Videologic Analytics escala para 10 mil licenças de câmera de IA com Ultralytics YOLO

A Videologic Analytics é uma desenvolvedora com sede na Espanha de soluções avançadas de análise de vídeo que aprimoram a segurança e a vigilância para locais industriais, parques solares e complexos residenciais. Eles implementam soluções baseadas em IA que se integram com câmeras de segurança para monitorar perímetros e detectar intrusões em tempo real.

Enfrentando altos custos e implementação lenta com modelos anteriores, eles integraram os modelos Ultralytics YOLO para aumentar a precisão da detecção, reduzir os custos de desenvolvimento e o tempo de lançamento no mercado, e expandir para novas áreas como varejo e inteligência de negócios.

Link to this sectionHabilitando 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, usinas de energia renovável e comunidades residenciais com desempenho confiável.

Eles atendem clientes renomados como Prosegur, Securitas, Sabico e mais de 4.000 empresas de segurança certificadas na Espanha. Enfrentando desafios com o desenvolvimento e a implementação caros e demorados de modelos de IA, eles adotaram os modelos Ultralytics YOLO em suas soluções inovadoras de Vision AI. Ao fazer isso, conseguiram aprimorar suas aplicações de segurança e também expandir para novos setores verticais.

Link to this sectionA necessidade de detecção automatizada de ameaças com bom custo-benefício usando IA#

A Videologic Analytics já havia integrado modelos de IA nas câmeras de segurança que oferecia aos seus clientes. Esses primeiros modelos eram programados para detectar uma gama limitada de categorias de objetos, incluindo veículos genéricos, humanos e pequenos animais. Embora essa abordagem fundamental tenha preparado o caminho para sistemas de segurança avançados, ela também apresentou oportunidades para refinamento adicional, particularmente no aumento da precisão e na redução de falsos positivos.

Seus clientes buscavam uma solução mais abrangente, capaz de oferecer 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 tinha alguns problemas, como custos elevados 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 dos seus clientes.

Especificamente, eles queriam identificar um modelo de visão computacional que pudesse aumentar a confiabilidade de suas soluções de Vision AI e impulsionar a satisfação do cliente. Também era essencial que o modelo permanecesse economicamente viável e adaptável a necessidades futuras.

Link to this sectionRedefinindo a vigilância com detecção de anomalias impulsionada por IA#

Após testar vários modelos de IA, a Videologic Analytics descobriu que os modelos Ultralytics YOLO ofereciam a flexibilidade e o desempenho de que precisavam. Eles começaram com modelos YOLO pré-treinados desenvolvidos usando o dataset COCO, que inclui uma ampla gama de objetos comuns. Esse pré-treinamento ofereceu uma base sólida, já que os modelos já conseguiam reconhecer muitos itens básicos, tornando mais fácil adaptá-los para necessidades específicas de segurança.

Por exemplo, a Videologic Analytics ajustou esses modelos pré-treinados usando seus próprios dados proprietários para aplicações como monitoramento de parques solares.

Nesse cenário, os modelos foram usados para detecção de anomalias baseada em IA, distinguindo entre ameaças reais — como pessoal não autorizado ou veículos — e elementos inofensivos como pequenos animais ou detritos soprados pelo vento. Essa diferenciação clara foi essencial para reduzir alarmes falsos e melhorar o desempenho geral da segurança.

Além de monitorar fazendas solares, eles também desenvolveram soluções de segurança industrial e residencial usando YOLO, bem como módulos de prova de conceito para inovações de visão computacional no varejo e em inteligência de negócios. Embora utilizem principalmente a detecção de objetos, eles também aproveitam tarefas de visão computacional suportadas 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.

Link to this sectionPor que escolher Ultralytics YOLO models?#

A Videologic Analytics escolheu os modelos Ultralytics YOLO porque precisava de uma solução robusta capaz de suportar inúmeros canais de câmera enquanto entregava inferência rápida e precisa.

O YOLO suporta vários formatos de exportação e integra-se perfeitamente com frameworks como CUDA, TensorRT, ONNX e OpenVINO. Essa flexibilidade possibilita que a Videologic Analytics ajuste modelos usando PyTorch e os implemente eficientemente em produção. Com otimizações específicas de hardware, o YOLO atende melhor às necessidades exigentes de análise de vídeo em tempo real do que os modelos anteriores.

Link to this sectionImplementação de modelo otimizada para monitoramento de vídeo inteligente#

Desde a integração dos modelos Ultralytics YOLO, a Videologic Analytics viu melhorias impressionantes tanto em desempenho quanto em eficiência. Sua nova solução de Vision AI permitiu a detecção rápida e em tempo real de ameaças em uma ampla gama de instalações, desde parques solares e locais industriais até complexos residenciais.

De fato, a Videologic Analytics implementa cerca de 10.000 licenças anualmente, cada uma correspondendo a um canal de câmera dedicado, com todas as licenças agora atualizadas para suportar os modelos Ultralytics YOLO. A mudança para o YOLO levou a uma redução significativa em alarmes falsos e um aumento geral na precisão da detecção. Como resultado, os clientes desfrutam de sistemas de segurança mais confiáveis, e os custos operacionais foram reduzidos.

Além disso, as velocidades de inferência mais rápidas e a escalabilidade dos modelos Ultralytics YOLO encurtaram o tempo de lançamento no mercado para novos recursos de IA. Isso tornou possível para a Videologic Analytics aprimorar suas ofertas principais de segurança e explorar novas oportunidades em verticais como varejo e inteligência de negócios. No geral, a adoção dos modelos Ultralytics YOLO impulsionou tanto melhorias operacionais imediatas quanto perspectivas de crescimento a longo prazo para a empresa.

Fig. 2. A Videologic Analytics usando modelos Ultralytics YOLO para monitorar ambientes urbanos.

Link to this sectionAnálise de vídeo inteligente para segurança: O caminho a seguir#

A Videologic Analytics está trabalhando ativamente na expansão de sua solução, aproveitando os modelos Ultralytics YOLO para ir além da detecção básica de intrusão. Os próximos passos envolvem fornecer insights mais ricos 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 desbloquear novas possibilidades no varejo e em inteligência de negócios, impulsionando a inovação contínua e o crescimento em análise de vídeo em tempo real.

Curioso sobre como a visão computacional pode remodelar seu negócio? Explore nosso repositório no GitHub para ver como as soluções de IA da Ultralytics estão transformando inovações como IA em carros autônomos e 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.