WG Tech Solutions 借助Ultralytics YOLO Axelera 的 AI 加速器，将安全违规行为减少了 28%

追踪和优化工业制造流程往往颇具挑战，尤其是考虑到许多流程仍依赖人工操作。这种对运营状况的缺乏可视化，常常导致难以察觉的隐性低效问题，例如瓶颈和人力利用不足。

例如，安全与合规检查——例如确保工人佩戴适当的个人防护装备（PPE），或确保物料得到正确处理和堆放——通常由人工完成，这使得在快节奏的工作环境中很容易遗漏违规行为。

为弥合这些差距，WG Tech Solutions开发了 WGDeepInsight——一款基于人工智能的视频分析平台，用于持续监控。该平台通过利用Ultralytics YOLO 等计算机视觉 YOLO 分析实时视频流，为运营提供实时可视化支持，帮助团队观察、分析并优化其制造流程。

利用视觉人工智能提升工厂的生产效率和安全性 

WG Tech Solutions 是一家专注于为真实世界环境构建智能系统的边缘人工智能公司。该公司开发端到端的 AI 解决方案，将定制硬件、AI 模型和应用软件相结合，从而使企业能够直接在边缘端对运营进行监控、分析和优化。

该公司总部位于印度，业务涵盖制造业、汽车业、农业及医疗系统等多个行业，在这些领域，实时洞察和现场智能至关重要。

其核心平台 WGDeepInsight 旨在通过人工智能驱动的视频分析，提供运营活动的实时可视化。该平台支持安全、监控、安全合规及质量检测等领域的应用场景，使用户能够直接在边缘端监控活动、detect 并优化工作流程。

通过将计算机视觉模型与物联网人工智能（AIoT）功能相结合，WGDeepInsight 使制造商能够track 、监控合规情况，并提升工厂环境中的运营透明度。

为什么工厂运营中的可视化会出现问题

要大规模监控工厂运营，需要保持持续的可视性，但在实际的生产环境中，这绝非易事。不同工位的作业内容可能各不相同，工人通常在一天中处理不同的任务，而且在分布式工厂布局中，现场状况也会发生变化。 

在许多情况下，工厂团队仍依赖人工观察和实地检查来track 。虽然这些传统方法可以提供基本的监督，但它们限制了对实际工作执行情况的深入了解。 

换句话说，采集准确、客观的工时与动作数据是一项艰巨的任务。当涉及安全与安保时，数据缺失的问题就显得尤为关键。诸如未按规定佩戴个人防护装备、未经授权进入或物料处理不当等问题很容易被忽视，而反应迟缓则会增加防止违规行为再次发生的难度。

例如，WG Tech Solutions 曾与一家拥有多家工厂的领先原始设计制造商（ODM）合作，该企业面临着类似的限制。该 ODM 的大部分组装流程仍依赖人工操作，因此对生产效率、安全性和合规性的监控主要依靠目视检查。

为了优化生产效率并确保安全合规，该ODM需要采取一种更系统的方法，以采集可靠的时间与动作数据，track 各工位track 操作规程（SOP）的遵守情况，并detect 与安保违规行为。 

他们还需要一种更有效的方式，将实时反馈传达给相关团队。如果没有自动化，如何将这种透明度进行扩展仍然是一个关键问题。

借助Ultralytics YOLO 实现更智能的工厂监控与合规管理

WG Tech Solutions 将Ultralytics YOLO 集成到其 WGDeepInsight 平台中，以支持物体检测、物体跟踪和实例分割等关键计算机视觉任务。通过将这些模型应用于实时视频流，该平台使团队能够持续监控运营情况、采集准确的时间和动作数据，并实时识别效率低下的环节。

该方案已应用于与前述领先ODM厂商的合作部署中。WGDeepInsight采用混合部署架构，在工作站及整个工厂IT环境中部署了 AxeleraMetis AI加速器，同时借助Voyager SDK实现了大规模边缘部署的优化。

Ultralytics YOLO 视觉识别能力，对工厂各工位的作业情况进行监控，track 标准操作规程（SOP）的track ，并detect 行为，例如未按规定佩戴个人防护装备（PPE）、未经授权进入以及物料堆放不当等。

