Ultralytics YOLOモデルを活用し、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に検出し、数千人のユーザーと複数の現場にわたる安全ワークフローを効率化しました。
建設現場には、揚重作業や火気作業などの高リスク作業があり、作業開始前にチームが厳格な安全手順に従う必要があります。こうした確認を証明するため、作業員は通常、デジタルワークフローを通じて写真をアップロードします。
しかし、これらの画像を確認するのは必ずしも簡単ではありません。画像が不鮮明、不完全、あるいは誤解を招く場合もあり、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のが困難になります。
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支援します。特に、コンピュータービジョンモデルやUltralytics YOLOモデルを使ってアップロード画像を解析し、現場の状況を把握し、不適切な提出を検出して、潜在的な問題を明らかにします。これにより手作業が減り、チームは一貫した安全基準を維持できます。
AIを活用して建設現場の安全とコンプライアンスを改善#
SiteAssistは、建設、インフラ、その他の重要産業で高リスク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、火気作業、揚重、閉所作業などを支援します。
Balfour Beatty、Taylor Woodrow（VINCI）、Skanska、HG Constructionなどの企業は、一貫性の向上、コンプライアンスの維持、プロジェクトの円滑な進行のためにSiteAssistを利用しています。許可証とワークフローをデジタル化することで、潜在的なリスクを特定し、安全要件を一貫して適用できるよう支援します。
現在、SiteAssistは数千人の作業員を支援し、日々の業務をより明確に把握できるようチームをサポートしています。この可視性の向上により、安全プロセスをより適切に管理できます。
建設現場の安全確認が大規模化で滞る理由#
建設現場の安全と円滑な運営を維持するのは簡単ではありません。大規模なプロジェクトでは、複数の場所で数千人の作業員が働き、それぞれが作業開始前に厳格な安全確認を要する高リスク作業に従事することがよくあります。
こうした確認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となる写真をアップロードする必要があります。しかし、提出画像の確認は必ずしも容易ではありません。
画像が不鮮明、不完全、あるいは誤解を招く場合もあり、安全要件が実際に満たされているかどうかの確認が困難になります。承認担当者は各提出物を手作業で確認し、適切な機器、正しい設置状況、全体的なコンプライアンスをチェックする必要があります。
提出数が増えるほど、この作業には時間がかかり、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では紙ベースの許可証や、一部しかデジタル化されていないワークフローが依然として使われています。
そのため承認が遅れ、ボトルネックが生じ、現場の作業状況をリアルタイムで把握しにくくなります。チームが現場で追加確認をしたり、確認をやり直したりする必要が生じ、さらに遅延が増えることもあります。
業務規模が拡大するにつれて、こうした課題は一貫した安全基準の維持を難しくし、確認の見落としや遅れのリスクを高めます。
Ultralytics YOLOモデルで堅牢な安全確認を実現#
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て安全確認を効率化します。手作業による確認に頼る代わりに、チームは現場から直接画像を撮影・アップロードでき、各提出物は承認手続きの前に検証されます。これにより、状況が変化しても安全確認を一貫して実施できます。
その背後では、アップロードされた画像をそれぞれUltralytics YOLOモデルで解析し、物体検出や画像分類などのVisionタスクを活用して、現場に何があるかを把握します。
Ultralytics YOLO26などのモデルは、SiteAssistのプラットフォームを通じて実際の建設現場で収集された画像から構成された、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、建設関連の物体約45種類が含まれます。
システムはこれらの物体を識別し、必要な物品が画像に写っているかを確認して、不足しているものや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、不適切な提出物も検出できます。これらの提出画像では、1枚あたり平均1.7個の物体が検出され、背景画像を除くと2.7個に上ります。これは、現場に意味のある活動が密集していることを示しています。
SiteAssistでUltralytics YOLOモデルがどのように使われているか、例を2つ紹介します。
- 実画像の検証: アップロード画像が実際の状況で撮影されたものではなく、画面を撮影した写真などである場合、システムが検出して確認対象としてフラグを立てます。
- 機器の検出とカウント: システムは消火器などの必要な物品を識別し、適切な数があるかどうかを確認できます。場合によっては、YOLOと併せて光学文字認識（OCR）を使用して画像からテキストを抽出し、ラベルを読み取って機器の種類を判定します。
図1. SiteAssistでUltralytics YOLOモデルを使用して消火器を検出（出典）
Ultralytics YOLOモデルを選ぶ理由#
Ultralytics YOLOモデルは、実世界の画像検証に必要な速度と精度をSiteAssistに提供します。アップロードと同時に画像をすばやく処理できるため、遅延なく安全確認を実施しやすくなります。
実際に、2025年1月以降、SiteAssistはUltralytics YOLOモデルを使って770,918枚を超える画像を処理し、1,302,315個を超える物体を検出しており、大規模環境でも信頼性の高い性能を示しています。
Ultralytics Pythonパッケージを使えば、実際の現場ワークフローから収集したデータでモデルを簡単に学習・ファインチューニングできます。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、モデルの性能を継続的に向上させられます。
デプロイの観点から見ると、YOLOモデルは効率性と柔軟性に優れています。SiteAssistは現在、バックエンドの一部として画像をクラウドで処理し、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処理しています。同時に、モデルをデバイス上でローカル実行することもでき、将来的には現場で直接処理を行うユースケースにも対応できます。
さらに、ONNXやExecuTorchなどのエクスポート形式に対応しているため、Ultralytics YOLOモデルを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Vision AIワークフローを構築・拡張するための実用的でスケーラブルな方法を得られます。
SiteAssistとUltralytics YOLOで安全確認をリアルタイムに強化#
現在、SiteAssistは約4,000台のデバイスで約12,000人のアクティブユーザーを支援し、大規模で複雑なプロジェクトの安全ワークフローを効率的にスケールできるようにしています。
画像検証を自動化したことで、チームは手作業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、より速く検証できるようになり、予定どおりに作業を開始し、遅延を減らすのに役立っています。
YOLOを活用した画像解析により、安全確認の実施方法の一貫性も向上しました。提出物をより体系的に評価できるため、機器の不足、人工的に作られた画像、確認の不備を特定しやすくなります。2025年1月以降に最も多く検出された物体には、車両28万3,000台超と人物20万1,000人超のほか、人工画像約6万8,500枚、消火器5万5,000個超が含まれます。
これにより、現場管理者は進行中の作業をより明確に把握し、安全要件が満たされているという確信を深められます。
図2. SiteAssistがUltralytics YOLOを使って検出した人工画像の例です。
さらに、手作業の書類作成を減らすことで、チームは事務作業に費やす時間を短縮し、現場での作業により多くの時間を割けるようになりました。その結果、業務がより円滑に進み、さまざまな現場で安全プロセスの信頼性が高まります。
ビジョン活用型の建設安全ワークフローをエッジへ#
今後、SiteAssistはUltralytics YOLOモデルを現場でのデータ取得場所に近いところで実行するため、エッジAIを検討しています。デバイス上で画像を直接処理することで、クラウドコストの削減、データプライバシーの向上、リアルタイムの意思決定支援を目指しています。より高度なリアルタイムの安全・業務ワークフローを実現するため、今後も機能を拡張する予定です。
業務にVision AIを取り入れませんか？コミュニティに参加して、ヘルスケアにおけるAIや農業におけるVision AIなどの活用例をご覧ください。GitHubリポジトリにアクセスし、今すぐ始めるためのライセンスオプションをご確認ください。
