SiteAssistがUltralytics YOLOで77万枚以上の画像を処理し現場の安全性を向上

建設現場には、重量物の吊り上げ作業や火気使用工事など、高いリスクを伴う作業が存在し、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。これらの確認事項を証明するため、作業員は通常、デジタルワークフローを通じて証拠写真をアップロードします。

しかし、これらの画像をレビューする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、あるいは誤解を招く内容であったりすることがあり、特に大規模プロジェクトでは、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になります。

SiteAssist supports these workflows through its digital platform, using a combination of tools and AI. In particular, computer vision models like Ultralytics YOLO models are used to analyze uploaded images, helping the platform understand what is happening on site, flag invalid submissions, and highlight potential issues. This reduces manual effort and enables teams to maintain consistent safety standards.

Link to this sectionAIを活用した建設現場の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、高いリスクを伴う作業を管理するチーム向けに設計されたコントロール・オブ・ワーク・プラットフォームです。複雑で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、火気使用工事、吊り上げ、閉所作業などのタスクをサポートします。

Balfour Beatty、Taylor Woodrow (VINCI)、Skanska、HG Constructionといった企業は、SiteAssistを利用して一貫性の向上、コンプライアンスの維持、プロジェクトの円滑な進行を実現しています。許可証やワークフローをデジタル化することで、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、日々の業務に対するより明確な洞察をチームに提供しています。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管理できるようになりました。

Link to this sectionなぜ建設現場の安全チェックが大規模な運用で破綻するのか#

建設現場の安全を確保し、円滑に稼働させることは容易ではありません。大規模プロジェクトでは、多くの場合、複数の現場で数千人の作業員が働いており、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リスクの高いタスクに従事しています。

これらのチェックが完了したことを確認するため、通常、作業員は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、これらの提出物をレビューすることは、必ずしも単純ではありません。

画像が不鮮明、不完全、あるいは誤解を招く内容である場合があり、安全要件が実際に満たされているかを確認することが困難です。承認者は、適切な機器、適切なセットアップ、および全体的なコンプライアンスを確認するために、各申請を手動でチェックしなければなりません。

申請数が増加するにつれて、このプロセスは時間がかかり、一貫した管理がより困難になります。同時に、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頼っています。

これは承認の遅延を招き、ボトルネックを生み出し、現場活動に対するリアルタイムの可視性を制限します。チームは直接確認を行ったり、チェックを繰り返したりする必要があり、これがさらなる遅延につながります。

運用が拡大するにつれて、これらの課題は一貫した安全基準の維持を困難にし、チェックの漏れや遅延のリスクを高めます。

Link to this sectionUltralytics 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ます。手動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キャプチャしてアップロードし、承認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チェックが一貫して行われるようになります。

バックエンドでは、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、物体検出や画像分類といったビジョンタスクを活用して、現場の状況を把握します。

Ultralytics YOLO26のようなモデルは、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築された、SiteAssist独自のデータセットで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機械など、建設に関連する約45種類のオブジェクトが含まれます。

システムはこれらの物体を識別し、必要なアイテムが可視状態にあるかどうかを確認し、欠けているものや基準を満たしていないものがあればフラグを立てます。また、実際の現場状況で撮影されていない画像など、無効な提出物を特定することも可能です。これらの提出物全体において、画像あたり平均1.7個のオブジェクトが検出され、背景画像を除外すると2.7個に増加し、現場における活発な活動の密度が浮き彫りになっています。

以下は、SiteAssist内でUltralytics YOLOモデルがどのように使用されているかの例です。

• ライブ画像の検証: システムは、スクリーンを撮影した写真など、実際の現場で撮影されていない画像を検出してレビュー用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、正しい数が揃っているかを確認できます。場合によっては、YOLOと併用して光学式文字認識 (OCR) 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、機器の種類を判別します。

図1：SiteAssistでUltralytics YOLOモデルを使用して消火器を検出 (出典)

Link to this sectionなぜUltralytics YOLOモデルを選ぶのか？#

Ultralytics YOLOモデルは、SiteAssistが現実世界の画像検証に必要とする速度と精度を提供します。画像はアップロード時に迅速に処理できるため、遅延なく安全チェックを実行しやすくなります。

実際、2025年1月以降、SiteAssistはUltralytics YOLOモデルを使用して770,918枚以上の画像を処理し、1,302,315個以上のオブジェクトを検出しており、大規模な環境で信頼性の高いパフォーマンスを発揮しています。

Ultralytics Pythonパッケージを使用することで、実際の現場のワークフローから収集されたデータを使ってモデルを学習・微調整することも容易です。つまり、時間が経過してデータが蓄積されるにつれて、モデルのパフォーマンスを向上させ続けることが可能です。

デプロイメントの観点から見ると、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で画像を処理し、作業員のデバイスからアップロードされる画像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に実行することも可能なため、現場で直接処理を行う将来のユースケースにも対応できます。

さらに、ONNXやExecuTorchといったエクスポート形式のサポートにより、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・拡張するための実用的でスケーラブルな方法を実現しています。

Link to this sectionSiteAssistとUltralytics YOLOがリアルタイムの安全チェックを強化#

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サポートしており、大規模かつ複雑なプロジェクトに向けて安全ワークフローを効率的に拡張できるようになっています。

自動画像検証を導入することで、チームは手動レビューへの依存を減らし、承認プロセスをスピードアップさせました。以前は繰り返しチェックが必要だったタスクをより迅速に検証できるようになり、予定通りの作業開始と遅延の削減に貢献しています。

YOLOを活用した画像解析により、安全チェックの実行方法に一貫性が生まれました。提出物がより構造化された方法で評価されるため、機器の欠落、人工的な画像、または不完全なチェックをより容易に特定できます。2025年1月以降、最も頻繁に検出されたオブジェクトには、283,000台以上の車両、201,000人以上の人物、さらに約68,500枚の人工的な画像、55,000個以上の消火器が含まれます。

これにより、現場管理者は進行中の作業状況をより明確に把握でき、安全要件が満たされているという確信を深めることができます。

図2：Ultralytics YOLOを使用してSiteAssistが検出した人工的な写真の例。

さらに、手作業の書類処理が減ったことで、チームは事務作業に費やす時間を減らし、現場業務に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、場所を問わず安全プロセスがより信頼できるものになっています。

Link to this sectionビジョン主導の建設安全ワークフローをエッジへ#

今後、SiteAssistはエッジAIを活用し、現場のデータがキャプチャされる場所にさらに近い場所でUltralytics YOLOモデルを実行することを模索しています。デバイス上で直接画像を処理することで、クラウドコストの削減、データプライバシーの向上、およびリアルタイムで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、より高度なリアルタイムの安全・運用ワークフローを実現していく計画です。

業務にビジョンAIを取り入れたいですか？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、ライセンスオプションを確認して、今すぐ始めましょう！