SiteAssistは、大規模な建設現場全体で安全基準の遵守状況を確実に確認する方法を必要としていました。現場では、手作業による画像チェックでは時間がかかり、一貫性に欠け、信頼性が低いことが多かったからです。
SiteAssistUltralytics YOLO を活用し、画像検証を自動化することで、コンプライアンス上の問題をリアルタイムで検知し、数千人のユーザーと多様な拠点にわたる安全業務のワークフローを効率化しました。
建設現場では、重量物の吊り上げ作業や溶接作業などの高リスクな作業が行われるため、作業開始前にチームは厳格な安全手順に従わなければなりません。これらの確認事項を裏付けるため、作業員は通常、デジタルワークフローを通じて証拠となる写真をアップロードします。
しかし、こうした画像を確認するのは必ずしも容易ではありません。画像が不鮮明だったり、不完全だったり、時には誤解を招くようなものであったりするため、特に大規模なプロジェクトにおいては、安全要件が実際に満たされているかどうかを判断するのが困難になることがあります。
SiteAssistは、ツールとAIを組み合わせたデジタルプラットフォームを通じて、こうしたワークフローをサポートしています。特に、Ultralytics YOLO コンピュータビジョンモデルを用いてアップロードされた画像を分析することで、プラットフォームは現場の状況把握、無効な提出データの検出、潜在的な問題点の特定を支援します。これにより、手作業の負担が軽減され、チームは一貫した安全基準を維持できるようになります。
SiteAssistは、建設、インフラ、その他の重要産業において高リスクな作業を管理するチーム向けに設計された作業管理プラットフォームです。複雑で紙ベースのプロセスを体系化されたデジタルワークフローに置き換え、掘削、火気作業、重量物吊り上げ、閉鎖空間作業などのタスクを支援します。
バルフォア・ビーティ、テイラー・ウッドロー（VINCI）、スカンスカ、HGコンストラクションといった企業は、SiteAssistを活用して業務の一貫性を高め、コンプライアンスを遵守し、プロジェクトを円滑に進めています。このプラットフォームは、許可証やワークフローをデジタル化することで、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支援します。
現在、SiteAssistは数千人の作業員を支援しており、チームが日々の業務をより明確に把握できるようになっています。こうした可視性の向上により、チームは安全管理プロセスをより的確に管理できるようになります。
建設現場の安全を確保し、円滑に運営することは容易なことではありません。大規模なプロジェクトでは、多くの場合、複数の現場で数千人の作業員が従事しており、各作業員は作業開始前に厳格な安全確認を必要とする高リスクな業務を行っています。
これらの確認が完了したことを確認するため、通常、作業員は証拠として写真をデジタルワークフローや許可システムにアップロードすることが求められます。しかし、これらの提出物を審査するのは、必ずしも容易なことではありません。
画像は不鮮明だったり、不完全だったり、時には誤解を招くものであったりするため、安全要件が実際に満たされているかどうかを確認するのが困難な場合があります。承認担当者は、提出された各資料を手作業で確認し、適切な機器の使用、正しい設置状況、および全体的なコンプライアンスの遵守状況を確認しなければなりません。
申請件数が増えるにつれ、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。一方で、多くのプロジェクトでは依然として紙ベースの許可証や、部分的にデジタル化されたワークフローに依存しています。
これにより承認プロセスが遅延し、ボトルネックが生じ、現場の活動状況をリアルタイムで把握することが難しくなります。チームは直接確認したり、再確認を行ったりする必要が生じ、さらに遅延を招く可能性があります。
事業規模が拡大するにつれ、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難しくなり、点検の漏れや遅延のリスクが高まります。
SiteAssistは、許可申請の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、安全点検を効率化します。手作業による確認に頼るのではなく、現場から直接画像を撮影・アップロードでき、承認に進む前に各提出物が検証されます。これにより、状況が変化しても、安全点検が一貫して行われることが保証されます。
裏側では、アップロードされた各画像Ultralytics YOLO を用いて分析され、物体検出や画像分類といった視覚処理タスクを活用して、現場に何が存在しているかを把握しています。
Ultralytics のようなモデルは、SiteAssistが自社プラットフォームを通じて実際の建設現場で収集した画像から構築した独自のデータセットを用いて微調整されています。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重機など、建設現場に関連する約45種類の物体が含まれています。
このシステムはこれらの対象物を識別し、必要な項目が確認できるかどうかをチェックして、欠落しているものや期待される基準を満たしていないものをフラグ付けします。また、実際の現場環境で撮影されていない画像など、無効な提出物を特定することも可能です。これらの提出物全体では、1枚の画像あたり平均1.7個の対象物が検出されており、背景画像を除くと2.7個に増加します。これは、現場における有意義な活動の密度の高さを示しています。
Ultralytics YOLO どのように活用されているか、いくつかの例をご紹介します：
