職場の安全とPPEコンプライアンスのためのコンピュータービジョン

作業現場に向けられたカメラは、限られた一連の質問に対して確実な答えを提供できます。この人物はヘルメットを着用しているか？ あのプレスの立ち入り禁止区域に誰かが入ったか？ 今この廊下には何人の人がいるか？ これらはオブジェクト検出、セグメンテーション、およびトラッキングの課題であり、最新のビジョンモデルはこれらを適切に処理します。

カメラにできないのは、現場が安全かどうかを判断することです。安全性とは規則、コンテキスト、意図に関する評価であり、「目に見えるベストを着用していない人物を検出した」と「対応する価値のある違反を記録した」の間のギャップこそが、ほとんどのコンピュータビジョンによる安全管理プロジェクトが成功するか、あるいはひそかに停止させられるかの分かれ目となります。

このガイドでは、根底にある検出タスクが実際に何であるか、自社で構築するのではなく完成された安全プラットフォームを購入すべきタイミング、そして構築を行うチームがUltralytics YOLOモデルをどのように活用しているかについて解説します。

コンピュータビジョンが作業現場で検出するもの#

成果として市場に出回っているすべての安全機能は、1つ以上の標準的なビジョンタスクに分解されます。必要なタスクを明確にすることが、範囲の定まったプロジェクトと終わりのないプロジェクトを分ける違いとなります。

これらのうち2つは、ベンダーがほのめかすよりもはるかに困難です。1つ目は関連付けです。ヘルメットの検出と人物の検出は簡単ですが、重なり合う6人の作業員のグループの中で、そのヘルメットがどの人物のものであるかを正しく判断することは容易ではありません。2つ目は**現実世界の幾何学（ジオメトリ）**です。2D画像上に描画されたゾーンはフロア上のゾーンではなく、キャリブレーションが行われていない場合、危険区域から十分に離れている人物がポリゴン内部にいるように見えてしまうことがあります。

PPE検出：モデルにとって「着用している」とは何を意味するか#

PPE検出は二者択一のように聞こえますが、実際にはそうではありません。ヘルメットについて訓練されたモデルはヘルメットを見つけ出します。しかし、片手で持たれている、後ろ向きにかぶられている、あご紐が留められていないヘルメットは規則違反であるということをネイティブには認識しません。なぜなら、それらはすべてヘルメットを含んでいるものの、3つの異なる視覚的状態だからです。

PPEモニタリングが目的である場合は、モデルに対して評価可能なレベルでルールを規定してください：

• ゾーンごとのどのアイテムか。あらゆる場所でのヘルメット着用に加え、研磨ベイでのみアイプロテクションを義務付ける場合は、1つではなく2つのルールになります。
• どの人物を対象とし、どの例外を設けるか。ビジター、キャブ内に留まるドライバー、ヤードを横切るオフィススタッフは通常、異なるルールの対象となります。
• 部分的な着用や不適切な着用を含め、何がコンプライアンス（準拠）とみなされるか。
• 検出時に何が起きるか。 ライブアラーム、シフトのサマリー、匿名化された週間トレンドは、それぞれ異なる精度要件を持つ3つの異なるプロダクトです。

最後のポイントこそが、モデルの性能以上にプロジェクトの難易度を決定づけます。週次コンプライアンスのトレンドであれば、エラーは平均化されるため個別のエラーを許容できます。リアルタイムアラームではそうはいきません。数分ごとに誤警報が発生すれば、システムは1週間以内にミュートされてしまいます。

自社構築か購入か#

これはほとんどのチームが暗黙のうちに行っている決定であり、明示的に行うべき決定です。完成された安全プロダクトのベンダー市場は本当に優れており、自社で構築するケースは見た目よりもはるかに限定的であるためです。

お客様の問題がビジョンに関する課題というよりも安全プログラムに関するものである場合は、安全プラットフォームを購入してください。インシデントレビューのワークフロー、EHSレポート、是正措置のトラッキング、承認の証跡、そして現場での他社の実装チームが必要な場合は、購入を選択してください。これらのベンダーは検出機能の周囲に長年のワークフローを構築しており、検出機能自体は支払っている費用の一部に過ぎません。

プロダクトが対応できない制約がある場合は、自社で構築してください。具体的には以下のような場合です：

• すでに所有しており、非標準の光学系、サーマル、またはすでに自社システムに流れているフィードを含め、今後置き換える予定のないカメラやインフラストラクチャ。 - どのプロダクトも標準搭載していないサイト固有のルール（独自の部品、独自の機械、独自の手順）。 - フットテージ（映像データ）が現場外に出ることが一切できない、厳格なオンプレミスまたはエアギャップの要件。 - プロダクトを出荷している場合。 安全モニタリングが販売する何か（機械、ロボット、カメラ、サイトプラットフォーム）の機能である場合、あなたは購入者ではなく構築者です。 - 検出機能がベンダーのダッシュボードではなく、既存のPLC、SCADA、入退室管理、またはMESのフローに組み込まれる必要があるため、統合がすべての作業となる場合。

