一台装在仓库入口的摄像头,盯着每个进场的人头顶有没有安全帽、身上有没有反光背心,这就是 PPE 视觉检测在仓库里最常见的样子。过去两年,这类系统从建筑工地一路铺进物流仓,卖点很直接:摄像头反正已经装了,加一套算法,就等于多了一双永不眨眼的眼睛。
现象先摆出来。根据美国劳工统计局的数据,2024 年仓储业每 100 名全职员工里有 4.8 起可记录工伤,同期仓储业死亡 32 人,这个受伤率在全部细分行业里排第九高。数字不算耸人听闻,但放在一个 200 人的仓里,意味着一年差不多 10 起可记录伤害。叉车、货架、高位作业,这些风险点一直都在,PPE 是兜底的那一层。美国职业安全与健康管理局的规定也写得明白:雇主必须先做危害评估(29 CFR 1910.132(d)),再决定哪些岗位要戴安全帽(1910.135),PPE 在控制层级里排在工程控制和管理控制之后,是补位,不是主力。一套只盯着 PPE 的系统,从一开始就只覆盖了安全链条的末端。
PPE 视觉检测到底在看什么
原理并不神秘。系统接进已有的监控摄像头,用目标检测模型逐帧找人和装备:头顶有没有帽、躯干有没有反光背心,有些还能看手套、护目镜、安全鞋。主流方案用的是 YOLO 系列这类单阶段检测模型,画面在仓内边缘设备上本地跑,不上传云端,检出一次违规就推送提醒。一家开源方案的实测数据是:640×480 的画面,安全帽加反光背心加身份识别全套分析约 113 毫秒,63 张安全帽样本全判对。这类数字来自小样本自测,看看就好,不能当成采购依据。
学术界的数字要好看得多。一项用 YOLOv11 做的研究在论文里报告,多种环境下的最高检出率达到 98.6%;更早一项基于 YOLOv3 的研究,F1 分数做到 0.96。但论文的测试集和真实仓库是两回事:测试集里的工人站着不动、光线均匀、镜头正对;仓库里的人弯腰、背对镜头、背心被外套盖住一半、月台门口逆光。厂商自己的口径反而更老实:一家厂商写的是常见 PPE 在真实环境下约 90%~95%,另一家厂商公布的案例写的是 99.4%,但那是厂商自己的案例稿。同一项技术,论文、厂商、开源实测给出三组不同的数字,这本身就说明问题:准确率不是一个固定值,它跟着场景走。
PPE 视觉检测在仓库里最容易翻车的地方
先说误报。一顶白色的棒球帽、一头白发、头顶反光的灯管,都可能被模型当成安全帽;一件沾了灰的橙色背心,在昏暗的月台上可能被认成普通外套。开源方案的做法是连续 8 帧都判违规才报警,用时间换准确率。这个思路是对的,但代价是延迟:一个人从镜头前走过只要两三秒,8 帧确认加推送,班长收到提醒时人可能已经进了货架区。
再说漏报。反光背心最怕遮挡:叉车司机坐进驾驶室,躯干被方向盘和车体挡住大半;拣货员弯腰进货架底层,帽子被货架横梁遮住;夜班的库区灯光不足,模型对颜色的判断直接降级。这些不是极端情况,是仓库每天的常态。检出率 98% 的论文不会告诉你,它测的是站立、正面、光线充足的样本。
还有一层更隐蔽的短板:系统判的是"有没有",不是"戴得对不对"。安全帽反戴、系带没系、反光背心敞着怀、护目镜推到额头上,这些在画面里都算"有",模型照样放行。按 1910.132 的要求,PPE 必须合身、完好、按培训的方式佩戴,"有"和"合规"之间差的这一步,摄像头目前补不上。指望它替代班组长的安全交底,是找错了工具。
假设一个 200 人的仓做一道算例(假设算例):每人每天进出检测区 4 次,一天就是 800 次判定。即使系统真实准确率有 98%,一天也有 16 次误判或漏判,一个月下来就是 300 多次。班长一开始还会每条提醒都去看,第三周开始只看标题,第五周直接把推送静音。这就是报警疲劳的完整链条:技术指标看着不错,使用效果被人的耐心磨没了。准确率的账要按月算,不能按单帧算。
摄像头装上了,安全就来了吗
这里有个反直觉的判断:PPE 视觉检测最大的价值,可能不在抓违规,而在留下记录。哪条通道、哪个班次、哪类违规最多,这些数据能反过来告诉管理者,问题出在培训、排班还是动线设计上。一家厂商公布的 40 英亩场地案例写道,系统把人工巡检的覆盖率提高了 100 倍,违规到主管收到提醒不到 1 秒。覆盖率提高是真的,事故率有没有跟着降,案例稿里没有写。覆盖率和事故率是两回事,买系统的时候要分清。
隐私这道坎也得先过。美国联邦层面没有法律禁止在非私密区域装无声视频监控,但各州口径不同:加州录音要所有人同意(刑法第 632 条),洗手间、更衣室一律禁拍;纽约州 2021 年的电子监控法要求雇主书面告知员工监控的存在。加州 2026 年 9 月 30 日签署的两部法律 2027 年 1 月 1 日生效:AB 1883 禁止用 AI 推断员工情绪,安全用途的工具除外;AB 1331 禁止在洗手间内监控,违规每次最高罚 500 美元。PPE 检测本身不在禁令之列,但摄像头一旦带上人脸识别或情绪分析,性质就变了。上线前把三件事写进制度:只在作业区布点、只做 PPE 判定不做身份识别、保留期限写死。
| 场景 | 检测表现 | 建议 |
|---|---|---|
| 入口闸机,正面、光线好 | 安全帽、反光背心检出最稳 | 最值得先上的点位 |
| 月台与通道,逆光、走动快 | 误报漏报都多 | 只记不罚,先跑两周看数据 |
| 叉车驾驶室、货架底层 | 遮挡严重,基本判不准 | 别在这个点位考核人 |
| 手套、护目镜、安全鞋 | 小目标,现有模型成功率低 | 别为这几项多花钱 |
真要上系统,验收办法比选型更重要。先跑两周影子模式:系统只记录不报警,两周后拿数据说话——误报率、漏报率、班长对提醒的响应率,三项都达标再开报警。点位从入口闸机起步,别一上来全仓铺开;规则先定"只记不罚",等误报降下来再挂钩考核。报价方式以厂商最新政策为准,谈的时候把三项问清:摄像头利旧还是要换、边缘盒子是一次性买断还是按年收、按路数收费的单价包不包含模型更新。合同里写进验收指标和退出条款,达不到就停,这比任何演示视频都管用。
我的判断是这样的:未来两三年,PPE 视觉检测会从"有没有戴"走向"戴得对不对、什么时候摘的",检出对象也会从安全帽、反光背心扩到手套、护目镜。但它改变不了 PPE 在控制层级里的位置:工程控制和管理控制做不到的事,摄像头也补不上。一个值得继续观察的问题是,当检出率再往上走 2 个百分点,误报减半,班长还会不会把推送静音——技术能把数字做漂亮,使用习惯能不能跟上,还没有答案。
作者:陈博士|供应链行业研究员







