借助 Ultralytics YOLO，Kiwitron 开发了 KiwiEye，这是一套能够实时检测最远 30 米处危险的系统，提升了安全性和效率。
工业地面环境繁忙，叉车和工人经常近距离作业，这可能引发安全问题。超宽带和 LiDAR 等解决方案要么效率低下，要么会干扰作业，因此 Kiwitron 开始寻找更好的方案。
为应对这一问题，Kiwitron 开发了面向工业安全的 AI 驱动解决方案 KiwiEye。通过集成 Ultralytics YOLO 模型，该系统能够快速检测危险并帮助操作员实时响应。它还提供热力图和险情报告等洞察，帮助安全管理人员识别风险并有效改进安全措施。
图 1. 认识 KiwiEye。
利用视觉 AI 提升工业运营安全#
Kiwitron 是一家专注于工业技术的意大利公司，致力于提升物流、农业、制造业和重型机械等行业的安全性与效率。凭借创新解决方案，Kiwitron 意识到工业现场需要更有效的安全方案。传统系统无法满足需求时，Kiwitron 转向 AI 驱动技术，打造更智能、更可靠的安全解决方案。
准确检测工业厂房中的危险#
在重型机械与工人共处的工业工作场所，必须采取更严格的安全措施。要预防事故并保持运营顺畅，就需要高效、及时地跟踪危险。
传统安全方法（例如超宽带系统）依赖工人佩戴标签，但并非所有人都会始终使用所需设备，因此这种方法并不总是实用。LiDAR 传感器虽然能够检测物体，但往往缺乏足够的准确率来区分具体危险，导致不必要的减速。
这些挑战造成安全漏洞和效率低下，干扰了工作流程。Kiwitron 认识到需要更先进的解决方案：能够实时检测行人、车辆和标志，并向操作人员发出清晰、可执行的警报。理想的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前提下维持生产力。
KiwiEye：Kiwitron 的 AI 驱动安全解决方案#
为克服这些挑战，Kiwitron 将 Ultralytics YOLO 模型和先进的目标检测技术集成到其安全系统 KiwiEye 中。KiwiEye 由 YOLO 驱动，能够以工业环境实时危险检测所需的速度和准确率运行。
KiwiEye 使用搭载 Ultralytics YOLO 模型的先进摄像头，实时识别行人、车辆和标志等关键对象。借助 Coral 加速器，系统能够快速处理图像，并将延迟降至最低，使操作员可以立即应对潜在危险。与传统传感器不同，KiwiEye 能够结合上下文进行检测，区分不同对象，并针对具体危险定制警报。
该系统采用灵活的设计，可在各种工业环境中顺畅运行，从宽敞的仓库到狭窄的工作区域皆能适用。其轻量化结构可与现有硬件平稳集成，同时保持高性能。KiwiEye 将精准度、速度和适应性融为一体，在提高安全性的同时维持运营效率，为工业危险检测提供了创新解决方案。
为什么选择 Ultralytics YOLO 模型？#
在测试了包括 MobileNet 和 SSD 在内的多种模型后，Kiwitron 选择了 Ultralytics YOLO。YOLO凭借速度、准确性和对 Coral 加速器等轻量级硬件的兼容性优势脱颖而出，非常适合实时应用。
Kiwitron 的首席技术官解释道：“我们刚开始时，YOLO 是市面上最好的目标检测模型。它帮助我们实现了安全与效率这两个目标。”YOLO 的适应能力也让 Kiwitron 能够根据工业环境的独特需求定制解决方案。
Kiwitron 借助 Ultralytics YOLO 实现 30 米范围内的危险检测#
将 Ultralytics YOLO 模型集成到 KiwiEye 后，工业现场的安全性和效率显著提升。该系统能够可靠地实时检测危险，即使在最远 30 米处，也能准确识别行人、车辆和标志。Kiwitron 的首席技术官表示：“我们设定了 FPS 阈值，以确保 KiwiEye 响应迅速，能够预防事故。借助 YOLO，我们可以检测最远 30 米处的物体，同时保持所需的速度。”
KiwiEye 系统结合 Ultralytics YOLO 模型，已经在预防事故和险情方面取得了显著进展。虽然很难量化具体挽救了多少生命，但 Kiwitron 的 CEO 分享道：“我们经常收到客户反馈，说险情事件有所减少。有一次，一位客户甚至感谢我们避免了一起严重事故。”
该系统还通过热力图和险情报告向安全管理人员提供有价值的数据，帮助识别高风险区域并调整安全规程。Kiwitron 的 CEO 补充道：“这不仅仅是预防事故。我们收集的数据让客户能够依据数据改进安全措施，最终打造更安全的环境。”
更进一步的是，Ultralytics YOLO 不仅帮助 Kiwitron 达成绩效目标，还使其能够快速创新。Kiwitron 的 CTO 强调：“使用 Ultralytics YOLO，我们能够快速开发出稳定、高性能的解决方案，同时为未来的改进奠定基础。”
Kiwitron 在视觉 AI 和 YOLO 方面的下一步计划#
Kiwitron 对 Ultralytics YOLO 模型的应用展现了计算机视觉如何改变我们对安全的看法：从事后应对问题转向利用智能、数据驱动的解决方案预防问题。随着视觉 AI 不断进步，新的可能性也随之出现，例如监测个人防护装备 (PPE) 合规情况和发现其他危险，从而让工作场所更加安全、高效。
凭借 Ultralytics YOLO 的灵活性和性能，Kiwitron 得以自信地创新，确保其解决方案能够跟上工业安全不断变化的需求。
正如 Kiwitron 的 CTO 所说：“这就像轮子的概念。我的意思是，你已经拥有它。我们这个社区已经有了。那么，为什么要从头开始重新造呢？”
想了解视觉 AI 如何改变你的业务？查看我们的 GitHub 仓库，了解 Ultralytics 针对行业打造的解决方案，例如医疗保健领域的计算机视觉和制造业，并查看许可选项，立即开始！
