借助 Ultralytics YOLO，Kiwitron 开发了 KiwiEye，这是一套能够实时检测最远 30 米外危险的系统，可提升安全性和效率。
工业地面是繁忙的工作环境，叉车和工作人员经常近距离作业，这可能带来安全隐患。超宽带和 LiDAR 等解决方案要么效率不高，要么会干扰作业，促使 Kiwitron 寻找更好的方案。
为应对这一问题，Kiwitron 开发了 KiwiEye，这是一套面向工业安全的 AI 驱动解决方案。通过集成 Ultralytics YOLO models，该系统能够快速检测危险，并帮助操作员实时应对。它还提供 heatmaps 和险些发生事故报告等洞察，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 industrial technology 的意大利公司，致力于提升 logistics、agriculture、manufacturing 和重型机械等行业的安全性与效率。凭借创新解决方案而闻名的 Kiwitron 意识到，需要采用更有效的方法来保障工业地面的安全。当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。
工业地面需要精准检测危险#
在 heavy machinery 与工作人员共存的工业工作场所中，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）依赖工作人员佩戴标签，但并不总是实用，因为并非所有人都会始终使用规定的设备。LiDAR 传感器虽然能够检测物体，却常常缺乏区分具体危险所需的 accuracy，从而导致不必要的作业减速。
这些挑战造成了安全漏洞和效率低下，干扰了工作流程。Kiwitron 发现，需要一种更先进的解决方案——能够进行 real-time detection，区分行人、车辆和标志，同时向操作员提供清晰且可执行的警报。Kiwitron 理想的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，并在不牺牲运营效率的情况下保持生产力。
KiwiEye：Kiwitron 的 AI 驱动安全解决方案#
为克服这些挑战，Kiwitron 将 Ultralytics YOLO models 和先进的 object detection 技术集成到其安全系统 KiwiEye 中。KiwiEye 由 YOLO 驱动，为工业环境中的实时危险检测提供所需的速度和准确性。
KiwiEye 使用搭载 Ultralytics YOLO models 的 advanced cameras，实时识别行人、车辆和标志等关键元素。借助 Coral accelerators，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 能够理解上下文并进行检测，区分不同物体，并针对具体危险定制警报。
该系统采用可适应的设计，能够在各种工业环境中流畅运行，从宽敞的仓库到狭窄的工作区域都不例外。其轻量化结构可以顺畅集成到现有硬件中，同时保持高速度性能。KiwiEye 将精准度、速度和适应性相结合，在保持运营效率的同时提升安全性，为 industrial hazard detection 提供创新解决方案。
为什么选择 Ultralytics YOLO 模型？#
Kiwitron 测试了包括 MobileNet 和 SSD 在内的多种模型后，选择了 Ultralytics YOLO。YOLO 在速度、accuracy 以及与 Coral accelerators 等轻量化硬件的兼容性之间实现了无可比拟的平衡，因此非常适合实时应用。
正如 Kiwitron 的 CTO 所解释的：“我们开始时，YOLO 是市场上用于目标检测的最佳方案。它帮助我们同时实现了安全和效率这两个目标。”YOLO 的适应性还使 Kiwitron 能够定制解决方案，以满足工业环境的独特需求。
Kiwitron 借助 Ultralytics YOLO 实现 30 米危险检测#
将 Ultralytics YOLO models 集成到 KiwiEye 后，工业地面的安全性和效率得到了显著提升。该系统能够可靠地实时检测危险，即使在最远 30 米的距离，也能准确识别行人、车辆和标志。Kiwitron 的 CTO 表示：“我们设定了 FPS 阈值，以确保 KiwiEye 的响应速度足以预防事故。借助 YOLO，我们能够检测最远 30 米外的物体，同时保持所需的速度。”
KiwiEye 系统与 Ultralytics YOLO models 结合后，已经在预防事故和险些发生事故方面取得了明显进展。虽然很难准确量化挽救的生命数量，但 Kiwitron 的 CEO 分享道：“我们经常收到客户反馈，他们表示险些发生事故的次数有所减少。有一次，一位客户甚至感谢我们帮助他们避免了一起严重事故。”
该系统还通过 heatmaps 和险些发生事故报告，为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。我们收集的数据可以帮助客户基于数据改进安全措施，最终营造更安全的环境。”
更进一步地说，Ultralytics YOLO 不仅帮助 Kiwitron 达成性能目标，还使其能够快速创新。Kiwitron 的 CTO 强调：“使用 Ultralytics YOLO 让我们能够快速开发出稳定且高性能的解决方案，同时也为未来的改进奠定了基础。”
Kiwitron 在视觉 AI 和 YOLO 方面的下一步计划#
Kiwitron 使用 Ultralytics YOLO model 的实践展示了 computer vision 如何改变我们对安全的理解——从被动应对问题转向利用智能、数据驱动的解决方案来预防问题。随着 Vision AI advances，新的可能性不断涌现，例如监控个人防护装备 (PPE) 的合规情况并发现其他危险，从而让工作场所更安全、更高效。
凭借 Ultralytics YOLO 的灵活性和性能，Kiwitron 能够自信地进行创新，确保其解决方案跟上工业安全不断变化的需求。
正如 Kiwitron 的 CTO 所说：“这就像车轮的概念。我的意思是，它已经存在了。作为一个社区，我们已经拥有它。那么，为什么还要从头重新构建呢？”
想了解 Vision AI 如何改变你的业务？查看我们的 GitHub repository,，了解 Ultralytics 针对行业定制的解决方案，例如 computer vision in healthcare 和 manufacturing，并探索 licensing options，立即开始使用！
