Computer vision per la sicurezza sul lavoro e la conformità ai DPI

Una telecamera puntata su un luogo di lavoro può rispondere in modo affidabile a una serie limitata di domande. Questa persona indossa un elmetto? Qualcuno è entrato nella zona di esclusione attorno a quella pressa? Quante persone si trovano in questo corridoio in questo momento? Si tratta di problemi di object detection, segmentazione e tracciamento, che i moderni modelli di visione gestiscono bene.

Ciò che una telecamera non può fare è dirti se un sito è sicuro. La sicurezza è un giudizio su regole, contesto e intenzione, e il divario tra "rilevata una persona senza un gilet visibile" e "registrata una violazione su cui vale la pena agire" è il punto in cui la maggior parte dei progetti di computer vision per la sicurezza ha successo o viene silenziosamente disattivata.

Questa guida spiega quali siano realmente i task di rilevamento sottostanti, quando acquistare una piattaforma di sicurezza pronta anziché costruirne una e come i team che decidono di svilupparla utilizzino i modelli Ultralytics YOLO per farlo.

Cosa rileva la computer vision in un luogo di lavoro#

Ogni funzionalità di sicurezza commercializzata come risultato si scompone in uno o più task di visione standard. Essere espliciti su quale ti serve fa la differenza tra un progetto con un perimetro definito e uno aperto.

Due di questi aspetti sono molto più difficili di quanto lascino intendere i fornitori. L'associazione è il primo: rilevare un elmetto e rilevare una persona sono compiti semplici, ma decidere correttamente a quale persona appartenga quell'elmetto in un gruppo di sei lavoratori sovrapposti non lo è. Il secondo è la geometria del mondo reale. Una zona disegnata su un'immagine 2D non è una zona sul pavimento e, senza calibrazione, una persona che si trova ben fuori da un'area di pericolo può apparire all'interno del poligono.

Rilevamento dei DPI: cosa significa "indossarli" per un modello#

Il rilevamento dei DPI sembra binario ma non lo è. Un modello addestrato sugli elmetti troverà gli elmetti. Non saprà nativamente che un elmetto trasportato in mano, indossato al contrario o slacciato viola la regola, perché si tratta di tre diversi stati visivi che contengono tutti un elmetto.

Se l'obiettivo è il monitoraggio dei DPI, specifica la regola al livello in cui un modello può essere valutato:

• Quali elementi, per zona. L'elmetto ovunque, più la protezione per gli occhi solo nell'area di molatura, costituiscono due regole, non una.
• Quali persone e quali esenzioni. Visitatori, conducenti che rimangono in cabina e personale d'ufficio che attraversa un piazzale sono solitamente soggetti a regole diverse.
• Cosa conta come conforme, compreso l'uso parziale o scorretto.
• Cosa succede al verificarsi di un rilevamento. Un allarme in tempo reale, un riepilogo di turno e un trend settimanale anonimizzato sono tre prodotti diversi con tre requisiti di accuratezza diversi.

Quest'ultimo punto determina la difficoltà del progetto più di quanto faccia il modello. Un trend di conformità settimanale tollera i singoli errori perché si mediano nel tempo. Un allarme in tempo reale no: un falso allarme ogni pochi minuti porta alla disattivazione del sistema nel giro di una settimana.

Sviluppare internamente o acquistare#

Questa è la decisione che la maggior parte dei team prende implicitamente e che dovrebbe invece prendere in modo esplicito, perché il mercato dei prodotti di sicurezza pronti all'uso è davvero valido e i casi in cui conviene sviluppare sono decisamente più ristretti di quanto sembri.

Acquista una piattaforma di sicurezza quando il tuo problema riguarda un programma di sicurezza anziché un problema di visione. Se hai bisogno di flussi di lavoro per la revisione degli incidenti, reportistica EHS, tracciamento delle azioni correttive, percorsi di approvazione e del team di implementazione di qualcun altro in loco, allora acquista. Questi fornitori hanno creato anni di flussi di lavoro attorno al rilevamento, e il rilevamento è la parte minore di ciò per cui stai pagando.

Sviluppa internamente quando il vincolo è qualcosa che un prodotto non può adattare. In pratica significa:

• Telecamere e infrastrutture che già possiedi e che non intendi sostituire, in particolare ottiche non standard, termocamere o flussi video già integrati nei tuoi sistemi. - Una regola specifica per il sito che nessun prodotto offre: la tua parte, la tua macchina, la tua procedura. - Un rigido requisito on-premise o air-gapped, in cui i filmati non possono in alcun momento lasciare il sito. - Stai rilasciando un prodotto. Se il monitoraggio della sicurezza è una funzionalità di qualcosa che vendi (una macchina, un robot, una telecamera, una piattaforma per siti), sei un produttore, non un acquirente. - L'integrazione è l'intero lavoro, poiché il rilevamento deve confluire in un flusso PLC, SCADA, di controllo accessi o MES esistente anziché nel dashboard di un fornitore.

