A integração de modelos Ultralytics YOLO, ajustados com dados proprietários e otimizados 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 espanhola que desenvolve soluções avançadas de análise de vídeo para reforçar a segurança e a vigilância em instalações industriais, parques solares e complexos residenciais. A empresa implementa soluções baseadas em IA que se integram com câmaras de segurança para monitorizar perímetros e detetar intrusões em tempo real.
Perante os custos elevados e a implementação lenta dos modelos anteriores, a empresa integrou modelos Ultralytics YOLO para aumentar a precisão da deteção, reduzir os custos e o tempo de desenvolvimento e de colocação no mercado, e expandir-se para novas áreas, como o retalho e a inteligência empresarial.
Capacitar a visão computacional para a segurança com câmaras com IA#
Liderada por especialistas com mais de 30 anos de experiência, a Videologic Analytics é especializada na integração de IA e visão computacional em câmaras de segurança para monitorização em tempo real e deteção automatizada de ameaças. As suas soluções protegem grandes instalações, infraestruturas de energia renovável e comunidades residenciais, com um desempenho fiável.
A empresa presta serviços a clientes conceituados, como a Prosegur, a Securitas, a Sabico e mais de 4.000 empresas de segurança certificadas em Espanha. Perante os desafios do desenvolvimento e da implementação de modelos de IA dispendiosos e demorados, adotou modelos Ultralytics YOLO nas suas inovadoras soluções Vision AI. Deste modo, conseguiu melhorar as suas aplicações de segurança e expandir-se também para novos setores.
A necessidade de uma deteção automatizada de ameaças com IA e custos eficientes#
Anteriormente, a Videologic Analytics tinha integrado modelos de IA nas câmaras de segurança que oferecia aos seus clientes. Estes primeiros modelos foram programados para detetar um conjunto limitado de categorias de objetos, incluindo veículos genéricos, pessoas e animais pequenos. Embora esta abordagem inicial tenha lançado as bases para sistemas de segurança avançados, também revelou oportunidades de aperfeiçoamento, sobretudo ao nível da melhoria da precisão e das taxas de falsos positivos.
Os seus clientes procuravam uma solução mais abrangente, capaz de fornecer capacidades de deteção de objetos mais amplas e precisas numa maior variedade de objetos e cenários. Para responder a estas necessidades dos clientes, a equipa de investigação e desenvolvimento da Videologic Analytics começou a desenvolver modelos de IA melhorados.
Durante o desenvolvimento destes modelos, a Videologic Analytics percebeu rapidamente que a abordagem existente apresentava alguns problemas, como custos elevados e longos tempos de desenvolvimento. A empresa percebeu que precisava de uma abordagem mais flexível e eficiente. Esta nova abordagem teria de enfrentar estes desafios e responder melhor às necessidades de segurança em evolução dos seus clientes.
Especificamente, a empresa queria identificar um modelo de visão computacional que pudesse melhorar a fiabilidade das suas soluções Vision AI e aumentar a satisfação dos clientes. Era também essencial que o modelo continuasse a ser económico e adaptável às necessidades futuras.
Redefinir a vigilância com deteção de anomalias baseada em IA#
Depois de testar vários modelos de IA, a Videologic Analytics descobriu que os modelos Ultralytics YOLO proporcionavam a flexibilidade e o desempenho de que precisava. A empresa começou com modelos YOLO pré-treinados desenvolvidos com o conjunto de dados COCO, que inclui uma grande variedade de objetos comuns. Este pré-treino proporcionou uma base sólida, uma vez que os modelos já conseguiam reconhecer muitos elementos básicos, facilitando a sua adaptação a necessidades de segurança específicas.
Por exemplo, a Videologic Analytics ajustou estes modelos pré-treinados com os seus próprios dados proprietários para aplicações como a monitorização de parques solares.
Neste cenário, os modelos foram utilizados para a deteção de anomalias baseada em IA, distinguindo entre ameaças reais — como pessoas ou veículos não autorizados — e elementos inofensivos, como animais pequenos ou detritos levados pelo vento. Esta distinção clara foi essencial para reduzir os falsos alarmes e melhorar o desempenho geral da segurança.
Além da monitorização de parques solares, a empresa também desenvolveu soluções de segurança industriais e residenciais com YOLO, bem como módulos de prova de conceito para inovações de visão computacional no retalho e na inteligência empresarial. Embora utilize principalmente a deteção de objetos, também recorre a tarefas de visão computacional suportadas pelo YOLO, como a estimativa de pose e o rastreamento de objetos.
Fig. 1. A Videologic Analytics utiliza modelos Ultralytics YOLO para monitorizar centrais de energia solar.
Porquê escolher os modelos Ultralytics YOLO?#
A Videologic Analytics escolheu os modelos Ultralytics YOLO porque precisava de uma solução robusta, capaz de suportar vários canais de câmaras e, simultaneamente, fornecer uma inferência rápida e precisa.
O YOLO suporta vários formatos de exportação e integra-se perfeitamente com frameworks como CUDA, TensorRT, ONNX e OpenVINO. Esta flexibilidade permite à Videologic Analytics ajustar os modelos com PyTorch e implementá-los de forma eficiente em produção. Com otimizações específicas para o hardware, o YOLO satisfaz melhor do que os modelos anteriores as exigências da análise de vídeo em tempo real.
Implementação simplificada de modelos para monitorização inteligente de vídeo#
Desde que integrou os modelos Ultralytics YOLO, a Videologic Analytics registou melhorias impressionantes tanto no desempenho como na eficiência. A sua nova solução Vision AI permitiu uma deteção rápida e em tempo real de ameaças numa grande variedade de instalações, desde parques solares e instalações industriais a complexos residenciais.
De facto, a Videologic Analytics implementa cerca de 10.000 licenças por ano, cada uma correspondente a um canal de câmara dedicado, estando agora todas as licenças atualizadas para suportar modelos Ultralytics YOLO. A mudança para YOLO conduziu a uma redução significativa dos falsos alarmes e a um aumento geral da precisão da deteção. Como resultado, os clientes desfrutam de sistemas de segurança mais fiáveis e os custos operacionais foram reduzidos.
Além disso, as maiores velocidades de inferência 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 soluções de segurança e explorar novas oportunidades em setores como o retalho e a inteligência empresarial. No geral, a adoção dos modelos Ultralytics YOLO impulsionou tanto melhorias operacionais imediatas como perspetivas 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 proteção e segurança: o caminho a seguir#
A Videologic Analytics está a trabalhar ativamente na expansão da sua solução, utilizando modelos Ultralytics YOLO para ir além da deteção básica de intrusões. Os próximos passos envolvem fornecer informações mais completas e acionáveis através de análises avançadas, como a análise comportamental, o acompanhamento de tendências e a 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.
Tem curiosidade em saber como a visão computacional pode transformar a sua empresa? Explore o nosso repositório do GitHub para ver como as soluções de IA da Ultralytics estão a transformar inovações como a IA em carros autónomos e a visão computacional na agricultura. Saiba mais sobre os nossos modelos YOLO e as opções de licenciamento, e comece hoje a sua jornada rumo a uma automação mais inteligente e eficiente.
