Özel veriler üzerinde ince ayar yapılan ve birden fazla dışa aktarma biçimi için optimize edilen Ultralytics YOLO modellerinin entegre edilmesi, Videologic Analytics’in maliyetleri ve pazara sunma süresini azaltmasını sağladı.
Videologic Analytics; endüstriyel tesisler, güneş enerjisi santralleri ve konut komplekslerinde güvenliği ve gözetimi geliştiren gelişmiş video analizi çözümleri geliştiren, İspanya merkezli bir şirkettir. Şirket, çevreleri izlemek ve izinsiz girişleri gerçek zamanlı olarak tespit etmek için güvenlik kameralarıyla entegre olan yapay zekâ destekli çözümler kullanır.
Önceki modellerdeki yüksek maliyetler ve yavaş dağıtım süreciyle karşılaşan şirket, tespit doğruluğunu artırmak, geliştirme maliyetlerini ve pazara sunma süresini azaltmak ve perakende ile iş zekâsı gibi yeni alanlara açılmak için Ultralytics YOLO modellerini entegre etti.
Yapay zekâ kameralarıyla güvenlik için bilgisayarlı görü sağlama#
30 yılı aşkın deneyime sahip uzmanlar tarafından yönetilen Videologic Analytics, yapay zekâ ve bilgisayarlı görüyü gerçek zamanlı izleme ve otomatik tehdit tespiti için güvenlik kameralarına entegre etme konusunda uzmanlaşmıştır. Çözümleri; büyük tesisleri, yenilenebilir enerji kurulumlarını ve konut topluluklarını güvenilir performansla korur.
Şirket; Prosegur, Securitas ve Sabico gibi tanınmış müşterilere ve İspanya'daki 4.000'den fazla sertifikalı güvenlik şirketine hizmet veriyor. Pahalı ve zaman alan yapay zekâ modeli geliştirme ve dağıtım süreçleriyle karşılaşan şirket, yenilikçi Vision AI çözümlerine Ultralytics YOLO modellerini entegre etti. Bu sayede güvenlik uygulamalarını geliştirdi ve yeni dikey alanlara da açılabildi.
Yapay zekâ kullanarak uygun maliyetli otomatik tehdit tespitine duyulan ihtiyaç#
Videologic Analytics daha önce müşterilerine sunduğu güvenlik kameralarına yapay zekâ modelleri entegre etmişti. Bu ilk modeller; genel araçlar, insanlar ve küçük hayvanlar dâhil olmak üzere sınırlı sayıda nesne kategorisini tespit edecek şekilde programlanmıştı. Bu temel yaklaşım gelişmiş güvenlik sistemlerinin temelini oluştururken, özellikle kesinliği ve yanlış pozitif oranlarını iyileştirme açısından daha fazla geliştirme fırsatı da sundu.
Müşterileri, daha geniş bir nesne ve senaryo yelpazesinde daha kapsamlı ve doğru nesne tespiti özellikleri sunabilecek bir çözüm arıyordu. Videologic Analytics’in araştırma ve geliştirme ekibi, bu müşteri ihtiyaçlarını karşılamak için geliştirilmiş yapay zekâ modelleri oluşturmaya başladı.
Videologic Analytics bu modelleri geliştirirken mevcut yaklaşımın yüksek maliyetler ve uzun geliştirme süreleri gibi bazı sorunları olduğunu kısa sürede fark etti. Şirket, daha esnek ve verimli bir yaklaşıma ihtiyaç duyduğunu gördü. Bu yeni yaklaşımın söz konusu zorlukları ele alması ve müşterilerinin değişen güvenlik ihtiyaçlarına daha iyi yanıt vermesi gerekiyordu.
Özellikle Vision AI çözümlerinin güvenilirliğini artırabilecek ve müşteri memnuniyetini yükseltebilecek bir bilgisayarlı görü modeli belirlemek istiyorlardı. Modelin hem uygun maliyetli olması hem de gelecekteki ihtiyaçlara uyarlanabilmesi de büyük önem taşıyordu.
Yapay zekâ destekli anomali tespitiyle gözetimi yeniden tanımlama#
Birkaç yapay zekâ modelini test ettikten sonra Videologic Analytics, Ultralytics YOLO modellerinin ihtiyaç duyduğu esnekliği ve performansı sunduğunu keşfetti. Şirket, çok çeşitli yaygın nesneler içeren COCO veri seti kullanılarak geliştirilen önceden eğitilmiş YOLO modelleriyle çalışmaya başladı. Bu ön eğitim güçlü bir temel sağladı; modeller birçok temel öğeyi zaten tanıyabildiği için belirli güvenlik ihtiyaçlarına uyarlanmaları kolaylaştı.
Örneğin Videologic Analytics, güneş enerjisi santrallerini izleme gibi uygulamalar için bu önceden eğitilmiş modellere kendi özel verileriyle ince ayar yaptı.