Se nessuno di questi punti si applica al tuo caso, l'acquisto è solitamente più rapido ed economico, ed è la raccomandazione più onesta.

Fornitori di piattaforme di sicurezza da prendere in considerazione#

Questi sono prodotti finiti con team di distribuzione e flussi di lavoro EHS. Ultralytics non è un'alternativa a essi; è ciò che un team utilizza quando sviluppa internamente anziché acquistare.

Intenseye. Una piattaforma di visione EHS aziendale che copre DPI, ergonomia, pulizia e ordine e rischi legati ai veicoli su grandi footprint multisito. Il suo punto di forza è l'ampiezza di casi d'uso predefiniti e il livello del programma EHS che li circonda. Ideale per grandi organizzazioni industriali con una funzione di sicurezza matura. Compromesso: ambito e processi aziendali, non una distribuzione leggera.

Protex AI. Una piattaforma di intelligence per la sicurezza che preserva la privacy, si connette a sistemi di CCTV esistenti e mette in evidenza eventi di rischio e trend. Il suo punto di forza è lo strato di analisi e definizione delle priorità: aiuta i team di sicurezza a vedere dove si concentra il rischio anziché limitarsi a generare avvisi. Ideale per organizzazioni con parchi telecamere esistenti. Compromesso: progettata attorno al proprio flusso di lavoro anziché su un'integrazione personalizzata profonda.

viAct. Copertura ottimale di ambienti di costruzione e ingegneria civile pesante, con moduli basati su scenari per la sicurezza del sito, oltre al monitoraggio di DPI e attrezzature. Ideale per progetti di costruzione e infrastrutture. Compromesso: i moduli orientati all'edilizia potrebbero adattarsi meno naturalmente a uno stabilimento di produzione.

Everguard.ai. Unisce la visione a dati da indossabili e sensori per la consapevolezza della sicurezza dei lavoratori, mirando all'industria pesante come quella siderurgica. Il suo punto di forza è la fusione di sensori multipli anziché l'uso delle sole telecamere. Ideale per contesti industriali pesanti ad alto rischio. Compromesso: il componente indossabile aggiunge lavoro di rollout e gestione del cambiamento.

Visionify. Focalizzata su un catalogo di applicazioni di visione per la sicurezza sul lavoro distribuibili su telecamere esistenti. Il suo punto di forza è una libreria definita di casi d'uso che mantiene semplice la definizione del perimetro. Ideale per team che desiderano un caso d'uso di sicurezza specifico attivo rapidamente. Compromesso: superficie della piattaforma più ristretta rispetto alle suite EHS aziendali.

Groundlight. Adotta un approccio diverso, consentendo ai team di definire domande visive in linguaggio naturale con escalation umana quando il modello è incerto. Il suo punto di forza è la rapidità nel raggiungere un controllo funzionante senza dover prima assemblare un dataset. Ideale per team che vogliono verificare se un controllo visivo sia effettivamente fattibile. Compromesso: il modello di escalation si adatta meglio a controlli intermittenti rispetto al monitoraggio continuo ad alto volume.

Sviluppare il monitoraggio della sicurezza con i modelli Ultralytics YOLO#

Per i team che rientrano nella categoria di sviluppo interno, lo strato di visione è la parte ormai ben risolta. I modelli Ultralytics YOLO (YOLOv8, YOLO11 e YOLO26) coprono i task presenti nella tabella sopra: object detection per DPI e attrezzature, tracciamento per la logica di zone e veicoli, pose estimation per la postura e il rilevamento delle cadute, e segmentazione laddove i confini contano più dei riquadri.

Un progetto di sviluppo pratico si presenta così.

Parti dalla regola, non dal modello. Scrivi la regola in un linguaggio applicabile, definisci la zona in coordinate del mondo reale e decidi cosa attiva un rilevamento. Questo è il passaggio che viene saltato ed è il motivo per cui la maggior parte dei progetti pilota si arena.

Raccogli dati dalle telecamere che utilizzerai effettivamente. Un modello addestrato su dataset di DPI pubblici e distribuito sulla telecamera del tuo piazzale al crepuscolo deluderà le aspettative. I tuoi filmati (turno di notte, pioggia, controluce, quell'inquadratura scomoda che nessuno ha voluto rimontare) costituiscono il dataset che conta. Ultralytics Platform può annotare quei filmati con Smart Annotation basata su SAM ed eseguire l'addestramento senza spostare i dati in un sistema separato.

Scegli l'ambiente di destinazione della distribuzione in anticipo, perché vincola il modello. Un modello in esecuzione su un piccolo dispositivo edge accanto alla telecamera ha un budget di dimensioni e latenza diverso rispetto a uno in esecuzione su un server di sito che gestisce venti flussi. Per questo motivo i modelli Ultralytics si esportano in formati tra cui ONNX e TensorRT, e la destinazione di esportazione dovrebbe essere stabilita prima di ottimizzare per un'accuratezza che non puoi distribuire.

