Мониторинг устаревших систем с помощью Ultralytics YOLO11

Многие компании, особенно в производстве, промышленной автоматизации, аэрокосмической отрасли, телекоммуникациях и энергетике, используют устаревшие системы в повседневной работе. Однако обслуживание таких систем часто обходится дорого и сопряжено с техническими трудностями. Несмотря на это, компании продолжают ими пользоваться главным образом потому, что эти системы глубоко встроены в рабочие процессы.

Почти две трети компаний тратят более 2 млн долларов на обслуживание и модернизацию устаревших систем. Эти системы создавались в эпоху, когда автоматизация и аналитика в реальном времени не были приоритетом. Компании полагались на ручные процессы и устаревшие инструменты мониторинга, что приводило к снижению эффективности и повышению операционных рисков. В результате многие компании оказываются привязаны к устаревшим системам и не могут легко перейти на более современные решения без серьезных сбоев в работе.

Здесь на помощь могут прийти ИИ и компьютерное зрение, позволяющие компьютерам понимать и анализировать визуальные данные. В частности, модели компьютерного зрения, такие как Ultralytics YOLO11, можно использовать для обнаружения и мониторинга устаревших систем, например счетчиков и измерительных приборов.

В этой статье мы рассмотрим, как применять Ultralytics YOLO11 для мониторинга устаревших систем, какие преимущества это дает и как компании могут легко встроить такое решение в существующие рабочие процессы.

Рис. 1. Примеры устаревших систем. Изображение предоставлено автором.

Проблемы модернизации устаревших систем#

Устаревшие системы важны для многих отраслей, но их цифровизация не всегда проста. Модернизация этих систем необходима для повышения эффективности и снижения рисков. Вот некоторые технические и связанные с условиями эксплуатации проблемы, с которыми сталкиваются компании при обновлении устаревших систем:

• Отсутствие цифровых интерфейсов: многие устаревшие системы были спроектированы до того, как цифровая трансформация стала распространенной. Они используют аналоговые органы управления, шкалы и механические индикаторы, из-за чего их сложно напрямую интегрировать с современными решениями для мониторинга.
• Высокая стоимость модернизации: замена или модернизация устаревшей инфраструктуры может быть дорогой и нарушать рабочие процессы. Многие компании не решаются на полную замену из-за высоких первоначальных затрат и опасений по поводу простоев.
• Несогласованность конструкций систем: старые машины могут сильно различаться по устройству, материалам и функциональности. Отсутствие стандартизации затрудняет применение единого цифрового решения для разных систем.
• Трудности сбора данных в реальном времени: аналоговые дисплеи не предназначены для автоматического сбора данных, поэтому точно считывать показания шкал, счетчиков или механических счетных устройств в реальном времени сложно.

Рис. 2. Проблемы модернизации устаревших систем. Изображение предоставлено автором.

Как Vision AI помогает мониторить устаревшие системы#

На многих старых станках установлены аналоговые циферблаты, счетчики и датчики, которые нельзя подключить к цифровым системам. Решения на основе Vision AI могут использовать камеры для наблюдения за этими устройствами, а изображения можно обрабатывать в реальном времени, чтобы преобразовывать показания в цифровые записи для удобного отслеживания и составления отчетов.

Одно из преимуществ использования компьютерного зрения в таких задачах — возможность почти мгновенно обнаруживать проблемы в работе оборудования. В экстренных ситуациях автоматические оповещения сообщат операторам, если значения превысят безопасные пределы.

Кроме того, компьютерное зрение обходится дешевле. Установка камер и внедрение системы ИИ для анализа изображений экономически выгоднее традиционной модернизации или ручного мониторинга. Вместо дорогостоящего обновления инфраструктуры модели Vision AI, такие как YOLO11, могут работать с имеющимся оборудованием, делая модернизацию доступнее.

Мониторинг устаревших систем с помощью Ultralytics YOLO11#

При внедрении ИИ-решения нужно учитывать множество моделей и методов. Так почему же такая модель, как Ultralytics YOLO11, хорошо подходит для мониторинга устаревшего оборудования?

