A RTM reduz em 28% o custo de inferência com o Ultralytics YOLO26

A RTM é uma empresa de IA industrial sediada em Seul. Sua divisão de visão computacional desenvolve monitoramento de segurança com IA para instalações de manufatura: câmeras já instaladas no chão de fábrica são monitoradas 24 horas por dia por modelos Ultralytics YOLO26 que detectam pessoas, quedas, invasões em zonas de risco e incêndios ou fumaça, funcionando em qualquer PC que o cliente já tenha, desde um com placa gráfica integrada até outro com GPU dedicada.

Monitoramento de câmeras que ninguém está observando#

Acidentes industriais tendem a acontecer nas áreas que ninguém está monitorando. As fábricas já têm câmeras em todas as linhas, mas ninguém consegue acompanhar todas as imagens o tempo todo. A RTM criou um sistema para fazer isso continuamente: cada canal de câmera executa dois modelos Ultralytics YOLO26, um treinado para detectar pessoas e outro para detectar incêndios e fumaça, alimentando uma camada determinística de eventos que gera alarmes para quedas de trabalhadores e invasões em zonas de risco.

Nos últimos seis meses, a solução de IA para segurança industrial da RTM foi implantada 24 horas por dia, 7 dias por semana, ou está em avaliação no local em 21 empresas de manufatura dos setores siderúrgico, de baterias, químico e de plásticos, alimentício e de robótica. Conectado ao sistema de CFTV existente, o sistema detecta quando um trabalhador entra em uma zona perigosa ou cai e aciona alertas pelos sistemas internos ou, por meio da integração com PLC, controla diretamente os equipamentos conectados da fábrica.

Fig. 1. Transmissão ao vivo da detecção de quedas RTM com Ultralytics YOLO (fonte da imagem: RTM).

Resolvendo o problema do hardware que ninguém quer comprar#

O monitoramento de segurança concorre com a opção de não instalar nada. Se um sistema exige novo hardware de servidor antes de monitorar uma única câmera, a avaliação muitas vezes termina antes mesmo de começar. Até agora, os fabricantes tinham de escolher entre hardware dedicado caro e nenhum monitoramento automatizado.

A RTM buscou eliminar essa escolha: uma única implantação que funciona em qualquer PC já disponível na sala de controle, desde gráficos integrados Intel até uma NVIDIA RTX 3090, sem precisar criar uma versão específica para cada local.

Para isso, a RTM exporta os dois modelos YOLO26 para ONNX com formato estático e os executa pelo ONNX Runtime usando cinco provedores de execução: TensorRT, CUDA, OpenVINO, DirectML e CPU. Na inicialização, a biblioteca de inferência detecta o fabricante da GPU instalada e seleciona automaticamente a cadeia de provedores adequada; assim, o mesmo arquivo de 36 MB por modelo é executado sem alterações, tanto em máquinas sem GPU dedicada quanto em máquinas com placas de alto desempenho. O aplicativo implantado não depende de Python ou PyTorch, e não há versões específicas de cada fabricante para manter.

A cabeça de detecção de ponta a ponta do YOLO26 tornou prática essa abordagem de artefato único: como o modelo gera diretamente as detecções finais, a camada de inferência C++ da RTM precisa apenas de um limiar de confiança e de uma transformação inversa de letterbox, sem NMS para reimplementar nem diferenças de paridade para depurar entre o caminho de treinamento em Python e o caminho de implantação em C++, uma categoria de erro que costuma surgir sempre que um detector atravessa fronteiras entre linguagens.

O que uma GPU oferece, em números#

A RTM avaliou ambos os modelos YOLO26-small (pessoa e fogo/fumaça) em duas resoluções de entrada com uma NVIDIA RTX 3090 (ONNX Runtime 1.26.0, provedor de execução CUDA, FP32, lote 1, apenas passe direto). Em 640×640, o modelo de pessoas leva 4,20 ms por quadro e o modelo de fogo/fumaça, 4,34 ms; em 1280×1280, ambos chegam a cerca de 12,5 ms, e a memória da GPU aumenta de 406 MB para 1.302 MB. Assim, 640×640 custa cerca de 2,9 vezes menos por quadro e ocupa 3,2 vezes menos memória, enquanto a entrada maior melhora a detecção de objetos pequenos e distantes. A RTM fornece 640×640 como padrão e mantém disponível a exportação 1280×1280 para locais com capacidade de GPU suficiente para investir em margem de detecção em vez de quantidade de canais.

A mudança de CUDA em FP32 para TensorRT em FP16 reduziu o custo combinado por quadro dos dois modelos de 8,68 ms para 6,26 ms, uma redução de 28%, equivalente a cerca de 39,9 FPS em quatro canais com uma única GPU, em vez de 28,8 FPS. Antes de disponibilizar a conversão FP16, a RTM verificou que ela não reduzia a precisão: a revocação permaneceu inalterada em todas as faixas de tamanho de objetos e no nível de eventos, tanto para fogo quanto para fumaça. No aplicativo implantado, uma máquina com especificações recomendadas (Intel Core i7 de classe 16 núcleos ou superior, 32 GB de RAM e RTX 5060 de 8 GB ou superior) mantém 6 canais simultâneos, enquanto uma máquina de categoria inferior, apenas com gráficos integrados, mantém 1, diante de um limite de produto de 10 canais por máquina.

