Khám phá lý do tại sao Ultralytics YOLO26 dễ dàng đưa vào sản xuất hơn!

Ultralytics YOLO26 , mô hình thị giác máy tính mới nhất của chúng tôi, đánh dấu một bước tiến trong việc giúp triển khai các giải pháp thị giác máy tính thời gian thực dễ dàng hơn. Nói cách khác, nó được thiết kế để chuyển đổi mượt mà hơn từ giai đoạn thử nghiệm sang các hệ thống hoạt động liên tục trên phần cứng thực tế.

Thị giác máy tính hiện đang được sử dụng trong nhiều ứng dụng thực tế, bao gồm sản xuất, robot, bán lẻ và cơ sở hạ tầng. Khi các hệ thống này chuyển từ giai đoạn thử nghiệm sang sử dụng hàng ngày, trọng tâm đang chuyển từ hiệu suất của từng mô hình riêng lẻ sang mức độ phù hợp của mô hình đó với một hệ thống phần mềm lớn hơn. Các yếu tố như độ tin cậy, hiệu quả và khả năng tích hợp dễ dàng cũng quan trọng không kém độ chính xác.

Sự thay đổi này có những tác động quan trọng đến cách thiết kế và đánh giá các mô hình thị giác máy tính . Thành công trong sản xuất không chỉ phụ thuộc vào khả năng của mô hình. detect nhưng cũng cần chú trọng đến mức độ dễ dàng tích hợp, triển khai và bảo trì theo thời gian.

YOLO26 được xây dựng dựa trên những nhu cầu thực tiễn này. Bằng cách tập trung vào suy luận từ đầu đến cuối, hiệu năng ưu tiên thiết bị biên và tích hợp đơn giản hơn, nó giảm thiểu độ phức tạp trong toàn bộ quy trình triển khai. 

Trong bài viết này, chúng ta sẽ tìm hiểu về cách thức... Ultralytics YOLO26 giúp thu hẹp khoảng cách giữa nghiên cứu và sản xuất, và đó là lý do tại sao các tính năng của nó giúp việc đưa các hệ thống thị giác máy tính thời gian thực vào các ứng dụng thực tế trở nên dễ dàng hơn. Hãy bắt đầu nào!

Khoảng cách giữa nghiên cứu và ứng dụng thực tiễn trong lĩnh vực thị giác máy tính

Khi công nghệ thị giác máy tính được sử dụng rộng rãi hơn, nhiều nhóm đang chuyển từ nghiên cứu sang triển khai các mô hình trong các ứng dụng thực tế. Bước tiếp theo hướng tới sản xuất này thường làm nổi bật những thách thức chưa được nhận thấy trong quá trình thử nghiệm.

Trong môi trường nghiên cứu, các mô hình thường được kiểm tra trong môi trường được kiểm soát bằng cách sử dụng các tập dữ liệu cố định. Những thử nghiệm này hữu ích để đo lường độ chính xác, nhưng chúng không phản ánh đầy đủ cách thức hoạt động của mô hình khi được triển khai. Trong môi trường sản xuất, các hệ thống thị giác máy tính phải xử lý dữ liệu trực tiếp, hoạt động liên tục và vận hành trên phần cứng thực cùng với các phần mềm khác.

Khi mô hình được tích hợp vào hệ thống sản xuất, các yếu tố ngoài độ chính xác trở nên quan trọng hơn. Quy trình suy luận có thể bao gồm các bước bổ sung; hiệu suất có thể khác nhau giữa các thiết bị và hệ thống cần hoạt động nhất quán theo thời gian. Những cân nhắc thực tế này ảnh hưởng đến mức độ dễ dàng tích hợp và bảo trì mô hình khi ứng dụng mở rộng quy mô.

Do những yếu tố này, việc chuyển từ nghiên cứu sang sản xuất thường ít tập trung vào việc cải thiện kết quả mô hình mà chủ yếu là đơn giản hóa việc triển khai và vận hành. Các mô hình dễ tích hợp, chạy hiệu quả trên phần cứng mục tiêu và hoạt động có thể dự đoán được thường dễ dàng chuyển sang sản xuất hơn.

