Ultralytics YOLO27: 加入候补名单。
获取 YOLO 许可
2025年3月18日

Vivity AI 借助 Ultralytics YOLO 每年为工业运营节省 500 万美元以上

了解 Vivity AI 如何利用 Ultralytics YOLO 模型增强工业自动化,提升效率、减少停机时间并保障工作场所安全。

了解 Vivity AI 如何利用 Ultralytics YOLO 模型增强工业自动化,提升效率、减少停机时间并保障工作场所安全。
行业
制造业与工业
99.8%
工业故障检测准确率
60 FPS
实时推理,误报率低于 0.1%

Ultralytics YOLO 模型助力 Vivity AI 打造实时工业自动化解决方案,实现 99.8% 的目标检测准确率、减少误报并提升安全性。

工业自动化对于提升造船厂、石化厂和制造设施等工作场所的效率与安全至关重要。然而,传统监控系统往往已经过时,导致停机成本高昂、安全风险增加。Vivity AI 认识到这些挑战,并着手开发由视觉 AI 驱动的解决方案,以增强实时监控、简化工作流并防止运营故障。

为了优化工业监控,Vivity AI 使用Ultralytics YOLO 模型开发计算机视觉解决方案,实现实时工业自动化。例如,其工业 AI 创新包括自动缺陷检测、预测性维护和工作流优化,帮助各行业跟踪生产进度、在故障发生前发现问题,并确保符合安全法规。

利用计算机视觉增强工业自动化#

制造业经常面临自动化和安全监控方面的挑战。例如,仅在造船厂,就有 1,000 多名分包商和 20,000 名工人参与建造一艘船。人工监控这些大规模作业时,往往无法及时发现危险,从而增加事故风险并造成高昂的停机成本。

作为 AI 驱动制造业解决方案的领先提供商,Vivity AI 使用 Ultralytics YOLO 模型构建计算机视觉解决方案,以应对这些挑战。通过利用目标检测等计算机视觉任务,Vivity AI 的创新方案可以识别危险、跟踪工人和设备,并确保符合安全要求,从而提高效率并降低高风险环境中的风险。

工业自动化的障碍:技术老化和劳动力短缺#

对于造船厂和重金属生产工厂等工业环境而言,数字化转型可能十分复杂。这些行业不同于直线式制造,涉及动态、非线性的工作流,因此自动化很难实施和持续推进。

最令人担忧的问题包括健康、安全和环境(HSE)风险。造船厂和工厂通常涉及重型机械和大型移动部件,因此事故更容易发生。缺乏有效的实时监控时,安全事故可能造成严重中断并引发工作场所危险。

此外,基础设施老化和流程过时可能导致设备频繁故障、质量控制问题和环境合规方面的挑战。许多制造工厂仍依赖人工监督,这种方式可能效率低下且容易出错。

与此同时,熟练工人流失也日益令人担忧。随着老一代员工退休,他们的经验和知识并不总能传承下来。人才缺口使维持高效运营变得更加困难。

综合考虑这些问题后,Vivity AI 意识到,需要采用更智能、由 AI 驱动的方法来应对这些挑战,并弥补自动化、安全和员工知识传承方面的不足。

在制造业实施视觉 AI:Vivity AI 的解决方案#

为了实现实时工业监控,Vivity AI 将 Ultralytics YOLO 模型集成到其 AI 驱动的解决方案中。通过使用计算机视觉任务自动化耗时的人工流程,这些解决方案有助于提升效率、可靠性和工作场所安全。

Vivity AI 的主要解决方案包括:

  • 动态视觉智能 (DVI):YOLO 模型每天多次处理无人机图像,以检测和跟踪船舶分段、监测施工进度并识别错位情况。系统通过与 CAD 数据集成,确保分段摆放符合工作流计划。它还会针对生产延误发出实时警报,帮助团队在问题造成中断之前加以处理。
  • Vivity Edge:该平台专为危险工业环境打造,使用由 YOLO 驱动的防爆摄像头全天候监控设备。它能够进行实时分析、检测故障早期迹象,并帮助优化维护计划。它还能适应振动、雾气和眩光等恶劣条件,支持准确监控并确保符合安全要求。

