A VideoLogic Analytics estava integrando recursos de IA em suas câmeras de segurança, mas muitos modelos de IA eram muito caros e lentos para serem implementados.
A integração dos modelosYOLO Ultralytics , ajustados com base em dados proprietários e optimizados para vários formatos de exportação, permitiu à VideoLogic Analytics reduzir os custos e o tempo de colocação no mercado.
A Videologic Analytics é uma empresa com sede em Espanha que desenvolve soluções avançadas de análise de vídeo que melhoram a segurança e a vigilância de instalações industriais, parques solares e complexos residenciais. Implementam soluções baseadas em IA que se integram com câmaras de segurança para monitorizar perímetros e detect intrusões em tempo real.
Confrontados com os elevados custos e a lenta implementação dos modelos anteriores, integraram os modelosYOLO Ultralytics para aumentar a precisão da deteção, reduzir os custos de desenvolvimento e o tempo de colocação no mercado e expandir-se para novas áreas, como o retalho e a inteligência comercial.
Liderada por especialistas com mais de 30 anos de experiência, a Videologic Analytics é especializada na integração de IA e visão computacional em câmeras de segurança para monitoramento em tempo real e detecção automatizada de ameaças. Suas soluções protegem grandes instalações, instalações de energia renovável e comunidades residenciais com desempenho confiável.
Servem clientes de renome, como a Prosegur, a Securitas, a Sabico e mais de 4000 empresas de segurança certificadas em Espanha. Enfrentando desafios com o desenvolvimento e a implantação de modelos de IA caros e demorados, eles adotaram os modelosYOLO Ultralytics em suas soluções inovadoras de IA de visão. Ao fazer isso, eles conseguiram aprimorar seus aplicativos de segurança e também se ramificar em novas verticais.
A Videologic Analytics já tinha integrado modelos de IA nas câmaras de segurança que oferecia aos seus clientes. Estes primeiros modelos foram programados para detect uma gama limitada de categorias de objectos, incluindo veículos genéricos, humanos e pequenos animais. Embora esta abordagem fundamental tenha lançado as bases para sistemas de segurança avançados, também apresentou oportunidades para um maior refinamento, particularmente no que diz respeito ao aumento da precisão e das taxas de falsos positivos.
Seus clientes estavam procurando por uma solução mais abrangente, capaz de fornecer recursos de detecção de objetos mais amplos e precisos em uma gama maior de objetos e cenários. Para atender a essas necessidades dos clientes, a equipe de pesquisa e desenvolvimento da Videologic Analytics começou a desenvolver modelos de IA aprimorados.
Ao desenvolver esses modelos, a Videologic Analytics rapidamente descobriu que a abordagem existente apresentava alguns problemas, como altos custos e longos tempos de desenvolvimento. A empresa percebeu que precisava de uma abordagem mais flexível e eficiente. Essa nova abordagem precisaria enfrentar esses desafios e atender melhor às necessidades de segurança em evolução de seus clientes.
Especificamente, eles queriam identificar um modelo de visão computacional que pudesse aumentar a confiabilidade de suas soluções de IA Vision e aumentar a satisfação do cliente. Também era essencial que o modelo permanecesse económico e adaptável às necessidades futuras.
Depois de testar vários modelos de IA, a Videologic Analytics descobriu que os modelosYOLO Ultralytics forneciam a flexibilidade e o desempenho de que precisavam. Eles começaram com modelos YOLO pré-treinados desenvolvidos usando o conjunto de dadosCOCO , que inclui uma ampla gama de objetos comuns. Esse pré-treinamento ofereceu uma base sólida, pois os modelos já podiam reconhecer muitos itens básicos, facilitando a adaptação para necessidades específicas de segurança.
Por exemplo, a Videologic Analytics ajustou esses modelos pré-treinados usando seus próprios dados proprietários para aplicações como o monitoramento de parques solares.
Nesse cenário, os modelos foram usados para a detecção de anomalias orientada por IA, distinguindo entre ameaças genuínas - como pessoal ou veículos não autorizados - e elementos inofensivos, como pequenos animais ou detritos levados pelo vento. Essa diferenciação clara foi essencial para reduzir alarmes falsos e melhorar o desempenho geral da segurança.
Para além da monitorização de parques solares, também desenvolveram soluções de segurança industrial e residencial utilizando YOLO, bem como módulos de prova de conceito para inovações de visão computacional no retalho e na inteligência empresarial. Embora utilizem principalmente a deteção de objectos, também tiram partido das tarefas de visão computacional suportadas pelo YOLO, como a estimativa de pose e o seguimento de objectos.
A Videologic Analytics escolheu os modelosYOLO Ultralytics porque necessitava de uma solução robusta capaz de suportar vários canais de câmara e, ao mesmo tempo, fornecer uma inferência rápida e precisa.
