Ultralytics YOLOモデルを活用することで、SiteAssistは画像検証を自動化しました。これにより、コンプライアンス上の問題をリアルタイムで検出し、数千人のユーザーや多様な現場における安全ワークフローを効率化しました。
建設現場には、吊り上げ作業や火気使用作業など、高リスクなアクティビティが伴います。こうした現場では、作業開始前に厳格な安全手順に従う必要があります。これらのチェックを確認するために、作業員は通常、デジタルワークフローを通じて証拠写真をアップロードします。
しかし、これらの画像の確認作業は必ずしも簡単ではありません。画像が不鮮明であったり、不完全であったり、時には誤解を招くような内容であったりするため、特に大規模なプロジェクトでは、安全要件が実際に満たされているかどうかを判断することが困難です。
SiteAssistは、ツールとAIを組み合わせて、デジタルプラットフォームを通じてこれらのワークフローをサポートします。特に、Ultralytics YOLO modelsのようなcomputer visionモデルを使用してアップロードされた画像を分析し、プラットフォームが現場の状況を把握し、無効な提出物を検出し、潜在的な問題をハイライトするのを支援します。これにより、手動による作業が削減され、チームが一貫した安全基準を維持できるようになります。
AIを活用した建設現場における安全性とコンプライアンスの向上#
SiteAssistは、建設、インフラ、その他の重要な産業において、高リスクな業務を管理するチーム向けに設計された「作業管理（control-of-work）」プラットフォームです。複雑な紙ベースのプロセスを構造化されたデジタルワークフローに置き換え、掘削、火気使用、吊り上げ、閉所作業といったタスクを支援します。
Balfour Beatty、Taylor Woodrow (VINCI)、Skanska、HG Constructionといった企業は、SiteAssistを使用して一貫性を向上させ、コンプライアンスを維持し、プロジェクトを円滑に進めています。許可証やワークフローをデジタル化することで、このプラットフォームはチームが潜在的なリスクを特定し、安全要件が一貫して適用されるように支援します。
現在、SiteAssistは数千人の作業員をサポートしており、チームは日常業務をより明確に把握できるようになっています。この可視性の向上により、チームは安全プロセスをより適切に制御できるようになりました。
建設現場の安全チェックが大規模な環境で機能しなくなる理由#
建設現場の安全を確保し、円滑に稼働させることは簡単ではありません。大規模プロジェクトでは、多くの場合、数千人の作業員が複数の場所で活動しており、それぞれが作業開始前に厳格な安全チェックを必要とする高リスクな作業を行っています。
これらのチェックが完了したことを検証するため、作業員は通常、デジタルワークフローや許可システムに証拠写真をアップロードすることが求められます。しかし、これらの提出内容を確認する作業は必ずしも単純ではありません。
画像は不鮮明だったり、不完全だったり、あるいは誤解を招くようなものだったりするため、安全要件が実際に満たされているかどうかを確認することが困難です。承認者は各提出物を手動で確認し、正しい機器があるか、適切なセットアップか、全体的なコンプライアンスが守られているかを確認しなければなりません。
提出物の数が増えるにつれて、このプロセスはより時間がかかり、一貫した管理が難しくなります。同時に、多くのプロジェクトがいまだに紙ベースの許可証や、部分的にしかデジタル化されていないワークフローに依存しています。
これにより承認が遅れ、ボトルネックが発生し、現場の活動に対するリアルタイムの可視性が制限されます。チームは直接確認に行ったり、チェックを繰り返したりする必要があり、さらなる遅延の原因となります。
業務が拡大するにつれ、こうした課題により、一貫した安全基準を維持することが困難になり、チェックの見落としや遅延のリスクが増大します。
Ultralytics YOLOモデルによる堅牢な安全チェックの実現#
SiteAssistは、許可ワークフローとリアルタイムの画像検証を組み合わせることで、安全チェックを簡素化しています。手動のレビューに頼るのではなく、チームは現場から直接画像を撮影してアップロードでき、すべての提出物は承認前に検証されます。これにより、状況が変化しても安全チェックが一貫して確実に行われるようになります。
裏では、アップロードされた各画像がUltralytics YOLOモデルを使用して分析され、object detectionや画像分類などのビジョンタスクを活用して現場にあるものを把握しています。
Ultralytics YOLO26などのモデルは、プラットフォームを通じて実際の建設現場から収集された画像から構築された、SiteAssist独自のデータセットでファインチューニングされています。これには、消火器、安全装備、ガスボンベ、一般的な電動工具や機械など、約45種類の建設関連のオブジェクトが含まれます。