Ultralytics YOLO26 được xây dựng với mục tiêu chuyển đổi này. Việc giảm thiểu độ phức tạp trong toàn bộ quy trình triển khai giúp các nhóm chuyển các mô hình thị giác máy tính từ giai đoạn thử nghiệm sang sản xuất thực tế một cách hiệu quả hơn.

Suy luận từ đầu đến cuối tạo ra Ultralytics YOLO26 dễ triển khai hơn

Một trong những lý do chính Ultralytics Ưu điểm của YOLO26 trong việc triển khai thực tế hơn nằm ở thiết kế suy luận từ đầu đến cuối. Nói một cách đơn giản, điều này có nghĩa là mô hình được thiết kế để đưa ra dự đoán cuối cùng trực tiếp, mà không cần dựa vào các bước xử lý hậu kỳ bổ sung bên ngoài chính mô hình.

Trong nhiều hệ thống thị giác máy tính truyền thống, quá trình suy luận không dừng lại khi mô hình chạy xong. Thay vào đó, mô hình đưa ra một lượng lớn các dự đoán trung gian cần được lọc và tinh chỉnh trước khi có thể sử dụng. 

Các bước bổ sung này thường được xử lý bởi một giai đoạn xử lý hậu kỳ riêng biệt gọi là Loại bỏ cực đại không tối đa (Non-Maximum Suppression). NMS ), điều này làm tăng thêm độ phức tạp cho toàn bộ hệ thống. Trong môi trường sản xuất, sự phức tạp này có thể là một vấn đề. 

Các bước xử lý hậu kỳ có thể làm tăng độ trễ, hoạt động khác nhau trên các nền tảng phần cứng và đòi hỏi thêm công việc tích hợp. Chúng cũng làm phát sinh thêm các thành phần cần được kiểm tra, bảo trì và duy trì tính nhất quán khi hệ thống mở rộng quy mô.

YOLO26 áp dụng một cách tiếp cận khác. Việc giải quyết các dự đoán trùng lặp và tạo ra kết quả cuối cùng ngay trong mô hình giúp giảm số bước cần thiết trong quy trình suy luận. Điều này giúp việc triển khai đơn giản hơn, vì có ít logic bên ngoài cần quản lý hơn và ít khả năng xảy ra sự không nhất quán giữa các môi trường hơn.

Đối với các nhóm triển khai hệ thống thị giác máy tính, thiết kế tích hợp từ đầu đến cuối, không cần hệ thống quản lý NMS này giúp đơn giản hóa quá trình tích hợp. Mô hình hoạt động ổn định hơn sau khi triển khai, và các mô hình được xuất ra , tức là các phiên bản được chuẩn bị để chạy bên ngoài môi trường huấn luyện trên phần cứng mục tiêu, sẽ độc lập hơn. 

Do đó, những gì được kiểm thử trong quá trình phát triển sẽ sát với những gì đang chạy trong môi trường sản xuất hơn. Điều này giúp Ultralytics YOLO26 dễ dàng tích hợp vào các hệ thống phần mềm thực tế hơn và dễ dàng triển khai trên quy mô lớn hơn.

Được thiết kế cho vận chuyển: Các lựa chọn về hiệu suất và đào tạo giúp giảm thiểu rủi ro.

Ngoài suy luận từ đầu đến cuối, Ultralytics YOLO26 bao gồm một bộ các tùy chọn về hiệu năng và huấn luyện được thiết kế để giúp việc triển khai sản phẩm trở nên dễ dự đoán hơn. 