Posiziona la logica sopra il modello. I rilevamenti non sono violazioni. Lo strato che converte i riquadri in eventi (persistenza su N fotogrammi, geometria della zona, esenzioni, turni di lavoro, debouncing) è il punto in cui viene effettivamente controllato il tasso di falsi allarmi, ed è normale che richieda più codice rispetto all'integrazione del modello.

Indirizza gli avvisi dove le persone lavorano già. Un dashboard che nessuno apre non è un controllo. Canali esistenti, passaggi di consegne dei turni esistenti, sistemi di azioni correttive esistenti.

Pianifica il riaddestramento. I siti cambiano: nuove attrezzature, nuovo colore dei gilet, una telecamera riposizionata, la luce stagionale. Il monitoraggio della produzione serve a cogliere la deriva risultante, e il ciclo di ritorno all'annotazione e al riaddestramento dovrebbe essere una routine, non un incidente.

Per quanto riguarda le licenze, un aspetto da definire prima che un progetto pilota diventi un prodotto: i modelli Ultralytics YOLO sono offerti sotto licenza AGPL-3.0, e le distribuzioni commerciali o proprietarie richiedono generalmente una licenza Ultralytics Enterprise. Se il monitoraggio della sicurezza verrà integrato in un prodotto che vendi o in un sistema di cui non puoi aprire il codice sorgente, risolvi questo aspetto all'inizio anziché dopo lo sviluppo.

Privacy, consenso e monitoraggio dei lavoratori#

Questo determina se un sistema di sicurezza sopravvive al suo primo mese, e non si tratta principalmente di una questione tecnica.

Il monitoraggio della sicurezza non richiede di identificare nessuno. Ogni task in questa guida (conformità ai DPI, intrusione in zona, densità della folla, postura) funziona su rilevamenti di persone anonime. Nessuno di essi richiede il riconoscimento facciale o il matching di identità, e Ultralytics non consiglia di integrare l'identificazione dei lavoratori nei sistemi di sicurezza. Rileva la condizione, non la persona.

Vincoli pratici da progettare fin dall'inizio:

• Limitazione delle finalità. Un sistema installato per la sicurezza non deve trasformarsi silenziosamente in un monitor di produttività. Una volta che i lavoratori credono che lo sia, la cooperazione cessa.
• Consultazione. In gran parte dell'UE, il monitoraggio dei lavoratori basato su telecamere richiede il coinvolgimento del comitato aziendale (RSU/RSA), e in molte giurisdizioni richiede consultazione, preavviso o entrambi. Questa è una precondizione, non una formalità.
• Minimizzazione dei dati. Prediligi conteggi ed eventi rispetto a filmati archiviati. Nel caso in cui i clip vengano conservati, conservali brevemente e per una ragione dichiarata.
• Reportistica aggregata per impostazione predefinita. I trend a livello di zona e di turno guidano il miglioramento. Un punteggio di conformità a livello individuale trasforma uno strumento di sicurezza in uno disciplinare e distrugge la fiducia.
• Elaborazione locale ove possibile. L'inferenza on-premise o su dispositivo mantiene i filmati sul sito ed elimina un'intera categoria di obiezioni sulla conformità. Questo è un motivo comune per cui i team scelgono di sviluppare internamente anziché acquistare.
• Controllo degli accessi e audit. Chi può vedere i filmati, chi può esportarli e cosa viene registrato.

Le organizzazioni che traggono valore da questa tecnologia la trattano come un modo per trovare pattern pericolosi (questo incrocio viene utilizzato in modo non sicuro durante il turno di notte, si accede a questa zona ogni volta che quella macchina si inceppa) e non come un modo per cogliere in fallo i singoli individui.

Perché l'accuratezza di una demo non sopravvive a un sito reale#

La demo di qualsiasi fornitore funziona. Il divario tra una demo e una distribuzione è sufficientemente prevedibile da poter essere pianificato.

La qualità del rilevamento diminuisce con la distanza e la risoluzione: una persona che occupa trenta pixel di altezza è un rilevamento molto più difficile rispetto a una che riempie l'inquadratura, e un elmetto su quella persona è ancora più difficile. L'illuminazione è la seconda fonte certa di delusione: crepuscolo, fari, archi di saldatura, illuminazione mista a vapori di sodio e LED, e la pioggia sulla lente degradano tutti i modelli addestrati su filmati diurni puliti. L'occlusione è la terza: i siti reali sono pieni di persone nascoste dietro macchinari, scaffalature e altre persone.

C'è poi di nuovo il problema dell'associazione. In un gruppo, attribuire correttamente l'attrezzatura ai singoli individui è il punto in cui i sistemi di DPI generano la maggior parte dei loro falsi positivi, ed è la metrica su cui vale la pena insistere in un progetto pilota.

Conduci il progetto pilota di conseguenza. Insisti sui tuoi filmati, sulla tua telecamera peggiore e sul tuo turno di notte. Misura i falsi allarmi per turno anziché l'accuratezza su un set di test curato, perché sono i falsi allarmi per turno a determinare se il sistema sarà ancora acceso tra tre mesi.