RTM giảm 28% chi phí suy luận với Ultralytics YOLO26

RTM là công ty AI công nghiệp có trụ sở tại Seoul. Bộ phận thị giác của công ty xây dựng giải pháp giám sát an toàn bằng AI cho các cơ sở sản xuất: các camera đã lắp đặt trên sàn nhà máy được model Ultralytics YOLO26 giám sát suốt ngày đêm để phát hiện người, người bị ngã, xâm nhập vùng nguy hiểm, cháy hoặc khói. Hệ thống chạy trên bất kỳ PC nào khách hàng đang có, từ đồ họa tích hợp đến GPU rời.

Giám sát camera mà không ai theo dõi#

Tai nạn công nghiệp thường xảy ra ở những khoảng trống không được giám sát. Nhà máy đã có camera trên mọi dây chuyền, nhưng không ai có thể theo dõi mọi luồng hình ảnh mọi lúc. RTM xây dựng một hệ thống thực hiện việc này liên tục: mỗi kênh camera chạy hai model Ultralytics YOLO26, một model được huấn luyện để phát hiện người và model còn lại để phát hiện cháy và khói; dữ liệu được đưa vào lớp sự kiện xác định để phát cảnh báo khi công nhân bị ngã hoặc xâm nhập vùng nguy hiểm.

Trong sáu tháng qua, giải pháp AI an toàn công nghiệp của RTM đã được triển khai 24/7 hoặc đang được đánh giá tại chỗ ở 21 công ty sản xuất thuộc các lĩnh vực thép, pin, hóa chất và nhựa, thực phẩm và robot. Kết nối với hệ thống CCTV hiện có, hệ thống phát hiện khi công nhân đi vào vùng nguy hiểm hoặc bị ngã, rồi kích hoạt cảnh báo qua các hệ thống nội bộ hoặc, thông qua tích hợp PLC, điều khiển trực tiếp thiết bị nhà máy được kết nối.

Hình 1. Luồng trực tiếp phát hiện ngã RTM sử dụng Ultralytics YOLO (nguồn ảnh: RTM).

Giải quyết bài toán phần cứng mà không ai muốn mua#

Giám sát an toàn phải cạnh tranh với phương án không lắp đặt gì cả. Nếu cần mua phần cứng máy chủ mới trước khi hệ thống có thể giám sát dù chỉ một camera, quá trình đánh giá thường dừng lại trước khi bắt đầu. Từ trước đến nay, các nhà sản xuất phải chọn giữa phần cứng chuyên dụng đắt tiền và hoàn toàn không có giám sát tự động.

RTM đặt mục tiêu loại bỏ sự đánh đổi đó: chỉ cần một bản triển khai có thể chạy trên bất kỳ PC nào đang có trong phòng điều khiển, từ đồ họa tích hợp Intel đến NVIDIA RTX 3090, không cần cấu hình riêng cho từng địa điểm.

Để làm được điều đó, RTM xuất cả hai model YOLO26 sang ONNX với shape tĩnh và chạy chúng qua ONNX Runtime trên năm execution provider: TensorRT, CUDA, OpenVINO, DirectML và CPU. Khi khởi động, thư viện suy luận phát hiện nhà cung cấp GPU được cài đặt và tự động chọn chuỗi provider phù hợp, nhờ đó cùng một tệp 36 MB cho mỗi model có thể chạy nguyên trạng trên máy đích, dù máy không có GPU rời hay được trang bị card cao cấp. Ứng dụng triển khai không phụ thuộc Python hay PyTorch và không cần duy trì nhánh phát hành riêng cho từng nhà cung cấp.

Detection head đầu-cuối của YOLO26 giúp cách tiếp cận một artifact trở nên khả thi: vì model xuất trực tiếp các detection cuối cùng, lớp inference C++ của RTM chỉ cần ngưỡng confidence và phép biến đổi ngược letterbox, không cần triển khai lại NMS và không có chênh lệch tương đương cần gỡ lỗi giữa quy trình huấn luyện Python với quy trình triển khai C++, một loại lỗi thường xuất hiện khi bộ phát hiện đi qua ranh giới ngôn ngữ lập trình.

