AI PPE検出の売り文句はシンプルだ。カメラはすでに壁に設置されているのだから、ヘルメットと高視認性ベストを監視するモデルを追加すれば、すでに償却済みのハードウェアが、決して瞬きしない安全システムに変わる。魅力的な話だが、倉庫テクノロジーにおける魅力的な話のほとんどと同様、狭い意味では真実であり、実運用を一か月続けた後では誤解を招くものだ。
この現象は簡単に裏付けられる。労働統計局の2024年の労働災害・疾病調査によると、倉庫業・貯蔵業では常勤労働者100人あたり4.8件の記録対象事例が発生し、死亡者数は32人で、この率は測定対象の中で九番目に高いものだった。OSHAの29 CFR 1910.132(d)では、雇用主はまず職場の危険を評価し、各職務に必要な保護具を決定しなければならず、ヘルメットは1910.135で具体的にカバーされており、PPEは管理階層の最下層に位置し、工学的対策や管理的対策の下で、最初の層ではなく最後の層となっている。したがって、PPEだけを監視するシステムは、設計上、安全チェーンの最後の層しかカバーしない。
倉庫でAI PPE検出が実際に見ているもの
仕組みは、マーケティングが示唆するほど神秘的ではない。システムはすでに設置されているカメラからの映像を取り込み、各フレームに物体検出モデルを適用して人を検出し、次にその人が身に着けている装備——頭のヘルメット、胴体の高視認性ベスト——を見つけ、期待される装備が欠けている場合にアラートを上げる。ほとんどのシステムはクラウドではなく、エッジデバイス上でローカルに推論を実行する。あるオープンソースの実装では、ヘルメット検出、高視認性検出、本人確認を含むパイプライン全体を、640×480の動画で一フレームあたり113ミリ秒と測定し、ヘルメットテストサンプル63件をすべて正しく分類した。小規模な対照試験であり、夜勤の約束ではない。
発表された研究ではさらに高い数値が報告されており、研究の数値とベンダーの数値のギャップ自体が示唆に富んでいる。YOLOv11を用いた研究では、テストした環境全体でピーク検出率98.6パーセントが報告されており、この数値は論文自体が予備的なものとして提示している。一方、YOLOv3に基づく先行研究ではF1スコア0.96が報告された。Sieoraのベンダーページでは、一般的なPPEの実世界精度はおおよそ90から95パーセントとされており、Tensorbotのベンダー事例研究では、40エーカーの敷地で99.4パーセントの精度、目視検査の100倍のカバー範囲、一秒未満のアラート遅延が報告されている。精度はモデルの固定された特性ではない。シーンによって変わる。カメラの角度、ドックドアの光、作業者がレンズに向いているかどうか、ベストがジャケットで覆われているか、ヘルメットがラックの梁の後ろに隠れているかどうかによって変わるのだ。
倉庫の現場でヘルメット検出が破綻する場所
誤検出が最初にやってくる。白い野球帽、白髪の頭、あるいは作業者の頭上に反射する明るい照明器具は、離れた場所で小さなピクセルの塊を判断するモデルにとって、すべてヘルメットと読み取られうる。一方、ほこりでくすんだ高視認性ベストは、夜間の積み込みドックの黄色がかった光の下では普通のジャケットと読み取られうる。上記のオープンソースシステムは、アラートを出す前に連続八フレームの違反を必要とし、速度と信頼性を交換しているが、歩行者は二、三秒でカメラの前を通過する。
見逃し検出は、倉庫作業の日常的な形をたどる。フォークリフトの運転手がキャビンに座っていると、胴体の大部分がハンドルと車体に隠れるため、運転手が立っているときにははっきり見えるベストも、運転手が作業しているときには部分的で遮られた形になる。ラックの最下段に手を伸ばすピッカーは、ヘルメットが水平の梁の後ろに隠れ、照明の悪いゾーンでの夜勤は色の判断を直接劣化させる。高視認性検出は色とコントラストに大きく依存しているからだ。論文がテストするのは、立ったまま、静止して、カメラに向かい、均一な光の中でいる人々だ。
検出率のいかなる改善も埋められない、さらに微妙なギャップがある。システムは存在を判断するのであって、遵守を判断するのではない。後ろ向きに着用されたヘルメット、留められていないあご紐、開いたまま着用された高視認性ベスト、額に押し上げられた安全メガネは、すべて存在として登録され、モデルはそれらを合格とする。1910.132では、PPEはフィットし、維持され、訓練どおりに着用されなければならないため、存在と遵守は異なるものであり、その間の距離は、カメラが現在踏み込めない一歩だ。
