将基于专有数据微调并针对多种导出格式优化的 Ultralytics YOLO 模型集成后，Videologic Analytics 得以降低成本并缩短产品上市时间。
Videologic Analytics 是一家总部位于西班牙的先进视频分析解决方案开发商，致力于提升工业场所、太阳能园区和住宅综合体的安全防护与监控能力。该公司部署由 AI 驱动的解决方案，并将其集成到安防摄像头中，以实时监控周界并检测入侵行为。
此前的模型成本高、部署慢，因此他们集成了Ultralytics YOLO 模型，以提升检测准确率、降低开发成本并缩短产品上市时间，同时拓展到零售和商业智能等新领域。
利用 AI 摄像头实现安全领域的计算机视觉#
Videologic Analytics 由拥有 30 多年经验的专家领导，专注于将 AI 和计算机视觉集成到安全摄像头中，以实现实时监控和自动化威胁检测。他们的解决方案以可靠的性能保护大型设施、可再生能源设施和住宅社区。
他们服务的知名客户包括 Prosegur、Securitas、Sabico，以及西班牙 4,000 多家经认证的安保公司。面对 AI 模型开发和部署成本高、耗时长等挑战，他们将 Ultralytics YOLO 模型用于创新的视觉 AI 解决方案。这样一来，他们不仅增强了安全应用，还拓展到了新的垂直行业。
利用 AI 实现经济高效的自动化威胁检测#
Videologic Analytics 之前已将 AI 模型集成到提供给客户的安全摄像头中。这些早期模型经过编程，只能检测有限类别的目标，包括一般车辆、人员和小型动物。尽管这种基础方法为先进安防系统奠定了基础，但也为进一步优化留下了空间，尤其是在提高精确度和降低误报率方面。
他们的客户希望获得更全面的解决方案，能够在更多目标和场景中提供更广泛、更准确的目标检测能力。为了满足客户需求，Videologic Analytics 的研发团队开始开发增强型 AI 模型。
在开发这些模型时，Videologic Analytics 很快发现现有方法存在一些问题，例如成本高、开发周期长。公司意识到需要一种更加灵活、高效的方法，以应对这些挑战，更好地满足客户不断变化的安全需求。
具体来说，他们希望找到一种计算机视觉模型，以增强其视觉 AI 解决方案的可靠性并提高客户满意度。同时，该模型还必须兼具成本效益，并能适应未来需求。
利用 AI 驱动的异常检测重新定义监控#
测试多个 AI 模型后，Videologic Analytics 发现 Ultralytics YOLO 模型具备所需的灵活性和性能。他们首先使用基于 COCO 数据集开发的预训练 YOLO 模型，该数据集包含范围广泛的常见目标。预训练提供了坚实的基础，因为模型已经能够识别许多基本物体，因此更容易针对特定安全需求进行调整。
例如，Videologic Analytics 使用自己的专有数据对这些预训练模型进行微调，将其用于太阳能园区监控等应用。
在这种场景下，模型用于 AI 驱动的异常检测，区分真正的威胁（例如未授权人员或车辆）和小动物、被风吹动的杂物等无害目标。这种明确区分对于减少误报、提升整体安全表现至关重要。
除了监控太阳能园区，他们还利用 YOLO 开发了工业和住宅安防解决方案，并为零售和商业智能领域的计算机视觉创新开发了概念验证模块。虽然他们主要使用目标检测，但也利用 YOLO 支持的计算机视觉任务，例如姿态估计和目标跟踪。
图 1 Videologic Analytics 使用 Ultralytics YOLO 模型监控太阳能发电厂。
为什么选择 Ultralytics YOLO 模型？#
Videologic Analytics 选择 Ultralytics YOLO 模型，是因为他们需要一种强大的解决方案，既能支持众多摄像头通道，又能实现快速、准确的推理。
YOLO 支持多种导出格式，并可与 CUDA、TensorRT、ONNX 和 OpenVINO 等框架无缝集成。这种灵活性使 Videologic Analytics 能够使用 PyTorch 微调模型，并在生产环境中高效部署。通过针对特定硬件进行优化，YOLO 比以往的模型更能满足实时视频分析的严苛需求。
简化模型部署，实现智能视频监控#
集成 Ultralytics YOLO 模型后，Videologic Analytics 在性能和效率方面都取得了显著提升。其全新的视觉 AI 解决方案能够在太阳能园区、工业园区和住宅综合体等各种场所快速实时地检测威胁。
事实上，Videologic Analytics 每年部署约 10,000 个许可证，每个许可证对应一个专用摄像头通道；目前所有许可证都已升级为支持 Ultralytics YOLO 模型。改用 YOLO 后，误报显著减少，检测准确率也全面提升。因此，客户可以享受更可靠的安防系统，运营成本也有所降低。
此外，Ultralytics YOLO 模型推理速度更快、可扩展性更强，从而缩短了新 AI 功能的上市时间。这使 Videologic Analytics 能够增强核心安防产品，并探索零售和商业智能等垂直领域的新机会。总的来说，采用 Ultralytics YOLO 模型既改善了公司的当前运营，也带来了长期增长前景。
图 2. Videologic Analytics 使用 Ultralytics YOLO 模型监控城市环境。
用于安全防护的智能视频分析：未来展望#
Videologic Analytics 正积极利用 Ultralytics YOLO 模型扩展其解决方案，突破基础入侵检测的局限。下一步将通过行为分析、趋势跟踪和预测智能等高级分析，提供更丰富、更具可操作性的洞察。
这些改进将帮助客户优化安全运营，并在零售和商业智能领域开拓新的可能性，推动实时视频分析持续创新和发展。
想了解计算机视觉如何重塑你的业务？访问我们的GitHub 代码仓库，了解 Ultralytics 的 AI 解决方案如何推动零售业 AI和农业计算机视觉等领域的创新。进一步了解我们的 YOLO 模型和许可选项，今天就开启更智能、高效的自动化之旅。