Định lượng lợi ích từ GPU#

RTM benchmark cả hai model YOLO26-small (người và lửa/khói) ở hai độ phân giải đầu vào trên NVIDIA RTX 3090 (ONNX Runtime 1.26.0, CUDA execution provider, FP32, batch 1, chỉ tính forward pass). Ở 640×640, model người chạy mất 4,20 ms mỗi frame và model lửa/khói mất 4,34 ms; ở 1280×1280, cả hai tăng lên khoảng 12,5 ms, còn bộ nhớ GPU tăng từ 406 MB lên 1.302 MB. Như vậy, 640×640 tiết kiệm khoảng 2,9 lần chi phí mỗi frame và dùng ít hơn 3,2 lần bộ nhớ, trong khi đầu vào lớn hơn cải thiện khả năng phát hiện đối tượng nhỏ ở xa. RTM cung cấp 640×640 làm mặc định và vẫn giữ bản export 1280×1280 cho các địa điểm còn dư năng lực GPU để ưu tiên biên độ phát hiện thay vì số kênh.

Chuyển từ CUDA ở FP32 sang TensorRT ở FP16 giảm tổng chi phí mỗi frame của cả hai model từ 8,68 ms xuống 6,26 ms, giảm 28%; tương đương khoảng 39,9 FPS trên bốn kênh bằng một GPU thay vì 28,8 FPS. RTM xác minh chuyển đổi FP16 không làm giảm độ chính xác trước khi phát hành: recall không đổi ở mọi nhóm kích thước đối tượng và ở cấp độ sự kiện cho cả lửa lẫn khói. Trong ứng dụng đã triển khai, máy cấu hình khuyến nghị (Intel Core i7 từ 16 lõi trở lên, RAM 32GB, RTX 5060 8GB trở lên) duy trì 6 kênh đồng thời; máy cấu hình thấp chỉ có đồ họa tích hợp vẫn duy trì 1 kênh, trong khi giới hạn sản phẩm là 10 kênh mỗi máy.

Vì sao nên tận dụng Ultralytics YOLO26?#

RTM huấn luyện bộ phát hiện người và bộ phát hiện lửa/khói bằng cùng một codebase huấn luyện của Ultralytics, và cả hai dùng chung 352 dòng code mà hoàn toàn không có nhánh xử lý riêng cho từng lĩnh vực. Điều duy nhất thay đổi giữa bộ phát hiện người và bộ phát hiện lửa là tệp cấu hình: kích thước đầu vào, số epoch, learning rate và thành phần dataset. Đây là kết quả trực tiếp từ cách Ultralytics YOLO được xây dựng. Một kiến trúc và API huấn luyện thống nhất cho mọi tác vụ phát hiện đồng nghĩa với việc mở rộng sang lĩnh vực phát hiện mới chỉ cần thay đổi config thay vì xây dựng pipeline mới, nhờ đó một nhóm kỹ sư nhỏ có thể đưa hai model đạt chuẩn production vào vận hành mà không cần duy trì hai codebase.

Sự nhất quán đó cũng giúp việc chuyển sang YOLO26 ít rủi ro. RTM áp dụng YOLO26 sau khi dự án bắt đầu được bốn ngày, vào tháng 5 năm 2026; quá trình chuyển đổi không cần sửa dòng code huấn luyện hiện có nào, chỉ cần dùng checkpoint khác. Vì Ultralytics duy trì giao diện huấn luyện ổn định qua các thế hệ model, việc nâng cấp lên kiến trúc mới nhất không đồng nghĩa với viết lại pipeline mà RTM đã xây dựng và kiểm thử.

“Ngay cả với cùng một dataset, kích thước đầu vào và augmentation cũng ảnh hưởng đến hiệu năng của model. Với Ultralytics, tất cả đều nằm trong một tệp config, nên chúng tôi chỉ cần thay đổi một vài giá trị, chạy song song một số biến thể rồi chọn biến thể tốt nhất. Chúng tôi không cần đụng đến code, vì vậy việc thiết lập mười lần chạy cũng gần như tốn công ngang với chạy một lần.” — Kỹ sư AI, RTM