アラート疲労の計算こそ、AI PPE検出がモデルとしてではなく管理ツールとして通常失敗する場所だ。次の仮定の例を考えてみよう。規模を示すためだけに用いた仮定の数値である。200人の倉庫で、各作業者が一日に四回検出ゾーンを通過すると、一日に800件の判断が生まれ、真の精度が98パーセントであっても、一日に16件の誤り、月に300件以上の誤りが残る。監督者は最初の週にはすべてのアラートを確認し、三週目には件名をざっと見るようになり、五週目までには通知をミュートする。
| 場所 | 実際の検出 | どう扱うか |
|---|---|---|
| 入口ゲート、正面、良好な光 | 最も信頼できる検出 | まずここに設置する |
| ドックと通路、逆光、速い動き | 誤報と見逃しの両方が増加 | 二週間だけ記録する |
| フォークリフトのキャビンとラック下段 | 遮蔽が深刻で、判断は信頼できない | ここでは個人を評価しない |
| 手袋、目の保護、安全靴 | 小さな対象で、現行モデルは苦戦 | まだ追加料金を払わない |
検出ではなく記録:カメラが本当に果たす役割
これが、AI PPE検出の売り文句に反する判断だ。PPE検出システムの最も持続的な価値は、その場で検出する違反ではなく、残される記録にあるかもしれない。どの通路、どのシフト、どの種類の違反が繰り返されるのか、そしてそのパターンが訓練、シフト編成、あるいは交通ルートの配置のどれを指し示すのか。Tensorbotの40エーカーの敷地での事例研究では、目視検査の100倍のカバー範囲と、監督者に一秒未満で届くアラートが報告されており、カバー範囲の主張はもっともらしいが、この事例研究では負傷率が下がったかどうかは述べられていない。カバー範囲と負傷率は異なるものであり、すべてを見て何も変えないカメラは、観察を改善したのであって、安全を改善したのではない。
プライバシーは、苦情の後ではなく、設置前に解決しておかなければならない。州の規則は異なる。カリフォルニア州刑法632条は音声録音に全当事者の同意を要求し、トイレと更衣室はカメラ禁止である。一方、ニューヨーク州の2021年の電子監視法は、雇用主に監視の存在を書面で通知することを義務付けている。2026-09-30に署名されたカリフォルニア州の二つの法律、AB 1883とAB 1331は、2027-01-01に施行される。AB 1883は、従業員の感情を推測するためのAIの使用を制限し、安全ツールについては例外を設け、AB 1331はトイレ内での監視を禁止し、違反一件あたり最大500ドルの罰金を科す。PPE検出自体は禁止されていないが、顔認識や感情分析を追加したシステムは、まったく性格が変わる。まず三つのポリシールールを定めること。作業エリアのみ、PPEのみ、保存期間は固定。
倉庫が導入を進める場合、受入方法はベンダーよりも重要だ。システムを二週間シャドーモードで運用し、アラートを出さずに記録し、三つの数値で評価する。誤報率、見逃し検出率、そして監督者が実際にアラートに対応する割合だ。入口ゲートからだけ始める。誤報が監督者が許容できる水準まで下がるまで、規則は懲戒ではなく記録のみとし、受入基準と終了条項を契約に盛り込み、それを満たさないシステムは停止できるようにする。
今後二、三年で、PPE検出はおそらく、装備が存在するかどうかから、正しく着用されているかどうかへ、そしてヘルメットと高視認性ベストから手袋と目の保護へと移行するだろう。PPEは最後の層のままだ。私が繰り返し立ち返る未解決の問いは狭いものだ。検出率がさらに二ポイント上昇し、誤報が半減したとき、監督者はそれでも通知をミュートするのだろうか。それとも、通知を無視する習慣は、その技術的な理由よりも長く続くのだろうか。数値は改善できるし、おそらく改善されるだろう。しかし、アラートを受け取る人々の日々の習慣がそれに歩調を合わせるかどうかは、ベンチマークではまだ答えられないことだ。
Dr. Chen(サプライチェーン研究者)著 英語版からの翻訳。内容に相違がある場合は英語版を優先します。







