RTM 是一家总部位于首尔的工业 AI 公司。其视觉业务部门为制造业场所构建 AI 安全监控系统：工厂车间已安装的摄像头由Ultralytics YOLO26模型全天候监控，以检测人员、跌倒、闯入危险区域以及火灾或烟雾；系统可在客户现有的任意 PC 上运行，从集成显卡到独立 GPU 均可。
监控无人值守的摄像头#
工业事故往往发生在无人顾及的环节。工厂的每条生产线上都已安装摄像头，但没人能全天候查看每一路画面。RTM 构建了一个可持续运行的系统：每个摄像头通道运行两个 Ultralytics YOLO26 模型，一个用于检测人员，另一个用于检测火灾和烟雾，并将结果输入确定性事件层，在工人跌倒或闯入危险区域时触发警报。
过去六个月，RTM 的工业安全 AI 解决方案已在 21 家制造企业全天候部署或进行现场评估，这些企业涉及钢铁、电池、化工和塑料、食品及机器人制造。系统连接现有 CCTV，可检测工人是否进入危险区域或跌倒，并通过内部系统触发警报，或通过 PLC 集成直接控制已连接的工厂设备。
图 1. 利用 Ultralytics YOLO 实现的 RTM 跌倒检测实时画面（图像来源：RTM）。
解决没人愿意购买的硬件问题#
安全监控面临的竞争选项是完全不安装系统。如果系统必须先配备新的服务器硬件才能监控哪怕一个摄像头，评估往往还没开始就结束了。制造商一直只能在昂贵的专用硬件和完全不进行自动化监控之间做选择。
RTM 致力于消除这种取舍：部署一套系统，就能在控制室现有的任意 PC 上运行，从 Intel 集成显卡到 NVIDIA RTX 3090 均可，无需为每个场地单独构建版本。
为此，RTM 将两个 YOLO26 模型都以静态形状导出为ONNX，并通过 ONNX Runtime 在五种执行提供程序上运行：TensorRT、CUDA、OpenVINO、DirectML 和 CPU。启动时，推理库会检测已安装 GPU 的厂商，并自动选择合适的提供程序链。因此，无论目标机器完全没有独立 GPU，还是配备高端显卡，每个模型大小为 36 MB 的同一文件都能直接运行。部署的应用程序不依赖 Python 或 PyTorch，也无需维护针对不同厂商的独立发布版本。
YOLO26 的端到端检测头让单一产物方案变得切实可行：由于模型会直接输出最终检测结果，RTM 的 C++ 推理层只需处理置信度阈值和 letterbox 逆变换，无需重新实现 NMS，也无需排查 Python 训练路径与 C++ 部署路径之间的结果不一致；当检测器跨语言边界时，这类错误通常就会出现。
GPU 带来的性能提升：实测数据#
RTM 在 NVIDIA RTX 3090 上，以两种输入分辨率对两种 YOLO26-small模型（人物和火焰/烟雾）进行了基准测试（ONNX Runtime 1.26.0、CUDA 执行提供程序、FP32、批次大小为 1，仅测量前向传播）。在 640×640 分辨率下，人物模型每帧耗时 4.20 毫秒，火焰/烟雾模型耗时 4.34 毫秒；在 1280×1280 分辨率下，两者都增加到约 12.5 毫秒，GPU 内存占用则从 406 MB 升至 1,302 MB。因此，640×640 每帧成本约低 2.9 倍、内存占用低 3.2 倍，而较大的输入尺寸有助于检测较小的远距离物体。RTM 将 640×640 设为默认值，并保留 1280×1280 导出版本，供有 GPU 余量、希望以更高检测余量而非更多通道数换取效果的站点使用。
从 CUDA FP32 切换到 TensorRT FP16 后，两种模型合计的单帧成本从 8.68 毫秒降至 6.26 毫秒，减少 28%；在单个 GPU 上运行四个通道时，相当于约 39.9 FPS，而不是 28.8 FPS。RTM 在发布前验证了 FP16 转换不会损失准确率：对于火焰和烟雾，所有物体尺寸区间和事件级别的召回率均保持不变。在已部署的应用中，推荐规格的机器（16 核级 Intel Core i7 或更高配置、32GB RAM、RTX 5060 8GB 或更高配置）可稳定运行 6 个并发通道；仅配备集成显卡的低端机器也可稳定运行 1 个通道；而每台设备的产品上限为 10 个通道。