Dưới đây là một số tính năng chính tạo nên sản phẩm này. Ultralytics YOLO26 dễ vận chuyển và sử dụng hơn trong môi trường sản xuất:

• Hiệu năng ưu tiên thiết bị đầu cuối: Ultralytics YOLO26 được tối ưu hóa để hoạt động hiệu quả trên bộ xử lý trung tâm (CPU) và phần cứng biên, chứ không chỉ trên bộ xử lý đồ họa (GPU). So với Ultralytics YOLO11 , phiên bản nano của YOLO26 mang lại hiệu suất nhanh hơn tới 43%. CPU suy luận, khiến nó phù hợp hơn với môi trường sản xuất nơi tài nguyên tính toán có thể bị hạn chế.
  ‍
• Quá trình huấn luyện ổn định hơn: YOLO26 sử dụng kỹ thuật huấn luyện gọi là Cân bằng tổn thất tiến triển (Progressive Loss Balancing) để hướng dẫn cách mô hình học hỏi theo thời gian. Ở giai đoạn đầu huấn luyện, mô hình được cung cấp nhiều hướng dẫn hơn để có thể học được các mẫu ổn định. Khi quá trình huấn luyện tiếp tục, hướng dẫn này được giảm dần để phù hợp với cách mô hình sẽ hoạt động khi được sử dụng trong môi trường sản xuất. Cách tiếp cận này giúp quá trình huấn luyện diễn ra suôn sẻ hơn và tạo ra kết quả nhất quán hơn khi mô hình được huấn luyện hoặc huấn luyện lại.
  ‍
• Cải thiện khả năng phát hiện vật thể nhỏ: Một phương pháp huấn luyện gọi là Gán nhãn nhận biết mục tiêu nhỏ (Small-Target-Aware Label Assignment, hay STAL) cũng được sử dụng để mô hình không bỏ sót các vật thể rất nhỏ trong quá trình huấn luyện. Điều này cải thiện độ tin cậy trong các trường hợp vật thể có kích thước nhỏ hoặc ở xa.
  ‍
• Bộ tối ưu hóa mới: Mô hình mới cũng giới thiệu một bộ tối ưu hóa huấn luyện có tên là MuSGD, được thiết kế để cải thiện tính ổn định và nhất quán của quá trình huấn luyện. MuSGD kết hợp thuật toán Giảm độ dốc ngẫu nhiên truyền thống (Stochastic Gradient Descent) SGD (Đây là trình tối ưu hóa) với những ý tưởng lấy cảm hứng từ những tiến bộ gần đây trong việc huấn luyện mô hình ngôn ngữ quy mô lớn. Thay vì chỉ tập trung vào việc huấn luyện nhanh hơn, nó giúp các mô hình hội tụ mượt mà hơn và hoạt động dễ dự đoán hơn khi chúng được huấn luyện lại, tinh chỉnh hoặc cập nhật để sử dụng trong môi trường sản xuất.

‍

Nhìn chung, những cải tiến này giúp giảm thiểu rủi ro và độ phức tạp khi triển khai các hệ thống thị giác máy tính trong môi trường sản xuất. Bằng cách kết hợp hiệu năng xử lý tại chỗ với quá trình huấn luyện ổn định hơn và hành vi mô hình dễ dự đoán hơn, Ultralytics YOLO26 giúp các nhóm dễ dàng chuyển từ giai đoạn phát triển sang triển khai thực tế một cách tự tin.

Cái Ultralytics Gói này đơn giản hóa các quy trình tích hợp.

Việc triển khai một mô hình thị giác máy tính hiếm khi chỉ đơn thuần là về bản thân mô hình đó. Trong môi trường sản xuất, các nhóm cần phải huấn luyện mô hình, chạy suy luận, giám sát hiệu suất và xuất mô hình sang các định dạng hoạt động trên các nền tảng và phần cứng khác nhau. Mỗi công cụ bổ sung hoặc tập lệnh tùy chỉnh trong quy trình này đều làm tăng độ phức tạp và nguy cơ thất bại.

