RTMはソウルを拠点とする産業AI企業です。同社のビジョン部門は、製造現場向けにAIを活用した安全監視システムを構築しています。工場の現場に設置済みのカメラをUltralytics YOLO26モデルで24時間監視し、人、転倒、危険区域への侵入、火災や煙を検知します。内蔵グラフィックスからディスクリートGPUまで、顧客がすでに所有しているPCで動作します。
誰も監視していないカメラを見守る#
産業事故は、誰も監視していない隙間で起こりがちです。工場にはすでにすべてのラインにカメラがありますが、すべての映像を常時監視できる人はいません。RTMは、これを継続的に実行するシステムを構築しました。各カメラチャンネルで2つのUltralytics YOLO26モデルを動作させ、一方は人物検出、もう一方は火災と煙の検知用にトレーニングしています。これらのモデルは決定論的なイベントレイヤーにデータを送り、作業員の転倒や危険区域への侵入時にアラームを発します。
過去6か月間、RTMの産業安全AIソリューションは、鉄鋼、電池、化学・プラスチック、食品、ロボット製造などの21社で、24時間365日稼働するシステムとして導入されるか、現地評価が行われています。既存のCCTVに接続すると、作業員が危険区域に入った場合や転倒した場合に検知し、社内システム経由でアラートを発信するか、PLC連携を通じて接続済みの工場設備を直接制御します。
図1. Ultralytics YOLOを活用したRTMの転倒検知ライブ映像（画像提供: RTM）。
導入したくないハードウェアの問題を解決#
安全監視の導入は、何も設置しないという選択肢と競合します。カメラを1台監視する前に新しいサーバーハードウェアが必要となるシステムでは、評価が始まる前に検討が打ち切られることも少なくありません。これまで製造業では、高価な専用ハードウェアを導入するか、自動監視をまったく行わないかの選択を迫られていました。
RTMは、このトレードオフをなくすことを目指しました。制御室にすでにあるPCで動作する単一のデプロイメントを実現し、Intelの内蔵グラフィックスからNVIDIA RTX 3090まで対応します。現場ごとに個別のビルドを用意する必要はありません。
これを実現するため、RTMは2つのYOLO26モデルを固定形状のONNXにエクスポートし、ONNX Runtimeを介して5つの実行プロバイダー（TensorRT、CUDA、OpenVINO、DirectML、CPU）で実行します。起動時に推論ライブラリがインストール済みのGPUベンダーを検出し、適切なプロバイダーチェーンを自動選択します。そのため、モデルごとに同じ36 MBのファイルを、ディスクリートGPUがないマシンからハイエンドカード搭載マシンまで、変更せずに実行できます。デプロイ済みアプリケーションにPythonやPyTorchの依存関係はなく、ベンダーごとにリリース系列を保守する必要もありません。
YOLO26のエンドツーエンド検出ヘッドにより、単一成果物を使う方法が実用的になりました。モデルが最終検出結果を直接出力するため、RTMのC++推論レイヤーで必要なのは信頼度しきい値とレターボックスの逆変換だけです。NMSを再実装する必要も、Pythonの学習経路とC++のデプロイ経路の間のパリティギャップをデバッグする必要もありません。検出器が言語間をまたぐ際に一般的に発生する種類のバグを防げます。
GPUで得られる効果を数値で見る#
RTMは、NVIDIA RTX 3090上で、YOLO26-smallの人物モデルと火災・煙モデルを、2つの入力解像度でベンチマークしました（ONNX Runtime 1.26.0、CUDA実行プロバイダー、FP32、バッチサイズ1、フォワードパスのみ）。640×640では、人物モデルはフレームあたり4.20 ms、火災・煙モデルは4.34 msで動作します。1280×1280では、どちらも約12.5 msに増加し、GPUメモリ使用量は406 MBから1,302 MBに増えます。つまり640×640では、フレームごとのコストは約2.9分の1、メモリ使用量は約3.2分の1になります。一方、より大きな入力では、小さく遠くにあるオブジェクトの検出性能が向上します。RTMは640×640をデフォルトとして出荷し、検出マージンの向上にGPUの余裕を割けるサイト向けに、1280×1280のエクスポートも利用可能にしています。
FP32のCUDAからFP16のTensorRTに切り替えると、両モデルのフレームあたりの合計コストは8.68 msから6.26 msに下がり、28%短縮されました。これにより、単一GPUで4チャンネルを処理する場合、28.8 FPSではなく約39.9 FPSを実現できます。RTMは出荷前に、FP16変換による精度への影響がないことを確認しました。火災と煙の両方で、すべてのオブジェクトサイズ区分およびイベントレベルにおいて再現率は変わりませんでした。デプロイされたアプリケーションでは、推奨仕様のマシン（16コアクラスのIntel Core i7以上、32GB RAM、RTX 5060 8GB以上）で6チャンネルを同時処理できます。内蔵グラフィックスのみの低価格帯マシンでも1チャンネルを処理でき、製品上の上限は1台あたり10チャンネルです。
