Kiwitron和Ultralytics YOLO模型用于工业危害检测

工业场所通常非常繁忙，叉车和工人在近距离内作业，这可能会导致安全问题。诸如超宽带和 激光雷达（LiDAR） 等解决方案效率低下或具有干扰性，促使 Kiwitron 寻找更好的解决方案。

为了应对这种情况，Kiwitron开发了 KiwiEye，这是一种专为工业安全设计的人工智能解决方案。通过集成 Ultralytics YOLO模型，该系统可以快速检测到危险，并帮助操作员实时响应。它还提供诸如 热图 和未遂事故报告之类的见解，从而使安全管理人员能够有效地识别风险并改进安全措施。

利用视觉 AI 提高工业运营的安全性

Kiwitron 是一家专注于 工业技术 的意大利公司，致力于提高 物流、农业、制造业 和重型机械等行业的安全性和效率。他们以其创新解决方案而闻名，并认识到需要一种更有效的方法来保障工业场所的安全性。当传统系统不足时，Kiwitron 转而采用 AI 驱动的技术来创建更智能、更可靠的安全解决方案。

工业地面上精确检测危险的需求

重型机械和工人共存的工业工作场所需要加强安全措施。为了防止事故并保持平稳运行，需要高效且现场的危险跟踪。

传统的安全方法，例如超宽带系统，依赖于工人佩戴标签，但这并不总是可行的，因为并非每个人都始终如一地使用所需的设备。LiDAR 传感器虽然能够检测物体，但通常缺乏区分特定危险的准确性，从而导致不必要的减速。

这些挑战造成了安全漏洞和效率低下，从而扰乱了工作流程。Kiwitron 意识到需要一种更先进的解决方案——一种能够实时检测的解决方案，可以区分行人、车辆和标志，同时向操作员提供清晰、可操作的警报。Kiwitron 的理想解决方案还必须满足严格的硬件要求，快速处理数据，适应各种工业环境，并在不影响运营效率的情况下保持生产力。

KiwiEye：Kiwitron 基于 AI 的安全解决方案

为了克服这些挑战，Kiwitron 将 Ultralytics YOLO 模型和先进的对象检测技术集成到他们的安全系统 KiwiEye 中。在 YOLO 的支持下，KiwiEye 提供了工业环境中实时危险检测所需的速度和准确性。

KiwiEye 使用 先进的摄像头 结合 Ultralytics YOLO 模型，实时识别行人、车辆和标志等关键元素。借助 Coral 加速器，该系统能够快速处理图像，延迟极低，使操作员能够立即对潜在危险做出反应。与传统传感器不同，KiwiEye 提供上下文感知的检测，区分不同的对象，并根据特定危险定制警报。

该系统具有适应性的设计使其能够在各种工业环境中无缝运行，从宽敞的仓库到狭窄的工作区域。其轻巧的结构与现有硬件平稳集成，同时保持高速性能。通过结合精确性、速度和适应性，KiwiEye提高了安全性，同时保持了运营效率，为工业危害检测提供了一种创新的解决方案。

为何选择 Ultralytics YOLO 模型？

Kiwitron 在测试了包括 MobileNet 和 SSD 在内的各种模型后，选择了 Ultralytics YOLO。YOLO 以其无与伦比的速度、准确性 以及与 Coral 加速器等轻量级硬件的兼容性脱颖而出，使其非常适合实时应用。 

正如 Kiwitron 的 CTO 解释说，“在我们开始时，YOLO 是市场上用于目标检测的最佳方案。它使我们能够实现安全和效率的双重目标。” 它的适应性也使 Kiwitron 能够定制其解决方案，以满足工业环境的独特需求。

Kiwitron 通过 Ultralytics YOLO 实现 30 米的危险检测

Ultralytics YOLO 模型集成到 KiwiEye 中，显著提高了工业场所的安全性与效率。 该系统能够可靠地实时检测危险，即使在 30 米的距离外也能准确识别行人、车辆和标志。 Kiwitron 的 CTO 评论道：“我们有一个 FPS 阈值，可确保 KiwiEye 能够做出足够快速的响应以防止事故发生。 借助 YOLO，我们可以在 30 米以外检测到物体，同时保持必要的速度。”

KiwiEye系统与Ultralytics YOLO模型相结合，已经在预防事故和未遂事故方面取得了显著进展。虽然关于挽救生命的准确数字很难量化，但Kiwitron的首席执行官分享说：“我们经常收到客户的反馈，他们报告说未遂事故减少了。在一个案例中，一位客户甚至感谢我们预防了一起严重的事故。”

该系统还通过热图和未遂事故报告为安全管理人员提供有价值的数据，帮助他们识别高风险区域并调整安全协议。“这不仅仅是事故预防，”Kiwitron的首席执行官补充道。“我们收集的数据使客户能够做出数据驱动的安全改进，最终创造更安全的环境。”

更进一步，除了满足性能目标之外，Ultralytics YOLO 还使 Kiwitron 能够快速创新。Kiwitron 的 CTO 强调说：“使用 Ultralytics YOLO 使我们能够快速开发出稳定、高性能的解决方案，同时也为未来的改进奠定了基础。”

Kiwitron 使用视觉 AI 和 YOLO 的后续步骤

Kiwitron 对 Ultralytics YOLO 模型的应用展示了计算机视觉如何改变我们对安全的看法——从对问题做出反应转变为通过智能、数据驱动的解决方案来预防问题。随着视觉 AI 的发展，它开辟了新的可能性，例如监控个人防护设备 (PPE) 的合规性以及发现其他危害，从而使工作场所更安全、更高效。

Kiwitron 凭借 Ultralytics YOLO 的灵活性和高性能，得以自信地进行创新，确保其解决方案能够满足不断变化的工业安全需求。

正如 Kiwitron 的 CTO 所说，“这就像轮子的概念。我的意思是，你已经拥有了它。我们作为一个社区已经拥有了它。那么，为什么还要从头开始重建呢？”

想知道视觉 AI 如何改变您的业务吗？ 查看我们的 GitHub 存储库，了解 Ultralytics 针对行业量身定制的解决方案，例如 医疗保健中的计算机视觉 和 制造业，并探索许可选项，立即开始使用！