Ultralytics YOLO 、SiteAssistが実環境での画像検証に必要とする処理速度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することが容易になります。
実際、2025年1月以降、Ultralytics YOLO を用いて770,918枚以上の画像を処理し、1,302,315個以上の物体を検知することで、大規模な環境においても信頼性の高い性能を発揮しています。
Ultralytics Python を使えば、実際の現場ワークフローから収集したデータを用いて、モデルのトレーニングや微調整を簡単に行うことができます。つまり、時間の経過とともにデータが蓄積されるにつれて、モデルの性能を継続的に向上させることができるのです。
導入の観点から見ると、YOLO 効率的かつ柔軟性が高い。SiteAssistは現在、バックエンドの一環としてクラウド上で画像を処理しており、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処理している。同時に、モデルはデバイス上でローカルに実行することも可能であり、将来的に現場で直接処理を行うようなユースケースにも対応できるようになっている。
さらに、ONNX エクスポート形式に対応しているため、Ultralytics YOLO 、複雑さを増す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・拡張するための実用的かつスケーラブルな手段を得ることができます。
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おいても、安全対策のワークフローを効率的に拡張することが可能です。
画像の自動検証を導入したことで、チームは手動による確認への依存を減らし、承認プロセスを迅速化しました。以前は繰り返し確認が必要だった作業も、今ではより迅速に検証できるようになり、作業を予定通りに開始できるようになり、遅延の削減につながっています。
YOLO画像解析により、安全点検の実施方法における一貫性も向上しました。 提出されたデータはより体系的な方法で評価されるため、装備の欠落、偽造画像、または不完全な点検を容易に特定できるようになりました。2025年1月以降、最も頻繁に検出された対象には、28万3,000台以上の車両と20万1,000人以上の人物に加え、6万8,500件近くの偽造画像および5万5,000個以上の消火器が含まれています。
これにより、現場責任者は進行中の作業状況をより明確に把握できるようになり、安全基準が確実に遵守されているという確信を深めることができます。
さらに、手作業による事務処理が削減されたことで、各チームは管理業務に費やす時間を減らし、現場での業務に充てる時間を増やすことができるようになりました。その結果、業務がより円滑に進むようになり、各拠点における安全対策の信頼性も高まっています。
今後、SiteAssistは、現場でデータが収集される場所の近くでUltralytics YOLO を実行するため、エッジAIの活用を検討しています。デバイス上で直接画像を処理することで、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、そしてリアルタイムでの意思決定の支援を目指しています。同社は、より高度なリアルタイムの安全対策および運用ワークフローを実現するため、これらの機能の拡充を継続する予定です。
ビジョンAIを業務に取り入れてみませんか？当社のコミュニティに参加して、医療分野でのAI活用や農業分野でのビジョンAIなどの応用事例について学びましょう。GitHubリポジトリにアクセスして、ライセンスオプションを確認し、今すぐ始めましょう！
Ultralytics YOLO モデルは、画像やビデオ入力からの視覚データを分析するために開発されたコンピュータビジョンアーキテクチャです。これらのモデルは、物体検出、分類、姿勢推定、追跡、インスタンスのセグメンテーションなどのタスクのためにトレーニングすることがUltralytics
Ultralytics YOLO11 11は、コンピュータ・ビジョン・モデルの最新バージョンです。以前のバージョンと同様、Vision AIコミュニティがYOLOv8やまない、すべてのコンピュータ・ビジョン・タスクをサポートしています。しかし、新しいYOLO1111は、より高い性能と精度を備え、強力なツールとなり、実世界の業界の課題にとって完璧な味方となります。
使用するモデルは、特定のプロジェクト要件によって異なります。パフォーマンス、精度、デプロイメントのニーズなどの要素を考慮することが重要です。概要は次のとおりです。
YOLOv5 YOLO11Ultralytics YOLO リポジトリは、デフォルトでAGPL-3.0 ライセンスで配布されています。このOSIが承認したライセンスは、学生、研究者、愛好家のために設計され、オープンなコラボレーションを促進し、AGPL-3.0 コンポーネントを使ったソフトウェアもオープンソースにすることを要求しています。これにより透明性が確保され、イノベーションが促進される一方で、商用ユースケースには合致しない可能性があります。
あなたのプロジェクトがUltralytics ソフトウェアとAIモデルを商用製品やサービスに組み込むことを含み、AGPL-3.00のオープンソース要件を回避したい場合は、エンタープライズライセンスが理想的です。
エンタープライズライセンスの利点:
シームレスな統合を保証し、AGPL-3.0 制約を回避するには、提供されているフォームを使用してUltralytics エンタープライズライセンスをリクエストしてください。私たちのチームは、お客様の特定のニーズに合わせてライセンスを調整するお手伝いをいたします。
未来の機械学習で、新たな一歩を踏み出しましょう。
%20(1).svg){kind=logo}