Ultralytics YOLO 在船厂无人机图像中检测船舶分段

图 1 Ultralytics YOLO 用于检测无人机图像中的船舶分段。

为什么选择 Ultralytics YOLO 模型?#

与其他视觉 AI 模型相比,Vivity AI 选择 Ultralytics YOLO 模型,是因为它们准确率高、处理速度快且训练效率高。YOLO 支持实时目标检测,这对工业自动化至关重要,因为延误可能造成高昂成本。

与需要更长训练时间和更强计算能力的传统模型不同,YOLO 为 Vivity AI 的解决方案带来了 99.8% 的检测准确率和低延迟。它能够处理来自船厂和重型制造设施等环境的复杂视觉数据,因此成为可扩展实时工业监控和安全合规的理想选择。

借助 YOLO 每年节省超过 500 万美元#

Vivity AI 使用 Ultralytics YOLO 构建的计算机视觉解决方案,已在多个行业产生重大影响。

例如,在造船业,其解决方案 Dynamic Visual Intelligence(DVI)通过加快分段定位提升了效率,每年节省 200 万美元。此外,通过优化船舶组装跟踪,该方案每年还节省了 300 万美元。

同样,在制造业和石化行业,Vivity Edge Platform 在每次非计划停机时避免了近 200 万美元的收入损失;在全厂部署后,还带来了 30 万美元的额外生产力收益。

Vivity Edge 的故障检测准确率接近 100%,误报率低于 0.1%。它提供简化的监控和即时警报通知,使技术人员能够主动处理潜在问题并尽量减少停机时间。

最终,凭借每秒 60 帧(FPS)的实时推理能力,Vivity AI 基于 YOLO 的解决方案正让工业运营更加可靠、高效。

通过计算机视觉推动数字化转型#

展望未来,Vivity AI 致力于进一步提升全球合作伙伴的运营效率、安全性和环境合规水平。通过持续运用先进的计算机视觉和机器学习技术,他们希望帮助化工、能源和制造业企业实现数字化转型目标。

在不断改进和扩展 AI 驱动的解决方案时,Vivity AI 始终专注于推动创新,并使用 Ultralytics YOLO 模型等工具支持工业自动化与优化。

想了解视觉 AI 如何助力你的业务?访问我们的GitHub 代码仓库,了解 Ultralytics 的 AI 解决方案如何推动航空影像计算机视觉和制造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,今天就迈出实现更智能自动化的第一步。

作者

Abirami Vina
Abirami Vina

内容创作者 · Ultralytics

Abirami Vina 职业生涯始于计算机视觉工程师,由此在视觉 AI 和机器学习领域打下了坚实基础。她是 Ultralytics 的内容创作者,也是 Scribe of AI 的创始人兼首席撰稿人,为专注 AI 的公司撰写高质量技术内容。她热衷于让 AI 更易理解、更具吸引力,通过自己的作品连接前沿技术与现实影响。

面向你所在行业的解决方案

体育领域的计算机视觉

体育领域的计算机视觉

了解 Ultralytics YOLO 如何通过球员和球追踪、表现分析、教练洞察及运动员康复,推动体育视觉技术的发展。
了解详情
航空影像计算机视觉

航空影像计算机视觉

使用 Ultralytics YOLO 将无人机和航空影像转化为农业、水产养殖、保护工作和地理空间分析的实时洞察。
了解详情
航空航天中的计算机视觉

航空航天中的计算机视觉

使用 Ultralytics YOLO 将计算机视觉应用于航空航天领域,包括飞机检查、跑道 FOD 检测、机场地面作业和复合材料缺陷检测。
了解详情
安防领域的计算机视觉