Por que usar Ultralytics YOLO26?#

A RTM treina o seu detetor de pessoas e o seu detetor de fogo/fumo através da mesma base de código de treino da Ultralytics, e ambos partilham 352 linhas de código sem qualquer ramificação específica do domínio. A única coisa que muda entre um detetor que procura pessoas e outro que procura fogo é um ficheiro de configuração: tamanho da entrada, épocas, taxa de aprendizagem e composição do conjunto de dados. Isto é um resultado direto da forma como o Ultralytics YOLO é desenvolvido. Uma arquitetura consistente e uma API de treino única para tarefas de deteção significa que um novo domínio de deteção exige uma alteração de configuração, não um novo pipeline, o que permitiu a uma pequena equipa de engenharia colocar em produção dois modelos sem manter duas bases de código.

Essa mesma consistência também tornou a adoção da YOLO26 uma mudança de baixo risco. A RTM adotou a YOLO26 quatro dias após o início do projeto, em maio de 2026, e a migração não exigiu nenhuma alteração nas linhas de código de treinamento existentes, apenas a troca do checkpoint. Como a Ultralytics mantém estável a interface de treinamento entre gerações de modelos, a atualização para a arquitetura mais recente não exigiu reescrever um pipeline que a RTM já havia criado e testado.

"Mesmo com o mesmo conjunto de dados, o tamanho da entrada e o aumento de dados alteram o desempenho do modelo. Com a Ultralytics, tudo isso está num único ficheiro de configuração, por isso alteramos alguns valores, executamos várias versões lado a lado e escolhemos a melhor. Nunca tocamos no código para nada disto, por isso preparar dez execuções dá praticamente o mesmo trabalho que executar uma." — Engenheiro de IA, RTM

Essa estabilidade também trouxe ganhos de precisão. A consolidação de um currículo de treinamento sequencial em cinco etapas numa única execução conjunta aumentou o mAP₅₀ de validação de 0,672 para 0,689, sem alterar o limiar de operação. A RTM obteve esse ganho simplesmente retreinando a mesma arquitetura YOLO26, sem reformular o modelo. E como a YOLO26 é exportada sem problemas como um artefato ONNX de formato fixo, com os limiares de detecção em um arquivo auxiliar em vez de compilados no aplicativo, a equipe em campo incorporou esse ganho de precisão trocando um arquivo ONNX, sem alterar o aplicativo hospedeiro. Isso permite que uma pequena equipe de engenharia envie atualizações de modelo a todos os locais sem coordenar um lançamento e é uma consequência direta de usar a YOLO26, em vez de uma arquitetura personalizada.

O que vem depois da detecção#

Os alarmes da RTM não são detecções brutas: a presença de uma pessoa no quadro não é um evento, mas uma pessoa que caiu e permaneceu no chão é. Uma camada determinística de eventos fica acima dos dois modelos YOLO26 e combina rastreamento, estado de postura, pertencimento a zonas e uma votação em janela deslizante antes de disparar qualquer alarme. Manter essa lógica separada do modelo permite que um único detector de pessoas atenda a todos os locais, apesar das grandes variações na altura e no ângulo das câmeras e na iluminação entre fábricas. Isso também permite reutilizar as detecções existentes em novos recursos de segurança: a RTM está desenvolvendo o monitoramento de conformidade com EPI usando a mesma saída de detecção de pessoas, sem precisar de um novo modelo nem de novo hardware nos locais equipados com GPU.

O impacto geral#

O impacto fica mais evidente nos clientes da RTM que integram robôs colaborativos. Eles fornecem e instalam cobots em fábricas e há muito lidam com colisões entre trabalhadores e robôs, apesar das barreiras físicas ou a laser de segurança. Com o sistema da RTM, a invasão de uma zona de risco é detectada e aciona imediatamente uma parada do robô conectada por PLC, sem atraso. Desde então, esses integradores adotaram o sistema como dispositivo de segurança padrão, substituindo as barreiras físicas.

Um cliente do setor siderúrgico relatou que a capacidade do Ultralytics YOLO de adaptar cenários de detecção a diferentes locais permitiu reduzir em mais de 100 o número de funcionários de monitoramento de segurança que antes patrulhavam a fábrica. De modo geral, os fabricantes descrevem a solução da RTM como a mais fácil de instalar e a mais econômica entre as opções de monitoramento de segurança avaliadas, e afirmam que a detecção de zonas de perigo, quedas e incêndio/fumaça atende às suas principais necessidades.

Expandindo ainda mais com os mesmos modelos#

A próxima etapa da RTM é detectar a conformidade com o uso de EPI, usando integralmente a saída de detecção de pessoas existente. Não é preciso treinar um novo modelo e, nos locais com capacidade sobrando na GPU, não é necessário instalar hardware novo. À medida que a implantação avança para mais instalações industriais e diferentes categorias de hardware, a mesma exportação ONNX única por modelo continua dando conta do trabalho, desde PCs com gráficos integrados e especificações mais baixas até servidores com GPUs de alto desempenho no chão de fábrica.

Quer criar suas próprias soluções de IA para visão? Explore nossos modelos Ultralytics YOLO, veja como são usados em diferentes setores, incluindo a visão computacional na manufatura, e confira as opções de licenciamento para começar.