これらに該当するものがない場合、購入する方が通常はより速く、より安価であり、それが正直な推奨事項です。

候補リストに挙げる価値のある安全プラットフォームベンダー#

これらは導入チームとEHSワークフローを備えた完成されたプロダクトです。Ultralyticsはそれらの代替品ではありません。購入するのではなく構築しているときにチームが使用するものです。

Intenseye。 PPE、人間工学、ハウスキーピング、大規模な複数拠点のフットプリントにわたる車両関連のリスクをカバーする、企業向けEHSビジョンプラットフォームです。その強みは、事前に構築されたユースケースの幅広さと、その周囲にあるEHSプログラムレイヤーです。成熟した安全機能を備えた大規模な産業組織に最適です。トレードオフ：軽量なデプロイではなく、エンタープライズ向けのスコープとプロセス。

Protex AI。 既存のCCTVに接続し、リスクイベントやトレンドを表面化させる、プライバシーに配慮した安全インテリジェンスプラットフォームです。その強みは分析および優先順位付けレイヤーにあり、単にアラートを発生させるだけでなく、安全チームがリスクの集中している場所を把握するのを支援します。既存のカメラ資産を持つ組織に最適です。トレードオフ：深いカスタム統合よりも、独自のワークフローを中心に設計されています。

viAct。 サイトの安全性、PPEおよび機器モニタリングのためのシナリオベースのモジュールを備え、建設および重土木環境において最も強力なカバレッジを誇ります。建設およびインフラストラクチャプロジェクトに最適です。トレードオフ：建設向けに特化したモジュールは、製造工場にはあまり自然にフィットしない場合があります。

Everguard.ai。 鉄鋼などの重工業をターゲットに、作業員の安全意識向上のためにビジョンとウェアラブルおよびセンサーデータを組み合わせます。その強みはカメラ単体ではなく、マルチセンサーフュージョンです。高リスクの重工業の環境に最適です。トレードオフ：ウェアラブルコンポーネントにより、ロールアウトおよび変更管理の作業が増加します。

Visionify。 既存のカメラにデプロイ可能な職場の安全に関するビジョンアプリケーションのカタログに焦点を当てています。その強みは、スコープ設定をシンプルに保つ定義済みのユースケースライブラリです。特定の安全ユースケースを素早く稼働させたいチームに最適です。トレードオフ：エンタープライズEHSスイートよりも狭いプラットフォーム表面。

Groundlight。 異なるアプローチを採用しており、モデルが確信を持てない場合に人間のエスカレーションを伴いながら、自然言語で視覚的な質問を定義できるようにします。その強みは、最初にデータセットを組み立てることなく、動作するチェックを素早く実現できることです。視覚的なチェックがそもそも実行可能かどうかを検証するチームに最適です。トレードオフ：エスカレーションモデルは、継続的な高ボリュームモニタリングよりも間欠的なチェックに適しています。

Ultralytics YOLOモデルを用いた安全モニタリングの構築#

構築の列にいるチームにとって、ビジョンレイヤーは現在十分に解決されている部分です。Ultralytics YOLOモデル（YOLOv8、YOLO11、YOLO26）は、上記の表にあるタスクをカバーします。PPEおよび機器のためのオブジェクト検出、ゾーンおよび車両ロジックのためのトラッキング、姿勢および転倒検出のためのポーズ推定、そしてバウンディングボックスよりも境界線が重要となる場合のセグメンテーションです。

実行可能な構築プロセスは以下のようになります。

モデルではなく、ルールから始める。 執行可能な言語でルールを書き、現実世界の座標でゾーンを定義し、検出が何を引き起こすかを決定します。これがスキップされがちなステップであり、ほとんどのパイロットが停滞する理由です。

実際に使用するカメラから収集する。 パブリックなPPEデータセットで訓練され、夕暮れ時のヤードカメラにデプロイされたモデルは期待を裏切るでしょう。あなた自身のフットテージ（夜勤、雨、逆光、誰も付け替えたくなかった厄介なアングル）こそが重要なデータセットです。Ultralytics Platformは、SAMベースのスマートアノテーションを使用してそのフットテージにアノテーションを付与し、データを別のシステムに移動させることなくトレーニングを行うことができます。

モデルを制限するため、デプロイターゲットを早期に選択する。 カメラの隣にある小型エッジデバイス上で実行されるモデルは、20のストリームを処理するサイトサーバー上で実行されるモデルとは、サイズとレイテンシの予算が異なります。その理由から、UltralyticsモデルはONNXやTensorRTなどのフォーマットにエクスポート可能であり、デプロイできない精度に向けてチューニングを行う前に、エクスポートターゲットを固定する必要があります。