安防领域的计算机视觉

使用 Ultralytics YOLO 模型守护每个场所。视觉 AI 可用于周界监控、威胁检测、车牌识别和工作场所安全。
了解详情
机器人领域的计算机视觉

机器人领域的计算机视觉

使用 Ultralytics YOLO 模型提升智能机器的能力。机器人领域的视觉 AI 可用于自主导航、感知、目标跟踪和实时控制。
了解详情
物流中的计算机视觉

物流中的计算机视觉

借助 Ultralytics YOLO 模型优化物流流程。视觉 AI 可用于包裹检查、分拣、车辆跟踪和仓库安全实时监控。
了解详情
零售中的计算机视觉

零售中的计算机视觉

借助 Ultralytics YOLO 模型重新构想零售。视觉 AI 可用于库存跟踪、货架监控、排队管理和更深入的客户洞察。
了解详情
医疗领域的计算机视觉

医疗领域的计算机视觉

借助 Ultralytics YOLO 模型构建医疗解决方案。医疗领域的视觉 AI 可加快医学影像处理、优化诊断并监测患者。
了解详情
制造业中的计算机视觉

制造业中的计算机视觉

利用 Ultralytics YOLO 模型优化制造流程。视觉 AI 可用于质量控制、缺陷检测、个人防护装备合规检查和装配线自动化。
了解详情
汽车领域的计算机视觉

汽车领域的计算机视觉

利用 Ultralytics YOLO 模型在汽车领域应用计算机视觉。视觉 AI 可提升道路安全、驾驶辅助和车辆自动化水平,让道路更智能。
了解详情
农业中的计算机视觉

农业中的计算机视觉

借助 Ultralytics YOLO 模型,将视觉 AI 引入智慧农业。为作物监测、牲畜追踪和精准农业提供支持,从而提高产量并实现更智能的生产。
了解详情

常见问题

  • Ultralytics YOLO 代码仓库默认采用 AGPL-3.0 许可证发布。这项经 OSI 批准的许可证面向学生、研究人员和爱好者,旨在促进开放协作,并要求任何使用 AGPL-3.0 组件的软件也必须开源。这有助于确保透明度并推动创新,但可能不适用于商业场景。

    如果你的项目涉及将 Ultralytics 软件和 AI 模型嵌入商业产品或服务,并且希望不受 AGPL-3.0 开源要求的约束,那么 企业许可证 是理想选择。

    企业许可证的优势包括:

    • 商业灵活性:修改 Ultralytics YOLO 源代码和模型,并将其嵌入专有产品,无需遵守 AGPL-3.0 要求的项目开源规定。
    • 专有软件开发:完全自由地开发和分发包含 Ultralytics YOLO 代码和模型的商业应用。

    为确保顺利集成并避免 AGPL-3.0 的限制,请使用所提供的表单申请 Ultralytics 企业许可证。我们的团队会协助你根据具体需求定制许可证。

  • 你选择的模型取决于项目需求,包括性能、准确率、部署目标和硬件限制。对于大多数新项目,建议从 Ultralytics YOLO26 开始,因为它在速度、准确率、可导出性和多任务支持方面带来了最新改进。

    对于已有工作流或兼容性要求的团队,仍可使用早期 YOLO 模型系列。

    如果你是从头开始,请先选择 YOLO26,然后对尺寸更小或更大的版本进行基准测试,找到最适合部署环境的速度和准确率平衡点。

  • Ultralytics YOLO 模型是一系列计算机视觉模型,可用于目标检测、分割、分类、姿态估计和有向目标检测等任务。YOLO26 是最新的稳定版本,建议大多数新项目使用。对于已有工作流或兼容性要求的团队,仍可使用早期 YOLO 版本。

  • Ultralytics YOLO 模型是用于分析图像和视频视觉数据的计算机视觉架构。这些模型可训练用于目标检测、实例分割、分类、姿态估计、有向目标检测和跟踪等任务。

    最新的 Ultralytics YOLO 模型系列是 YOLO26,同时也为现有工作流提供早期 YOLO 版本。

让我们携手构建 AI 的未来!

开启你的旅程,迎接机器学习的未来