​

为此，研究人员在三周内从多台工作站收集了视频数据，并通过专有界面对其进行了标注。该数据集被用于训练和微调Ultralytics YOLO 包括 Ultralytics YOLO11 以及 Ultralytics YOLOv8，专为工厂环境量身定制。 

通过添加额外的推理逻辑、参数调优和优化技术，进一步增强了这些模型，以确保其在实际应用中表现可靠。该平台部署后，能够实现违规行为的实时监控和自动检测，从而为运营提供一致且基于数据的可视化洞察。 

为什么选择Ultralytics YOLO 模型？

对于 WG Tech Solutions 而言Ultralytics YOLO 为构建计算机视觉解决方案奠定了坚实基础，这些解决方案能够快速适应不同的工厂应用场景。该模型在边缘端实现高性能推理的能力，使其成为大规模制造环境的理想选择——在这些环境中，低延迟和持续监控至关重要。 

Ultralytics YOLO 还支持多种部署导出格式，包括 ONNX、PyTorch 以及 NCNN。这使得它们更容易与边缘设备和集中式系统集成，从而构建混合架构。 

总体而言，通过Ultralytics YOLO WG Tech Solutions不仅能够更快地提供定制化解决方案，还能在大型工厂环境中保持可靠的性能。

WGDeepInsight 借助Ultralytics YOLO将工人违规行为减少了 28%

WG Tech Solutions 的 WGDeepInsight 平台利用Ultralytics YOLO ，对工厂运营进行持续监控和分析，从而提升安全性、合规性及运营透明度。 

在某家领先的ODM企业中，工人的安全违规行为减少了28%。通过在设备端以低延迟处理的实时警报，响应时间得以缩短，重复问题也减少了，从而使整个生产车间的安全规程得到更一致的执行。 

该平台对各站点的标准操作规程（SOP）遵守情况进行了追踪，并在违规行为发生时立即发出警示。此外，该平台还识别出了诸如个人防护装备（PPE）使用不当、未经授权进入、人员拥挤以及流程步骤遗漏或错误等问题。 

例如，在托盘处理工作流程中，该系统会验证物品是否被正确拣选和放置，以及每个步骤是否按照规定的顺序进行，并对过程中出现的任何偏差进行标记。

​

此外，该系统还扩展到了其他运营和安保工作流程。在闭路电视监控室中，系统会实时追踪人员在岗情况，一旦人员数量低于规定阈值，便会触发警报。 

与此同时，在质量检验工作流程中，该系统验证了流程顺序，强化了指定工具的使用，并监控了每项任务所花费的时间，对任何偏差进行标记，以确保标准的一致性。

随着时间的推移，这些洞察为流程中出现问题的环节提供了更清晰的视图，并通过有针对性的培训支持了纠正措施的实施。 

警报和反馈机制均根据客户需求量身定制，并能灵活集成到现有的工厂工作流程中。通知通过电子邮件、消息系统以及基于角色的仪表盘等渠道发送，确保相关信息能实时传达给相应的团队。

这同时也确保了关键流程得到一致执行，例如使用正确的工具以及在受控区域维持最低人员配置。最终，日常运营变得更加规范，从而加强了整个生产车间的合规性。

将实时监控扩展至整个工厂环境 

随着工业自动化的发展，计算机视觉正日益成为提升人工操作可视性和一致性的核心技术。通过定制Ultralytics YOLO ，WG Tech Solutions计划将其WGDeepInsight平台扩展至新的工厂环境和工作流程中。 

该方案支持从安全监控到车间流程级检查的各种应用场景。结合边缘部署、实时分析以及Axelera Metis边缘AI 加速器，它可在各类制造环境中提供可扩展的监控功能和一致的运营洞察。

正在探索如何将视觉人工智能应用于您的运营工作流程吗？请访问我们的GitHub 代码库并了解许可方案，开始使用Ultralytics YOLO 。了解医疗保健领域的 AI应用、制造业中的视觉 AI 应用，以及Axelera AI Export 等边缘 AI 加速器|Ultralytics