システムはこれらのオブジェクトを識別し、必要なアイテムが表示されているかどうかを確認し、不足しているものや期待される基準を満たさないものにフラグを立てます。また、実際の現場状況で撮影されていない画像など、無効な提出物を強調することも可能です。これらの提出物全体において、1画像あたり平均1.7個のオブジェクトが検出されており、背景のみの画像を除外するとその数は2.7個に増加します。これは現場における有意義な活動密度が高いことを示しています。
Ultralytics YOLOモデルがSiteAssist内でどのように使用されているかの例をいくつか挙げます。
- ライブ画像の検証: システムは、画面の写真を撮影したものなど、実際の現場状況で撮影されていない画像を検出して確認のためにフラグを立てることができます。
- 機器の検出とカウント: システムは消火器などの必要なアイテムを識別し、正しい数が存在するかどうかを確認できます。場合によっては、YOLOと併用してOCR（光学文字認識）を使用し、画像からテキストを抽出して、ラベルを読み取り機器の種類を判断することも可能です。
図1：SiteAssistでUltralytics YOLOモデルを使用して消火器を検出する様子（Source）
なぜUltralytics YOLOモデルが選ばれるのか#
Ultralytics YOLOモデルは、SiteAssistが実世界の画像検証に必要とするスピードと精度を提供します。画像はアップロードと同時に迅速に処理されるため、遅延なく安全チェックを実行しやすくなります。
実際に、2025年1月以降、SiteAssistはUltralytics YOLOモデルを使用して77万918枚以上の画像を処理し、130万2315個以上のオブジェクトを検出しており、大規模な環境でも信頼性の高いパフォーマンスを発揮しています。
また、Ultralytics Python packageにより、実際の現場のワークフローから収集されたデータを使用してモデルのトレーニングやファインチューニングを簡単に行うことができます。これにより、時間の経過とともにデータが蓄積されるにつれて、モデルのパフォーマンスが向上し続けることが可能になります。
デプロイの観点から見ると、YOLOモデルは効率的かつ柔軟です。SiteAssistは現在、バックエンドの一部としてクラウド上で画像を処理し、作業員のデバイスからのアップロードをリアルタイムで扱っています。同時に、モデルをデバイス上でローカルに実行することも可能なため、将来的には現場で直接処理を行うようなユースケースへの対応も検討されています。
さらに、ONNXやExecuTorchなどのexport formatsのサポートにより、Ultralytics YOLOモデルを複雑さを追加することなくさまざまなエッジシステムに統合できます。これにより、SiteAssistはビジョンAIワークフローを構築および拡張するための実用的かつスケーラブルな方法を手に入れています。
SiteAssistとUltralytics YOLOがリアルタイム安全チェックを強化#
現在、SiteAssistは約4,000台のデバイス上で約12,000人のアクティブユーザーをサポートしており、大規模で複雑なプロジェクトに対しても効率的に安全ワークフローを拡張できるようになっています。
自動画像検証の導入により、チームは手動レビューへの依存を減らし、承認プロセスを高速化しました。以前は繰り返しチェックが必要だったタスクも、より迅速に検証できるようになり、作業を定時通りに開始し、遅延を削減することに貢献しています。
YOLOによる画像分析は、安全チェックの実施方法の一貫性も向上させました。提出物はより構造化された方法で評価されるようになり、不足している機器、人工的な画像、不完全なチェックなどを特定しやすくなりました。2025年1月以降に最も多く検出されたオブジェクトには、28万3000台以上の車両、20万1000人以上の人物のほか、約6万8500枚の人工的な画像、5万5000個以上の消火器が含まれています。
これにより、現場マネージャーは進行中の作業をより明確に可視化でき、安全要件が満たされているという確信を持つことができます。
図2：SiteAssistがUltralytics YOLOを使用して検出した、人工的な写真の例。
さらに、手作業の書類業務を減らすことで、チームは管理業務にかける時間を短縮し、より多くの時間を現場で過ごせるようになりました。その結果、業務がより円滑に進み、場所を問わず安全プロセスがより信頼性の高いものになっています。
ビジョン主導の建設安全ワークフローをエッジへ#
今後の展望として、SiteAssistはエッジAIを活用し、Ultralytics YOLOモデルをデータが取得される現場により近い場所で実行することを模索しています。画像をデバイス上で直接処理することで、チームはクラウドコストの削減、データプライバシーの向上、およびリアルタイムの意思決定支援を目指しています。今後もこれらの機能を拡張し、より高度でリアルタイムな安全および業務ワークフローを可能にしていく計画です。
オペレーションにビジョンAIを導入しませんか？our communityに参加して、AI in healthcareやvision AI in agricultureなどのアプリケーションについて学びましょう。GitHub repositoryを訪れ、licensing optionsを確認して、今すぐ始めましょう！