Gói Ultralytics được thiết kế để giảm bớt sự phức tạp đó bằng cách tích hợp các bước này vào một quy trình làm việc duy nhất, nhất quán. Với một thư viện duy nhất, các nhóm có thể huấn luyện các mô hình như YOLO26, chạy dự đoán, xác thực kết quả và xuất các mô hình để triển khai mà không cần chuyển đổi công cụ hoặc viết lại mã tích hợp. 

Nó cũng hỗ trợ nhiều tích hợp xuyên suốt vòng đời sản phẩm, từ đào tạo và đánh giá đến xuất khẩu và triển khai trên các phần cứng khác nhau. Cách tiếp cận thống nhất này tạo nên sự khác biệt trong môi trường sản xuất.

‍

Các lệnh và giao diện được sử dụng trong quá trình thử nghiệm cũng được áp dụng tương tự trong quá trình triển khai, giúp giảm thiểu sự gián đoạn trong việc chuyển giao giữa các nhóm nghiên cứu, kỹ thuật và vận hành. Việc xuất mô hình cũng trở nên dễ dự đoán hơn, vì các mô hình YOLO26 có thể được chuyển đổi trực tiếp sang các định dạng như... ONNX , TensorRT , CoreML , OpenVINO và các loại khác thường được sử dụng trong hệ thống sản xuất.

Bằng cách giảm thiểu mã kết nối và công việc tích hợp tùy chỉnh, Ultralytics Gói này giúp các nhóm tập trung vào việc xây dựng các ứng dụng đáng tin cậy thay vì duy trì các quy trình phức tạp. Điều này giúp việc mở rộng quy mô triển khai, cập nhật mô hình theo thời gian và duy trì tính nhất quán về hành vi trên môi trường phát triển và sản xuất trở nên dễ dàng hơn.

Ứng dụng thực tiễn của Ultralytics YOLO26

Tiếp theo, chúng ta hãy cùng xem cách thức như thế nào. Ultralytics YOLO26 có thể được sử dụng trong nhiều ứng dụng thực tế đòi hỏi khả năng xử lý hình ảnh máy tính đáng tin cậy và sẵn sàng cho sản xuất.

Vận chuyển hệ thống thị giác robot với Ultralytics YOLO26

Các hệ thống robot phụ thuộc vào khả năng nhận thức nhanh chóng và đáng tin cậy để hoạt động an toàn và hiệu quả. Cho dù đó là robot di động tự hành điều hướng trong kho hay cánh tay robot xử lý vật thể trên dây chuyền, các mô hình thị giác phải cung cấp kết quả nhất quán với độ trễ tối thiểu. 

Ultralytics YOLO26 có thể detect Nó có khả năng phát hiện chướng ngại vật, nhận diện vật thể và giám sát sự hiện diện của con người trực tiếp trên phần cứng robot. Thiết kế suy luận từ đầu đến cuối giúp đơn giản hóa việc tích hợp vào phần mềm điều khiển robot, giúp dễ dàng triển khai các khả năng thị giác hoạt động liên tục trong môi trường thực tế.

Triển khai Ultralytics YOLO26 trên sàn nhà máy

Trong các nhà máy, thị giác máy tính thường được sử dụng để giám sát thiết bị, kiểm tra sản phẩm và đảm bảo các quy trình hoạt động trong giới hạn an toàn. YOLO26 có thể được triển khai trên phần cứng công nghiệp tại chỗ để detect lỗi, xác minh các bước lắp ráp, hoặc track Sự chuyển động của các bộ phận cơ khí trong thời gian thực. 

Khả năng hoạt động hiệu quả trên các thiết bị biên giúp nó phù hợp với các dây chuyền sản xuất, nơi các hệ thống phải hoạt động liên tục, với độ trễ thấp và chi phí cơ sở hạ tầng tối thiểu.

‍

Đang chạy Ultralytics YOLO26 về máy bay không người lái và hệ thống điều khiển từ xa

Máy bay không người lái và các hệ thống điều khiển từ xa thường hoạt động với nguồn điện hạn chế và kết nối không ổn định. YOLO26 có thể xử lý dữ liệu hình ảnh trực tiếp trên thiết bị, cho phép thực hiện các tác vụ như kiểm tra, khảo sát hoặc giám sát trong khi đang bay. Bằng cách phân tích hình ảnh cục bộ, hệ thống có thể phản hồi trong thời gian thực và giảm nhu cầu truyền lượng lớn dữ liệu về vị trí trung tâm.