Ultralytics YOLO26を活用する理由#
RTMは、Ultralyticsの同一のトレーニングコードベースを通じて人物検出器と火災・煙検出器をトレーニングしており、両者はドメイン固有の分岐が一切ない352行のコードを共有しています。人物を監視する検出器と火災を監視する検出器の違いは、設定ファイルの入力サイズ、エポック数、学習率、データセットの構成だけです。これはUltralytics YOLOの設計によるものです。検出タスク全体で一貫した単一のアーキテクチャとトレーニングAPIを利用できるため、新しい検出ドメインを導入する際は新しいパイプラインを構築するのではなく、設定を変更するだけで済みます。その結果、小規模なエンジニアリングチームでも、2つのコードベースを保守することなく、本番環境向けのモデルを2つ構築できました。
同じ一貫性のおかげで、YOLO26への移行も低リスクで実施できました。RTMは2026年5月、プロジェクト開始から4日後にYOLO26を採用しましたが、移行時に既存のトレーニングコードを1行も変更する必要はなく、チェックポイントを切り替えるだけでした。Ultralyticsはモデルの世代をまたいでトレーニングインターフェースを安定させているため、最新アーキテクチャへのアップグレードにあたり、RTMがすでに構築・テストしたパイプラインを書き直す必要はありませんでした。
「同じデータセットでも、入力サイズやデータ拡張によってモデルの性能は変わります。Ultralyticsではすべてが1つの設定ファイルにまとまっているので、いくつかの値を変更し、複数のバリエーションを並行して実行して、最適なものを選べます。どの作業でもコードに手を加える必要がないため、10回分の実行を準備する手間は、1回実行する場合とほとんど変わりません。」— RTM、AIエンジニア
この安定性は、精度の向上にもつながりました。5段階の逐次トレーニングカリキュラムを1回の同時トレーニングに統合した結果、動作しきい値を変えずに検証mAP50が0.672から0.689に向上しました。モデルを再設計するのではなく、同じYOLO26アーキテクチャで再トレーニングするだけで得られた改善です。また、YOLO26は固定形状のONNXアーティファクトにクリーンにエクスポートでき、検出しきい値はアプリケーションに組み込まずサイドカーファイルとして提供されます。そのため、現場ではONNXファイルを1つ差し替えるだけでこの精度向上を取り込め、ホストアプリケーションを変更する必要はありません。この仕組みにより、小規模なエンジニアリングチームでも、リリースを同期させずにすべての現場へモデルを更新できます。これは、独自アーキテクチャではなくYOLO26を基盤に構築したことから直接得られる利点です。
検出の上位にあるもの#
RTMのアラームは、単なる検出結果ではありません。人物が映像内にいるだけではイベントではありませんが、転倒してそのまま起き上がらない場合はイベントです。2つのYOLO26モデルの上位に決定論的なイベントレイヤーを配置し、アラームを発する前にトラッキング、姿勢状態、ゾーン所属、スライディングウィンドウ投票を組み合わせます。このロジックをモデルから分離しているため、工場ごとにカメラの高さ、角度、照明が大きく異なっても、1つの人物検出器をすべての現場で使えます。また、新たな安全動作にも既存の検出結果を再利用できます。RTMは現在、同じ人物検出出力を使ってPPE準拠状況の監視を開発しており、GPU搭載現場では新しいモデルもハードウェアも必要ありません。
全体的な効果#
RTMの協働ロボット連携を導入する顧客にとって、効果が特に明確に表れています。これらの顧客は工場各所に協働ロボットを供給・設置しており、物理的な安全柵やレーザー安全柵があっても、作業員がロボットと衝突する問題に長く直面していました。RTMのシステムでは危険区域への侵入を検知すると、遅延なくPLC接続の停止信号をロボットに送ります。こうしたインテグレーターはその後、物理的な安全柵に代わる標準的な安全装置としてこのシステムを採用しています。
ある鉄鋼メーカーは、Ultralytics YOLOによって現場ごとに検出シナリオを調整できるため、以前は工場内を巡回していた安全監視スタッフを100人以上削減できたと報告しています。より広く見ると、製造業者はRTMのソリューションを、評価した安全監視オプションの中で最も設置しやすく、最も費用対効果が高いと評価しています。危険区域、転倒、火災・煙の検知により、最も必要とされる機能をカバーできます。
同じモデルでさらに拡張#
RTMの次のステップは、既存の人物検出出力のみを使ったPPE準拠状況の検出です。新たにトレーニングするモデルは不要で、GPUリソースに余裕のある現場では新しいハードウェアの設置も不要です。追加の製造現場やハードウェア階層への展開が続くなか、モデルごとに単一のONNXエクスポートを使う構成により、最も低い仕様の内蔵グラフィックス搭載PCから、現場の最高性能GPUサーバーまで対応しています。
独自のビジョンAIソリューションの構築に関心がありますか？Ultralytics YOLOモデルをご覧いただき、さまざまな業界での活用方法や、製造業におけるコンピュータビジョンの事例を確認して、導入に向けてライセンスオプションをご覧ください。