モデルの上にロジックを配置する。 検出は違反ではありません。ボックスをイベントに変換するレイヤー（Nフレームにわたる持続性、ゾーンジオメトリ、例外、シフトスケジュール、デバウンス）こそが、誤警報率が実際に制御される場所であり、モデル統合よりも多くのコードになることが通常です。

アラートをすでに作業を行っている場所へルーティングする。 誰も開かないダッシュボードはコントロールではありません。既存のチャネル、既存のシフト引き継ぎ、既存の是正措置システムを活用してください。

再トレーニングの計画を立てる。 現場は変化します：新しい機器、新しいベストの色、再配置されたカメラ、季節ごとの光。本番モニタリングは結果として生じるドリフトを捉えるために存在し、アノテーションと再トレーニングへのループはインディシデントではなくルーティンであるべきです。

ライセンスに関して、パイロットがプロダクトになる前に解決すべき1つの事項：Ultralytics YOLOモデルはAGPL-3.0の下で提供されており、商用またはプロプライエタリなデプロイには通常Ultralytics Enterpriseライセンスが必要です。安全モニタリングがお客様が出荷するプロダクトやオープンソース化できないシステムに組み込まれる場合は、構築後ではなく最初にそれを解決してください。

プライバシー、同意、および作業員のモニタリング#

これは安全システムが最初の1月を生き残れるかどうかを決定するものであり、主に技術的な問題ではありません。

安全モニタリングは誰かを特定することを必要としません。 このガイドにおけるすべてのタスク（PPEコンプライアンス、ゾーン侵入、群衆密度、姿勢）は、匿名化された人物の検出に基づいて動作します。顔認識や身元照合は一切必要なく、Ultralyticsは安全システムに作業員の識別機能を構築することを推奨しません。人物ではなく、状態を検出してください。

最初から設計に組み込むべき実用的な制約：

• 目的の制限。 安全性のためにインストールされたシステムが、ひそかに生産性モニターになってはなりません。作業員がそうであると信じ込んだ瞬間から、協力関係は途絶えます。
• 協議。 EUの多くの地域では、カメラベースの作業員のモニタリングには事業場委員会の関与が必要であり、多くの法域では協議、通知、あるいはその両方が必要となります。これは形式的な手続きではなく、前提条件です。
• データの最小化。 保存されたフットテージよりも、カウントやイベントを優先してください。クリップが保持される場合でも、短期間かつ明示された理由のためにのみ保持してください。
• デフォルトでの集約レポート。 ゾーンレベルおよびシフトレベルのトレンドが改善を推進します。個人レベルのコンプライアンススコアリングは、安全ツールを懲戒ツールに変えてしまい、信頼を破壊します。
• 可能な場合のローカル処理。 オンプレミスまたはオンデバイスの推論により、フットテージを現場に留め、コンプライアンスに関する議論のカテゴリー全体を排除できます。これが、チームが購入するのではなく構築する一般的な理由です。
• アクセス制御と監査：誰がフットテージを見ることができるか、誰がそれをエクスポートできるか、そして何がログに記録されるか。

このテクノロジーから価値を引き出す組織は、これを危険なパターン（この交差点は夜勤時に安全ではない方法で使用されている、このゾーンにはあの機械がジャミングを起こすたびに侵入されている）を見つけ出す方法として扱い、個人を摘発する方法としては扱いません。

デモの精度が現実の現場で通用しない理由#

すべてのベンダーのデモは機能します。デモとデプロイの間のギャップは、計画を立てられるほど予測可能です。

検出品質は距離と解像度に伴って低下します。高さ30ピクセルを占める人物の検出は、フレームを埋める人物の検出よりもはるかに難しく、その人物がかぶっているヘルメットの検出はさらに困難です。照明は2つ目の確実な期待外れの要因です。夕暮れ、ヘッドライト、溶接アーク、ナトリウム灯とLED照明の混在、そしてレンズ上の雨はすべて、クリーンな日中のフットテージで訓練されたモデルの性能を低下させます。3つ目はオクルージョン（遮蔽）です。現実の現場は、機械、ラッキング、およびお互いの背後にいる人々で溢れています。

そして再び関連付けの問題が生じます。グループ内において、機器を個々の人物に正しく帰属させることが、PPEシステムが誤警報の大部分を生成する原因であり、パイロットにおいて要求する価値のあるメトリック（指標）です。

それに応じてパイロットを実行してください。ご自身のフットテージ、最も条件の悪いカメラ、および夜勤時の映像を強く要求してください。キュレーションされたテストセットでの精度ではなく、シフトごとの誤警報数を測定してください。シフトごとの誤警報数こそが、システムが3ヶ月後もスイッチオンのままであるかどうかを決定するものであるためです。