Mở rộng quy mô hệ thống thị giác thành phố thông minh với Ultralytics YOLO26

Hãy xem xét một thành phố triển khai hệ thống camera giám sát tại các giao lộ, công viên công cộng và các trạm trung chuyển. Mỗi địa điểm có thể sử dụng phần cứng khác nhau và hoạt động trong các điều kiện khác nhau, nhưng hệ thống thị giác vẫn cần phải hoạt động một cách nhất quán. 

Ultralytics YOLO26 có thể giúp phân tích các luồng video này cho các tác vụ như giám sát giao thông, phát hiện người đi bộ hoặc phân tích không gian công cộng. Hành vi triển khai dễ dự đoán và khả năng hỗ trợ nhiều nền tảng phần cứng giúp việc triển khai, cập nhật và bảo trì hệ thống thị giác dễ dàng hơn trên các môi trường đô thị rộng lớn, phân tán.

‍

Vì sao việc vận chuyển dễ dàng hơn lại thay đổi mô hình kinh doanh của Vision AI? 

Đối với nhiều tổ chức, thách thức lớn nhất với Trí tuệ nhân tạo thị giác không phải là xây dựng một mô hình hoạt động trong bản demo, mà là biến công việc đó thành một hệ thống hoạt động đáng tin cậy trong môi trường sản xuất. 

Việc triển khai thường đòi hỏi nỗ lực kỹ thuật đáng kể, bảo trì liên tục và phối hợp giữa các nhóm, điều này có thể làm chậm dự án hoặc hạn chế tác động của chúng. Khi các mô hình dễ dàng triển khai, điều này sẽ thay đổi phương trình kinh doanh. 

Triển khai nhanh hơn giúp giảm thời gian đạt được giá trị. Tích hợp đơn giản hơn giúp giảm chi phí kỹ thuật và vận hành. Hành vi dễ dự đoán hơn trên các môi trường khác nhau giúp giảm rủi ro và làm cho việc lập kế hoạch dài hạn trở nên khả thi hơn.

Ultralytics YOLO26 được thiết kế dựa trên những yếu tố này. Việc đơn giản hóa triển khai và hỗ trợ hoạt động nhất quán trong môi trường sản xuất giúp các tổ chức chuyển đổi Trí tuệ Nhân tạo Thị giác từ giai đoạn thử nghiệm sang ứng dụng hàng ngày. Đối với các nhà lãnh đạo doanh nghiệp, điều này biến thị giác máy tính thành một khoản đầu tư thiết thực và đáng tin cậy hơn, thay vì một nỗ lực nghiên cứu rủi ro cao.

Những điều cần nhớ

Ultralytics YOLO26 được xây dựng để thu hẹp khoảng cách giữa nghiên cứu và sản xuất bằng cách giúp việc triển khai và bảo trì thị giác máy tính thời gian thực trở nên dễ dàng hơn. Thiết kế toàn diện và hiệu năng ưu tiên xử lý tại biên giúp giảm thiểu sự phức tạp thường làm chậm các dự án Trí tuệ Nhân tạo Thị giác. Điều này cho phép các tổ chức hoạt động nhanh hơn và thu được giá trị sớm hơn.

Hãy tham gia cộng đồng của chúng tôi và khám phá kho lưu trữ GitHub để tìm hiểu thêm về Trí tuệ nhân tạo (AI). Xem các trang giải pháp của chúng tôi để tìm hiểu về AI trong lĩnh vực bán lẻ và thị giác máy tính trong nông nghiệp . Khám phá các tùy chọn cấp phép của chúng tôi và bắt đầu xây dựng ứng dụng thị giác máy tính ngay hôm nay!