YOLO suporta vários formatos de exportação e integra-se perfeitamente com estruturas como CUDA, TensorRT, ONNX e OpenVINO. Esta flexibilidade permite à Videologic Analytics afinar os modelos utilizando PyTorch e implementá-los de forma eficiente na produção. Com optimizações específicas de hardware, YOLO satisfaz as necessidades exigentes da análise de vídeo em tempo real melhor do que os modelos anteriores.
Desde a integração dos modelosYOLO Ultralytics , a Videologic Analytics tem visto melhorias impressionantes tanto no desempenho quanto na eficiência. A sua nova solução Vision AI permitiu a deteção rápida e em tempo real de ameaças numa vasta gama de instalações - desde parques solares e locais industriais a complexos residenciais.
De facto, a Videologic Analytics implementa cerca de 10 000 licenças anualmente, cada uma correspondendo a um canal de câmara dedicado, com todas as licenças agora actualizadas para suportar os modelos Ultralytics YOLO . A mudança para o YOLO levou a uma redução significativa dos falsos alarmes e a um aumento geral da precisão da deteção. Como resultado, os clientes usufruem de sistemas de segurança mais fiáveis e os custos operacionais foram reduzidos.
Além disso, as velocidades de inferência mais rápidas e a escalabilidade dos modelos Ultralytics YOLO reduziram o tempo de colocação no mercado de novas funcionalidades de IA. Isto permitiu à Videologic Analytics melhorar as suas principais ofertas de segurança e explorar novas oportunidades em verticais como o retalho e a inteligência empresarial. No geral, a adoção dos modelosYOLO Ultralytics conduziu a melhorias operacionais imediatas e a perspectivas de crescimento a longo prazo para a empresa.
A Videologic Analytics está a trabalhar ativamente na expansão da sua solução, tirando partido dos modelosYOLO Ultralytics para ir além da deteção básica de intrusões. As próximas etapas envolvem o fornecimento de percepções mais ricas e acionáveis por meio de análises avançadas, como análise de comportamento, rastreamento de tendências e inteligência preditiva.
Essas melhorias ajudarão os clientes a otimizar as operações de segurança e a desbloquear novas possibilidades em inteligência de varejo e de negócios, impulsionando a inovação contínua e o crescimento na análise de vídeo em tempo real.
Curioso para saber como a visão computacional pode remodelar seu negócio? Explore o nosso repositório GitHub para ver como as soluções de IA da Ultralyticsestão a transformar inovações como a IA em carros autónomos e a visão computacional na agricultura. Saiba mais sobre nossos modelos YOLO e opções de licenciamento e comece sua jornada rumo a uma automação mais inteligente e eficiente hoje mesmo.
Os modelos Ultralytics YOLO são arquitecturas de visão por computador desenvolvidas para analisar dados visuais de imagens e entradas de vídeo. Estes modelos podem ser treinados para tarefas que incluem a deteção de objectos, a classificação, a estimativa de pose, o seguimento e a segmentação de instânciasYOLO
YOLO11 Ultralytics YOLO11 é a versão mais recente dos nossos modelos de Visão Computacional. Tal como as versões anteriores, suporta todas as tarefas de visão computacional que a comunidade de IA de visão adorou no YOLOv8. O novo YOLO11, no entanto, vem com maior desempenho e precisão, tornando-o uma ferramenta poderosa e o aliado perfeito para os desafios da indústria do mundo real.
O modelo que escolher usar depende dos requisitos específicos do seu projeto. É fundamental ter em conta fatores como desempenho, precisão e necessidades de implementação. Aqui está uma visão geral rápida:
Os repositóriosYOLO Ultralytics , como o YOLOv5 e o YOLO11, são distribuídos sob a licença AGPL-3.0 por defeito. Esta licença aprovada pela OSI foi concebida para estudantes, investigadores e entusiastas, promovendo a colaboração aberta e exigindo que qualquer software que utilize componentes AGPL-3.0 seja também de fonte aberta. Embora assegure a transparência e promova a inovação, pode não se alinhar com casos de utilização comercial.
Se o seu projeto envolver a incorporação do software Ultralytics e dos modelos de IA em produtos ou serviços comerciais e pretender contornar os requisitos de código aberto da AGPL-3.0, uma Licença Empresarial é ideal.
Os benefícios da licença Enterprise incluem:
Para garantir uma integração perfeita e evitar as restrições AGPL-3.0 , solicite uma Licença Empresarial Ultralytics usando o formulário fornecido. A nossa equipa ajudá-lo-á a adaptar a licença às suas necessidades específicas.
.webp)
.webp)
.webp)
.webp)