Ultralytics YOLO11 поддерживает различные задачи компьютерного зрения, такие как обнаружение объектов, сегментация экземпляров и отслеживание объектов, и идеально подходит для мониторинга в реальном времени. Одно из ключевых преимуществ модели — эффективная работа на периферийных устройствах. Это позволяет обрабатывать данные локально, не полагаясь на стабильное сетевое подключение или облачную инфраструктуру.

Рис. 3. Пример использования Ultralytics YOLO11 для обнаружения объектов.

На производственных площадках и в промышленных условиях со слабой или нестабильной сетью развертывание Ultralytics YOLO11 на периферийных устройствах обеспечивает непрерывный мониторинг в реальном времени без перебоев, снижает потребность в дорогостоящих облачных решениях и делает такой вариант более доступным и практичным для бизнеса.

Кроме того, YOLO11 превосходит предшественников по точности и скорости. YOLO11m с 22% меньшим количеством параметров, чем YOLOv8m, достигает более высокого среднего значения точности (mAP) на наборе данных COCO.

Проще говоря, Ultralytics YOLO11 обнаруживает объекты точнее и быстрее даже при меньших вычислительных мощностях. Благодаря этому модель эффективнее выявляет проблемы и отслеживает работу систем в реальном времени, потребляя меньше ресурсов, что особенно полезно для устаревших систем.

Применение Ultralytics YOLO11 для мониторинга устаревших систем#

Далее рассмотрим практические сценарии, в которых Ultralytics YOLO11 автоматизирует процессы с помощью компьютерного зрения для отслеживания и анализа показаний без необходимости модифицировать существующее оборудование.

Мониторинг аналоговых приборов с помощью Ultralytics YOLO11#

На многих промышленных машинах установлены аналоговые приборы для измерения давления, температуры и уровня жидкости. Снятие показаний вручную занимает время и часто приводит к неточностям, особенно при работе в больших масштабах. Ultralytics YOLO11 помогает оптимизировать эти процессы.

Рассмотрим подробнее, как обычно работает мониторинг аналоговых приборов с помощью Ultralytics YOLO11:

• Обнаружение объектов: Сначала Ultralytics YOLO11 находит прибор на изображении, точно определяя его даже в сложных условиях.
• Сегментация экземпляров: Определив прибор, Ultralytics YOLO11 использует сегментацию экземпляров, чтобы выделить важные элементы, например стрелку, шкалу и цифровые отметки. Это важно: система фокусируется только на нужных частях прибора, исключая фоновый шум и отвлекающие детали. Изоляция этих элементов повышает точность и эффективность следующего этапа.
• Оптическое распознавание символов (OCR): На заключительном этапе технологию OCR можно использовать для преобразования цифр на приборе в цифровые данные. Это позволяет компаниям отслеживать измерения без ручного снятия показаний.

Это общий подход, но точные этапы могут различаться в зависимости от типа прибора, условий окружающей среды, а также угла съемки и качества полученных изображений. С учетом этих факторов систему можно настроить для получения точных показаний.

Рис. 4. Как работает мониторинг аналоговых приборов с помощью Ultralytics YOLO11. Изображение предоставлено автором.

Ultralytics YOLO11 упрощает мониторинг счетчиков коммунальных услуг#

Многие поставщики коммунальных услуг по-прежнему используют механические счетчики для учета потребления воды, газа и электроэнергии. В некоторых случаях для сбора показаний приходится выезжать на объект, что занимает время и увеличивает расходы.

Ultralytics YOLO11 автоматизирует мониторинг с помощью компьютерного зрения, чтобы обнаруживать и обрезать нужные участки циферблатов. Это позволяет выделить числовые значения на циферблате и считать их с помощью OCR. Размеченные наборы данных, такие как Water Meters на платформе Ultralytics Platform, — удобная отправная точка для обучения такой модели.

