安全装備（PPE）検出AI
カメラ映像からリアルタイムで作業員を検出し、ヘルメット・安全ベストの着用状況を自動チェック。建設現場の安全管理を支援します。
検出対象と仕組み
ヘルメット
頭部保護。黄色・白色のヘルメットをピクセル色分析で検出
検出方法: 頭部領域（上部30%）の黄色・白色ピクセル比率
安全ベスト
視認性確保。蛍光オレンジ・黄色の高視認性ベストを検出
検出方法: 胴体領域（中央40%）の蛍光色ピクセル比率
作業員検出
COCO-SSDモデルで映像内の人物を自動検出・追跡
検出方法: 物体検出（person クラス、信頼度50%以上）
💡 ヘルメットの色は組織・現場・役割で異なります。日本の現場では色で役割を分けることが多く（例: 白＝現場監督・管理者／黄＝作業員／青・緑＝協力会社・新人／赤＝特定作業・危険物 など。割り当ては現場ごとに運用が異なります＝経験則・要確認）。
本デモは黄・白を簡易判定しますが、実運用では組織が使用するヘルメット色に合わせて、検出パイプラインの調整（色閾値・判定領域・前処理）と、現場データでのファインチューニング（専用モデルの追加学習）を行います。これにより未着用判定の精度を上げるだけでなく、色から役割（監督／作業員／協力会社 等）を識別して通知や記録に付与することも可能です。
2段階検出アーキテクチャ
Stage 1: 人物検出
COCO-SSD（MobileNet v2ベース）で映像内の人物をリアルタイム検出。バウンディングボックスで各作業員の位置を特定します。
Stage 2: 装備分析
検出された人物の画像領域を分割し、ピクセル色分析でヘルメット（頭部）と安全ベスト（胴体）の有無を判定します。
関連する安全基準
| 基準 | 条項 | 内容 |
|---|---|---|
| 労働安全衛生法 | 第21条 | 事業者は墜落等による危険防止のため保護具の使用を義務付け |
| 建設業労働災害防止規程 | 第3章 | 作業員のヘルメット・安全帯の常時着用を規定 |
| ISO 45001 | 8.1.2 | 危険源の除去とリスク低減のための管理策としてPPE管理を要求 |
活用シーン
建設現場の入退場管理
ゲートカメラでPPE着用チェック。未着用者にアラート通知
プラント巡回点検
監視カメラ映像をリアルタイム分析。安全違反を即座に検知
朝礼・KY活動の記録
作業開始前のPPE着用状況を自動記録。安全日報に反映
安全パトロールの効率化
広域現場をAIが常時監視。人力パトロールの補完として活用
発展構想：違反を「いつ・どこで・誰が」まで自動記録し通知連携
着用の有無を判定するだけでなく、カメラ＋IMUで現場を3D地図化（SLAM）し、空間IDで座標と監視エリアを対応付けることで、違反イベントに「時刻・場所・対象者」を自動で紐付けられます。確定したアラートは Discord / Slack へ即時通知 ── 現場特化の安全管理システムとして拡張可能です。（構想段階。実装は現場要件に応じて個別設計）
① いつ（時刻）
本デモで実装済み未着用が継続して確定した瞬間にタイムスタンプを自動付与。瞬間的な誤検知では記録しません。
② どこ（場所）
連携で対応カメラ＋IMUのSLAMで現場を地図化し、空間ID（地理空間ID等）で監視エリアと座標を対応付け。違反位置を地図上に自動マッピング。
③ 誰（対象者）
UWB連携で対応UWB測位＋作業者タグで個人を特定（任意・プライバシー配慮が前提）。誰の違反かまで記録・通知できます。
④ 自動通知
Webhook連携で対応確定イベントを Discord / Slack の Webhook へ即時送信。時刻・場所・対象者・現場写真を添付し、担当者のスマホへ即アラート。
通知のプライバシー設計（Discord / Slack の違い）
- Discord：画像は Webhook に直接添付。外部に画像URLを作らないため、スナップショットが Discord 外に公開されません。
