.

Eis uma análise mais detalhada de como funciona normalmente a monitorização de manómetros analógicos com o Ultralytics YOLO11:

• Deteção de objetos: Primeiro, o Ultralytics YOLO11 deteta e localiza o manómetro numa imagem, garantindo que é identificado com precisão, mesmo em ambientes complexos.
• Segmentação de instâncias: Depois de identificar o manómetro, o Ultralytics YOLO11 utiliza a segmentação de instâncias para separar elementos essenciais, como o ponteiro, a escala e as marcações numéricas. Isto é importante porque garante que o sistema se concentra apenas nas partes relevantes do manómetro, removendo qualquer ruído ou distração do fundo. Ao isolar estas áreas essenciais, o passo seguinte torna-se mais preciso e eficiente.
• Reconhecimento óptico de caracteres (OCR): Por fim, a tecnologia OCR pode ser utilizada para converter os números do manómetro em dados digitais, permitindo às empresas acompanhar as medições sem necessidade de leituras manuais.

Embora este seja o método geral, os passos exatos podem variar consoante fatores como o tipo de manómetro, as condições ambientais e o ângulo ou a qualidade das imagens captadas. Podem ser feitos ajustes para garantir leituras precisas com base nestas variáveis.

Fig. 4. Como funciona a monitorização de manómetros analógicos com o Ultralytics YOLO11. Imagem do autor.

O Ultralytics YOLO11 pode simplificar a monitorização de contadores de serviços públicos#

Muitos fornecedores de serviços públicos ainda dependem de contadores mecânicos para acompanhar o consumo de água, gás e eletricidade. Em alguns casos, são necessárias visitas presenciais para recolher as leituras, o que demora tempo e aumenta os custos.

O Ultralytics YOLO11 automatiza o processo de monitorização utilizando visão computacional para detetar e recortar as partes relevantes dos mostradores dos contadores. Desta forma, os valores numéricos do mostrador podem ser isolados e o OCR pode ser utilizado para os ler.

Com os dados recolhidos através da visão computacional, os fornecedores de serviços públicos podem analisar os padrões de consumo de forma mais eficaz. Integrar a análise de dados no processo de monitorização ajuda a acompanhar tendências históricas de utilização, identificar anomalias e detetar irregularidades, como picos ou quedas repentinas no consumo, que podem indicar problemas como fugas ou contadores avariados.

Análise de painéis de controlo com o Ultralytics YOLO11#

Sistemas legados, como unidades de controlo industrial, monitores de redes elétricas e painéis de automação fabril, dependem de painéis de controlo analógicos com interruptores, botões e luzes indicadoras para apresentar o estado das máquinas e códigos de erro. Geralmente, os operadores inspecionam estes painéis manualmente, o que consome tempo e aumenta o risco de respostas tardias.

O Ultralytics YOLO11 pode otimizar este processo ao identificar e rastrear com precisão os componentes do painel de controlo. Pode detetar interruptores, etiquetas e luzes indicadoras, bem como determinar as respetivas posições e estados. Também pode identificar se as luzes indicadoras apresentam avisos ou um funcionamento normal.

Por exemplo, se uma luz de aviso for ativada, o Ultralytics YOLO11 pode detetar imediatamente a alteração e os operadores podem ser alertados, permitindo tempos de resposta mais rápidos e reduzindo o risco de ignorar problemas críticos.

Fig. 5. Um painel de controlo com luzes indicadoras.

Vantagens e desvantagens da modernização de sistemas legados#

A visão computacional é uma forma prática de monitorizar sistemas legados sem substituir o hardware existente. No entanto, como qualquer outra tecnologia, apresenta vantagens e limitações. Vamos analisar ambos os aspetos para compreender melhor como pode ser aplicada de forma eficaz.

Eis algumas formas pelas quais a IA de visão tem um impacto positivo na monitorização de sistemas legados:

• Custos mais baixos a longo prazo: Embora a configuração inicial possa exigir um investimento, a automatização das tarefas de monitorização e a redução do erro humano podem gerar poupanças significativas ao longo do tempo.
• Consistência e fiabilidade: Ao contrário das inspeções humanas, que podem variar em qualidade e consistência, o Ultralytics YOLO11 oferece um desempenho consistente e fiável ao longo do tempo.
• Tomada de decisões melhorada: Os dados e a análise em tempo real melhoram a tomada de decisões, permitindo aos operadores fazer escolhas informadas com base em informações atualizadas.

Entretanto, eis alguns aspetos que devem ser tidos em consideração:

• Dependência da qualidade da imagem: A visão computacional depende fortemente de imagens ou transmissões de vídeo de alta qualidade. Uma qualidade de imagem fraca, uma resolução baixa ou uma iluminação inadequada podem conduzir a deteções imprecisas ou falhadas.
• Vulnerabilidade a fatores ambientais: Ambientes adversos, como temperaturas extremas, poeira, vibrações ou interferências, podem degradar o desempenho dos sistemas de visão computacional.
• Complexidade no tratamento de grandes volumes de dados: À medida que o sistema recolhe grandes quantidades de dados visuais, gerir, armazenar e analisar esses dados pode tornar-se um desafio sem uma infraestrutura adequada.

Principais conclusões#

A monitorização eficiente de sistemas legados nem sempre exige a substituição do hardware existente. Muitas empresas lidam com equipamentos obsoletos, mas a IA de visão oferece uma forma de acompanhar o desempenho sem efetuar alterações significativas.

O Ultralytics YOLO11 torna isto possível através da deteção de objetos e de outras tarefas de visão computacional. Pode ler manómetros, 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 de edge, sendo uma excelente opção para indústrias com conectividade limitada à cloud. Isto permite às empresas processar dados no local e resolver rapidamente problemas operacionais.

Junta-te à nossa crescente comunidade! Explora o nosso repositório no GitHub para aprenderes sobre IA e consulta as nossas opções de licenciamento para começares os teus projetos de IA de visão. Tens interesse em inovações como IA na área da saúde e visão computacional na agricultura? Visita as nossas páginas de soluções para descobrires mais!