Собранные с помощью компьютерного зрения данные позволяют поставщикам коммунальных услуг эффективнее анализировать модели потребления. Интеграция аналитики данных в процесс мониторинга помогает отслеживать историю потребления, выявлять аномалии и обнаруживать отклонения — например, резкие скачки или падения потребления, которые могут указывать на утечки или неисправность счетчиков.

Анализ панелей управления с помощью Ultralytics YOLO11#

Устаревшие системы, например промышленные блоки управления, мониторы электросетей и панели автоматизации заводов, используют аналоговые панели управления с переключателями, кнопками и индикаторами для отображения состояния машин и кодов ошибок. Обычно операторы проверяют эти панели вручную, что занимает много времени и повышает риск запоздалой реакции.

Ultralytics YOLO11 может оптимизировать этот процесс, точно распознавая компоненты панели управления и отслеживая их. Модель обнаруживает переключатели, надписи и индикаторы, определяет их положение и состояние, а также распознает, сигнализируют ли индикаторы о предупреждении или нормальной работе.

Например, если загорается сигнальный индикатор, Ultralytics YOLO11 сразу обнаруживает изменение, после чего операторы получают оповещение. Это ускоряет реакцию и снижает риск пропустить критически важную проблему.

Рис. 5. Панель управления с индикаторами.

Преимущества и недостатки модернизации устаревших систем#

Компьютерное зрение — практичный способ контролировать устаревшие системы без замены существующего оборудования. Однако, как и любая другая технология, оно имеет свои преимущества и ограничения. Рассмотрим и те и другие, чтобы лучше понять, как эффективно применять компьютерное зрение.

Вот несколько способов, которыми Vision AI помогает улучшить мониторинг устаревших систем:

• Снижение долгосрочных затрат: Хотя первоначальная настройка может потребовать вложений, автоматизация мониторинга и сокращение числа человеческих ошибок со временем позволяют значительно сэкономить.
• Стабильность и надежность: В отличие от проверок людьми, качество и последовательность которых могут различаться, Ultralytics YOLO11 обеспечивает стабильную и надежную работу на протяжении длительного времени.
• Улучшение принятия решений: Данные и аналитика в реальном времени помогают принимать более обоснованные решения на основе актуальной информации.

Также важно учитывать следующие факторы:

• Зависимость от качества изображений: Компьютерное зрение во многом зависит от качества изображений и видеопотоков. Низкое качество изображения, низкое разрешение или плохое освещение могут привести к неточным результатам или пропуску объектов.
• Уязвимость к воздействию внешних условий: Сложные условия, например экстремальные температуры, пыль, вибрации или помехи, могут ухудшить работу систем компьютерного зрения.
• Сложности при работе с большими объемами данных: По мере того как система собирает большие объемы визуальных данных, управление ими, их хранение и анализ могут стать сложной задачей без надлежащей инфраструктуры.

Главные выводы#

Для эффективного мониторинга устаревших систем не всегда требуется заменять существующее оборудование. Многие компании работают с устаревшей техникой, но Vision AI позволяет отслеживать ее работу без серьезных изменений.

Ultralytics YOLO11 делает это возможным благодаря обнаружению объектов и другим задачам компьютерного зрения. Модель считывает показания приборов и счетчиков, а также данные с панелей управления с помощью камер, обеспечивая мониторинг в реальном времени без модификации системы. Модель эффективно работает на периферийных устройствах, поэтому хорошо подходит для отраслей с ограниченным доступом к облачным сервисам. Это позволяет компаниям обрабатывать данные на месте и быстро устранять проблемы в работе.

Присоединяйся к нашему растущему сообществу! Изучи наш репозиторий на GitHub, чтобы узнать больше об ИИ, и ознакомься с вариантами лицензирования, чтобы начать проекты в области Vision AI. Интересуешься инновациями, такими как ИИ в здравоохранении и компьютерное зрение в сельском хозяйстве? Посети страницы наших решений, чтобы узнать больше!