为什么采用 Ultralytics YOLO26？#
RTM 使用同一套 Ultralytics 训练代码库训练人员检测器和火灾/烟雾检测器，两者共享 352 行代码，完全没有针对特定领域的分支逻辑。检测器从监测人员改为监测火灾，唯一需要改变的是配置文件：输入尺寸、训练轮数、学习率和数据集组成。这正是 Ultralytics YOLO 的构建方式直接带来的结果。统一且一致的架构和训练 API 适用于检测任务，这意味着进入新的检测领域只需修改配置，而不必新建一条流水线，因此一个小型工程团队就能构建两个可用于生产的模型，而无需维护两个代码库。
同样的一致性也让迁移到 YOLO26 的风险很低。RTM 在项目启动四天后，也就是 2026 年 5 月，采用了 YOLO26；迁移时无需修改任何现有训练代码，只需换用另一个检查点。由于 Ultralytics 在不同代际的模型间保持训练接口稳定，升级到最新架构并不意味着要重写 RTM 已构建并测试过的流水线。
“即使使用同一个数据集，输入尺寸和数据增强也会影响模型的表现。使用 Ultralytics 时，这些设置都集中在一个配置文件里，因此我们只需调整几个值，就能并行运行多个版本并选出最佳版本。整个过程中我们完全不用改代码，所以安排十次运行和安排一次运行的工作量差不多。”——RTM AI 工程师
这种稳定性也带来了准确率提升。将五阶段的顺序训练流程整合为一次联合训练后，在运行阈值不变的情况下，验证集 mAP50 从 0.672 提升到 0.689。RTM 只需基于相同的 YOLO26 架构重新训练，就能获得这一提升，无需重新设计模型。此外，由于 YOLO26 可直接导出为固定形状的 ONNX 制品，检测阈值也以旁路文件形式提供，而非编译进应用程序，现场只需替换一个 ONNX 文件就能获得这一准确率提升，主机应用程序无需任何改动。这让小型工程团队无需协调发布，就能向所有场所推送模型更新；这正是基于 YOLO26 构建而非采用定制架构的直接成果。
检测之上还有什么#
RTM 的警报并非原始检测结果：画面中出现一个人不代表发生了事件，但一个人跌倒并持续倒地则是事件。在两个 YOLO26 模型之上运行着确定性事件层，它会结合跟踪、姿态状态、区域归属和滑动窗口投票，然后才触发警报。将这些逻辑与模型分离，才能让同一个人员检测器适用于所有场所，尽管各工厂的摄像头高度、角度和光照条件差异很大。这也意味着，新的安全行为可以复用现有检测结果：RTM 目前正基于同一人员检测输出构建 PPE 合规监控，在配备 GPU 的场所无需新模型或新硬件。
总体影响#
RTM 与协作机器人客户合作时，系统的影响最为明显。这些客户负责在各家工厂供应和安装协作机器人，长期以来，即使设置了实体或激光安全围栏，工人仍会与机器人发生碰撞。使用 RTM 系统后，系统会检测闯入危险区域的行为，并立即触发与 PLC 相连的机器人停止运行，无延迟。这些集成商随后已将该系统作为默认安全装置，取代实体围栏。
一家钢铁制造客户表示，Ultralytics YOLO 能够针对不同场所定制检测场景，因此他们得以减少 100 多名此前在车间巡逻的安全监控人员。更广泛地说，制造商认为，在他们评估过的安全监控方案中，RTM 的解决方案最易安装、最具成本效益，而且危险区域、跌倒和火灾/烟雾检测覆盖了他们最需要的功能。
在相同模型基础上进一步扩展#
RTM 的下一步是检测 PPE 合规情况，完全基于现有的人员检测输出构建。无需训练新模型；对于 GPU 有余量的场所，也无需安装新硬件。随着部署继续扩展到更多制造场所和不同硬件配置，每个模型只需一个 ONNX 导出文件，就能持续承担任务，从最低规格的集成显卡 PC 到最高端的 GPU 服务器都适用。
想构建自己的视觉 AI 解决方案？探索我们的Ultralytics YOLO 模型，了解它们如何应用于各个行业，包括制造业中的计算机视觉，并查看许可选项，开始着手打造解决方案。