Sự ổn định đó cũng mang lại cải thiện về độ chính xác. Việc hợp nhất chương trình huấn luyện tuần tự năm giai đoạn thành một lượt huấn luyện chung giúp mAP₅₀ trên tập validation tăng từ 0.672 lên 0.689 mà không thay đổi ngưỡng vận hành; RTM đạt được mức tăng này chỉ bằng cách huấn luyện lại trên cùng kiến trúc YOLO26 thay vì thiết kế lại model. Vì YOLO26 có thể xuất gọn thành artifact ONNX shape cố định, còn các ngưỡng phát hiện được cung cấp trong tệp phụ thay vì biên dịch vào ứng dụng, đội ngũ tại hiện trường đã áp dụng mức tăng độ chính xác này bằng cách thay một tệp ONNX mà không cần thay đổi ứng dụng máy chủ. Điều đó cho phép một nhóm kỹ thuật nhỏ cập nhật model tại mọi địa điểm mà không cần phối hợp phát hành, và đây là kết quả trực tiếp của việc xây dựng trên YOLO26 thay vì kiến trúc tùy biến.

Lớp xử lý phía trên khâu phát hiện#

Cảnh báo của RTM không chỉ dựa trên kết quả phát hiện thô: một người xuất hiện trong khung hình chưa phải là sự kiện, nhưng một người bị ngã và nằm yên thì có. Một lớp sự kiện xác định nằm phía trên hai model YOLO26, kết hợp tracking, trạng thái tư thế, việc có mặt trong vùng và biểu quyết trên cửa sổ trượt trước khi phát cảnh báo. Tách riêng logic này khỏi model giúp một bộ phát hiện người phục vụ được mọi địa điểm, dù độ cao camera, góc quay và điều kiện ánh sáng khác nhau đáng kể giữa các nhà máy. Cách làm này cũng cho phép tái sử dụng kết quả phát hiện hiện có cho các hành vi an toàn mới: RTM hiện đang xây dựng tính năng giám sát tuân thủ PPE dựa trên cùng đầu ra phát hiện người, không cần model mới hay phần cứng mới tại các địa điểm có GPU.

Tác động tổng thể#

Tác động thể hiện rõ nhất ở các khách hàng tích hợp robot cộng tác của RTM, những đơn vị cung cấp và lắp đặt cobot trong các nhà máy, vốn từ lâu phải xử lý tình trạng công nhân va chạm với robot dù đã có hàng rào an toàn vật lý hoặc laser. Với hệ thống của RTM, việc xâm nhập vùng nguy hiểm được phát hiện và ngay lập tức kích hoạt lệnh dừng robot kết nối PLC mà không có độ trễ; từ đó, các đơn vị tích hợp này đã sử dụng hệ thống làm thiết bị an toàn mặc định thay cho hàng rào vật lý.

Một khách hàng sản xuất thép cho biết khả năng tùy chỉnh kịch bản phát hiện theo từng địa điểm của Ultralytics YOLO giúp họ giảm hơn 100 nhân viên giám sát an toàn từng tuần tra sàn nhà máy. Nhìn chung, các nhà sản xuất đánh giá giải pháp của RTM là dễ lắp đặt nhất và tiết kiệm chi phí nhất trong số các lựa chọn giám sát an toàn đã xem xét; tính năng phát hiện vùng nguy hiểm, người ngã và cháy/khói đáp ứng những nhu cầu thiết yếu nhất của họ.

Mở rộng quy mô với chính các model hiện có#

Bước tiếp theo của RTM là phát hiện tuân thủ PPE, hoàn toàn dựa trên đầu ra phát hiện người hiện có. Không cần huấn luyện model mới và tại các địa điểm còn dư địa GPU cũng không cần lắp phần cứng mới. Khi tiếp tục triển khai tại nhiều cơ sở sản xuất và cấp phần cứng khác nhau, cùng một bản xuất ONNX duy nhất cho mỗi model vẫn đảm nhiệm toàn bộ công việc, từ PC đồ họa tích hợp cấu hình thấp nhất đến máy chủ GPU cao cấp nhất tại nhà máy.

Bạn muốn tự xây dựng giải pháp AI thị giác? Khám phá các model Ultralytics YOLO, tìm hiểu cách chúng được ứng dụng trong nhiều ngành, bao gồm thị giác máy tính trong sản xuất, và xem các lựa chọn cấp phép để bắt đầu.