- Slack：Incoming Webhook はファイル添付不可のため、画像は一時URL方式（推測困難なランダムID・最大20分で自動失効）でサーバーが配信し、Slack がそれを参照します。失効までは URL を知る相手が閲覧可能な状態です。
- 機微な現場では Discord 運用を推奨（画像を外部URL化しないため）。
UWB活用時の確認事項
- 屋外UWBは電波法・技適の確認が必要な場合があり、運用形態によっては個別の確認・申請を要します（経験則・要検証 → 専門家／所管へ確認）。
- ヘルメット検知へのUWBタグ応用は国内での実用事例が少ないとみられ、タグの装着方法・格納・耐久など実装設計が必要です（推測・要検証）。
- 個人特定はプライバシー・労務上の同意が前提。匿名カウントのみ／特定ありを現場ポリシーで選択できる設計を推奨します。
現場要件に合わせた安全管理システム（SLAM／空間ID／UWB／通知連携）の設計・PoCのご相談を承ります。
📞 導入・PoCを相談するデモの制限事項
このデモは汎用モデル（COCO-SSD）とピクセル色分析による簡易検出です。実運用では、現場の照明条件・ヘルメット色・ベスト種類に合わせた専用モデルの学習により、検出精度を大幅に向上できます。
安全装備検出に必要なエッジAI機材
建設現場や工場での安全装備着用チェックシステムを構築するための推奨機材です。
Raspberry Pi 5 ＋ AI Camera（IMX500）。現場の一次検証・PoCに手頃。
NVIDIA Jetson Orin Nano ＋ AI Camera（IMX500）。複数カメラ・高精度・連続稼働に対応。
価格は目安（変動あり）。下のカードから用途に合うものを選んでください（全点を揃える必要はありません）。
大きなモデルの生成・推論や複数モデルの常時稼働には、Pi/Jetsonより大容量メモリ・高性能CPU/GPUを積める高性能ミニPCが快適です。
NVIDIA Jetson Orin Nano
最大67 TOPSのAI性能。複数カメラの同時処理や高精度モデルの実行に最適なエッジAIボード。
Raspberry Pi AI Camera（IMX500）
Sony IMX500搭載のAI処理内蔵カメラ。カメラ側でAI推論を実行し、ホストの負荷が極めて低い。
Raspberry Pi AI HAT+2（Hailo-10H）
2026年1月発売の公式GenAIアドオン。40 TOPS・8GB専用オンボードRAM搭載。hailo-ollama経由でNPU上のLLM推論にも対応（実測はHailo-10Hレビュー参照）。
※ 上記リンクはアフィリエイトリンクです（購入で当サイトに収益が発生する場合があります）。 価格は目安で、最新価格・在庫はリンク先でご確認ください。構成は用途の一例です。
関連ガイド
関連デモ
AIモデルやAI推論を使わず、Canvasのルールベース画質確認、点検メモ、IndexedDBの端末内キュー、再接続後の同期判断を一続きで体験。エッジAI導入の前段となるオフライン業務基盤を確認するデモです。同期処理はシミュレーションです。
🟢 0MB（モデル不要）現場の音声をブラウザ内のWhisperで文字起こしし、道路橋の点検項目を参考にした独自JSONの下書きへ構造化。正式様式への準拠を示すものではありません。オフライン確認は既存文字起こし結果の再構造化のみで、Whisper文字起こしの再実行は対象外です。判定は点検技術者が最終確認します。
🟡 Whisper Small 約244Mパラメータ、ONNX int8 約190MB。Prompt API用モデルはブラウザ環境依存このデモを「実機」で使うには？
実測データで最適な機種を選び、つまずいたら原因→対処をたどれます。
業務への導入を検討中の方へ：このデモのような、入力に近い端末で処理する仕組みの設計・開発相談はLink Fieldへ無料で送れます。
🤝 導入の相談をする