A integração de modelos Ultralytics YOLO, ajustados com dados proprietários e otimizados para vários formatos de exportação, permitiu que a Videologic Analytics reduzisse custos e o tempo de chegada ao mercado.
A Videologic Analytics é uma empresa espanhola que desenvolve soluções avançadas de análise de vídeo para melhorar a segurança e vigilância em instalações industriais, parques solares e complexos residenciais. A empresa implementa soluções com IA integradas com câmaras de segurança para monitorizar perímetros e detetar intrusões em tempo real.
Diante dos altos custos e da implantação lenta dos modelos anteriores, a empresa integrou modelos Ultralytics YOLO para aumentar a precisão da detecção, reduzir os custos de desenvolvimento e o tempo de chegada ao mercado e expandir para novas áreas, como varejo e inteligência de negócios.
Viabilizando a visão computacional para segurança com câmeras de IA#
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.
A empresa atende clientes renomados, como Prosegur, Securitas, Sabico e mais de 4.000 empresas de segurança certificadas na Espanha. Diante dos desafios relacionados ao desenvolvimento e à implantação de modelos de IA caros e demorados, adotou modelos Ultralytics YOLO em suas soluções inovadoras de Vision AI. Com isso, conseguiu aprimorar seus aplicativos de segurança e também expandir para novos segmentos.
A necessidade de detecção automatizada de ameaças com IA e baixo custo#
A Videologic Analytics já havia integrado modelos de IA às câmeras de segurança oferecidas aos clientes. Esses primeiros modelos foram programados para detectar uma quantidade limitada de categorias de objetos, incluindo veículos genéricos, pessoas e animais pequenos. Embora essa abordagem inicial tenha servido de base para sistemas de segurança avançados, também abriu espaço para melhorias, especialmente no aumento da precisão e na redução das taxas de falsos positivos.
Os clientes buscavam uma solução mais abrangente, capaz de oferecer recursos mais amplos e precisos de detecção de objetos em uma variedade maior de objetos e cenários. Para atender a essas necessidades, a equipe de pesquisa e desenvolvimento da Videologic Analytics começou a desenvolver modelos de IA aprimorados.
Durante o desenvolvimento desses modelos, a Videologic Analytics percebeu rapidamente que a abordagem existente tinha alguns problemas, como custos elevados e longos prazos de desenvolvimento. A empresa entendeu que precisava de uma abordagem mais flexível e eficiente. Essa nova abordagem precisava enfrentar esses desafios e atender melhor às necessidades de segurança em constante evolução dos clientes.
Mais especificamente, a empresa queria identificar um modelo de visão computacional capaz de aumentar a confiabilidade de suas soluções de Vision AI e elevar a satisfação dos clientes. Também era essencial que o modelo fosse econômico e adaptável a necessidades futuras.
Redefinindo a vigilância com detecção de anomalias baseada em IA#
Depois de testar vários modelos de IA, a Videologic Analytics descobriu que os modelos Ultralytics YOLO ofereciam a flexibilidade e o desempenho necessários. A empresa começou com modelos YOLO pré-treinados com o conjunto de dados COCO, que inclui uma ampla variedade de objetos comuns. Esse pré-treinamento ofereceu uma base sólida, pois os modelos já eram capazes de reconhecer muitos itens básicos, facilitando sua adaptação a necessidades específicas de segurança.
Por exemplo, a Videologic Analytics ajustou esses modelos pré-treinados usando dados proprietários para aplicações como o monitoramento de parques solares.
Neste cenário, os modelos foram utilizados para a deteção de anomalias com IA, distinguindo ameaças reais (como pessoas ou veículos não autorizados) de elementos inofensivos, como pequenos animais ou detritos arrastados pelo vento. Esta distinção clara foi essencial para reduzir os falsos alarmes e melhorar o desempenho geral da segurança.
Além de monitorar parques solares, eles também desenvolveram soluções de segurança para os setores industrial e residencial com YOLO, além de módulos de prova de conceito para inovações em visão computacional no varejo e em inteligência de negócios. Embora usem principalmente a detecção de objetos, também aproveitam as tarefas de visão computacional oferecidas pelo YOLO, como estimativa de pose e rastreamento de objetos.
Fig. 1 A Videologic Analytics usa modelos Ultralytics YOLO para monitorar usinas de energia solar.
Por que escolher os modelos Ultralytics YOLO?#
A Videologic Analytics escolheu os modelos Ultralytics YOLO porque precisava de uma solução robusta, capaz de oferecer suporte a diversos canais de câmera e, ao mesmo tempo, proporcionar inferência rápida e precisa.
YOLO é compatível com vários formatos de exportação e integra-se perfeitamente a frameworks como CUDA, TensorRT, ONNX e OpenVINO. Essa flexibilidade permite que a Videologic Analytics ajuste modelos com PyTorch e os implante com eficiência em produção. Com otimizações específicas para cada hardware, YOLO atende às exigências da análise de vídeo em tempo real melhor do que os modelos anteriores.
Implantação simplificada de modelos para monitoramento inteligente por vídeo#
Desde que integrou os modelos Ultralytics YOLO, a Videologic Analytics observou melhorias impressionantes tanto no desempenho quanto na eficiência. Sua nova solução de Vision AI possibilitou a detecção rápida de ameaças em tempo real em uma ampla variedade de instalações, de parques solares e instalações industriais a condomínios residenciais.
Na verdade, a Videologic Analytics implanta cerca de 10.000 licenças por ano, cada uma correspondente a um canal de câmera dedicado, e todas as licenças agora foram atualizadas para oferecer suporte aos modelos Ultralytics YOLO. A mudança para YOLO reduziu significativamente os alarmes falsos e aumentou a precisão geral da detecção. Como resultado, os clientes contam com sistemas de segurança mais confiáveis, e os custos operacionais diminuíram.
Além disso, a maior velocidade de inferência e a escalabilidade dos modelos Ultralytics YOLO reduziram o tempo de chegada ao mercado de novos recursos de IA. Isso permitiu que a Videologic Analytics aprimorasse suas principais soluções de segurança e explorasse novas oportunidades em segmentos como varejo e inteligência de negócios. De modo geral, a adoção dos modelos Ultralytics YOLO gerou melhorias operacionais imediatas e perspectivas de crescimento a longo prazo para a empresa.
Fig. 2. A Videologic Analytics utiliza modelos Ultralytics YOLO para monitorizar ambientes urbanos.
Análise inteligente de vídeo para segurança e proteção: o que vem pela frente#
A Videologic Analytics está trabalhando ativamente para expandir sua solução com modelos Ultralytics YOLO e ir além da detecção básica de invasões. As próximas etapas envolvem oferecer insights mais ricos e práticos por meio de análises avançadas, como análise de comportamento, rastreamento de tendências e inteligência preditiva.
Estas melhorias ajudarão os clientes a otimizar as operações de segurança e a desbloquear novas possibilidades no retalho e na inteligência empresarial, impulsionando a inovação e o crescimento contínuos na análise de vídeo em tempo real.
Tens curiosidade em saber como a visão por computador pode transformar a tua empresa? Explora o nosso repositório do GitHub para ver como as soluções de IA da Ultralytics estão a transformar inovações como a IA no retalho e a visão por computador na agricultura. Descobre mais sobre os nossos modelos YOLO e as opções de licenciamento e começa hoje o teu percurso rumo a uma automatização mais inteligente e eficiente.
Escrito por
Criador de conteúdo · Ultralytics