Bu senaryoda modeller, yetkisiz personel veya araçlar gibi gerçek tehditlerle küçük hayvanlar veya rüzgârın savurduğu enkaz gibi zararsız unsurları ayırt eden yapay zekâ destekli anomali tespiti için kullanıldı. Bu net ayrım, yanlış alarmları azaltmak ve genel güvenlik performansını iyileştirmek açısından büyük önem taşıyordu.
Güneş enerjisi santrallerini izlemenin yanı sıra şirket, YOLO kullanarak hem endüstriyel hem de konut güvenliği çözümleri ve perakende ile iş zekâsındaki bilgisayarlı görü yenilikleri için kavram kanıtlama modülleri geliştirdi. Öncelikli olarak nesne tespiti kullansalar da poz tahmini ve nesne takibi gibi YOLO tarafından desteklenen bilgisayarlı görü görevlerinden de yararlanıyorlar.
Şekil 1. Videologic Analytics, güneş enerjisi santrallerini izlemek için Ultralytics YOLO modellerini kullanıyor.
Neden Ultralytics YOLO modellerini seçmelisin?#
Videologic Analytics, çok sayıda kamera kanalını desteklerken hızlı ve doğru çıkarım sunabilen sağlam bir çözüme ihtiyaç duyduğu için Ultralytics YOLO modellerini seçti.
YOLO, çeşitli dışa aktarma biçimlerini destekler ve CUDA, TensorRT, ONNX ve OpenVINO gibi çerçevelerle sorunsuz biçimde entegre olur. Bu esneklik, Videologic Analytics’in modelleri PyTorch kullanarak ince ayarlamasını ve üretimde verimli şekilde dağıtmasını mümkün kılar. Donanıma özel optimizasyonlarla YOLO, gerçek zamanlı video analizinin zorlu ihtiyaçlarını önceki modellerden daha iyi karşılar.
Akıllı video izleme için kolaylaştırılmış model dağıtımı#
Ultralytics YOLO modellerini entegre ettiğinden beri Videologic Analytics hem performans hem de verimlilik açısından etkileyici iyileşmeler gördü. Yeni Vision AI çözümü, güneş enerjisi santrallerinden ve endüstriyel tesislerden konut komplekslerine kadar çok çeşitli kurulumlarda hızlı, gerçek zamanlı tehdit tespitini mümkün kıldı.
Videologic Analytics aslında her biri özel bir kamera kanalına karşılık gelen yaklaşık 10.000 lisansı yılda dağıtıyor ve artık tüm lisanslar Ultralytics YOLO modellerini destekleyecek şekilde yükseltildi. YOLO'ya geçiş, yanlış alarmlarda önemli bir azalma ve tespit doğruluğunda genel bir artış sağladı. Bunun sonucunda müşteriler daha güvenilir güvenlik sistemlerinden yararlanırken operasyonel maliyetler de azaldı.
Ayrıca Ultralytics YOLO modellerinin daha yüksek çıkarım hızları ve ölçeklenebilirliği, yeni yapay zekâ özelliklerinin pazara sunulma süresini kısalttı. Bu sayede Videologic Analytics temel güvenlik tekliflerini geliştirebildi ve perakende ile iş zekâsı gibi dikey alanlarda yeni fırsatları keşfedebildi. Genel olarak Ultralytics YOLO modellerinin benimsenmesi, şirket için hem anlık operasyonel iyileşmeler hem de uzun vadeli büyüme beklentileri sağladı.
Şekil 2. Videologic Analytics, şehir ortamlarını izlemek için Ultralytics YOLO modellerini kullanıyor.
Emniyet ve güvenlik için akıllı video analizi: Geleceğe bakış#
Videologic Analytics, temel izinsiz giriş tespitinin ötesine geçmek için Ultralytics YOLO modellerinden yararlanarak çözümünü aktif biçimde genişletiyor. Sonraki adımlar; davranış analizi, trend takibi ve öngörücü zekâ gibi gelişmiş analizlerle daha zengin ve eyleme dönüştürülebilir içgörüler sunmayı içeriyor.
Bu geliştirmeler, müşterilerin güvenlik operasyonlarını optimize etmesine ve perakende ile iş zekâsında yeni olanakların önünü açmasına yardımcı olarak gerçek zamanlı video analizinde yenilikçiliği ve büyümeyi sürdürmelerini sağlayacak.
Bilgisayarlı görünün işletmeni nasıl dönüştürebileceğini merak ediyor musun? Ultralytics’in yapay zekâ çözümlerinin kendi kendine giden otomobillerde yapay zekâ ve tarımda bilgisayarlı görü gibi yenilikleri nasıl dönüştürdüğünü görmek için GitHub depomuzu keşfet. YOLO modellerimiz ve lisanslama seçeneklerimiz hakkında daha fazla bilgi edin ve bugün daha akıllı, daha verimli otomasyona doğru yolculuğuna başla.
