クレーンや建機が動く現場では、人と機械の距離が一瞬で危険域に入ります。人の目だけでは全ての瞬間を追えず、ヒヤリハットは記録に残らないまま流れていきます。カメラと画像AIで「危険な挙動」と「稼働の実態」をどう見守れるのか、その進め方を上流から考えます。
港湾のコンテナヤードや建設現場では、クレーン、リーチスタッカー、ダンプ、油圧ショベルといった重量物が絶えず動いています。そこに作業者・誘導員・トラック運転手が入り混じり、人と機械の距離は一瞬で危険域に入ります。多くの現場は誘導員の目視と無線、そして経験に頼って安全を保っていますが、視界の全てを常時見張ることは物理的にできません。旋回する重機の死角、逆光で見えにくい方向、複数台が同時に動く時間帯——危険は「見えていない瞬間」に集中して生まれると考えられます。
さらに慢性的な人手不足が、この構造を厳しくしています。誘導・見張りに割ける人員は減り、一人が広い範囲を受け持たざるをえません。ベテランの勘に依存した安全管理は、その人が抜けた瞬間に穴が空きます。ヒヤリハットが起きても、その多くは「危なかったね」で終わり、いつ・どこで・どんな挙動で起きたのかが記録に残らないまま流れていきます。記録がなければ再発防止の議論は感覚論になり、対策の優先順位もつけにくくなります。
重大事故が起きてから映像を探しても、そもそも撮れていない、あるいは大量の映像から該当シーンを探し出せない、という現場は少なくありません。安全の議論を前に進めるには、まず「何が起きているか」を客観的に把握できる状態が要ります。人と機械の接近、立入禁止エリアへの進入、無理な動線——こうした危険な挙動を、人の記憶ではなく記録として残せるかどうかが、次の一歩を左右すると考えられます。
カメラAIを検討するとき、いきなり「何ができるか」から入ると迷います。先に「現場の何を見守りたいのか」を分解することが、遠回りに見えて近道になると考えます。港湾・建機の現場で語られる悩みは、大きく三つに整理できます。
最も切実なのは、旋回・後退・荷役の最中に人が危険域へ入る挙動です。ここで求められるのは「重機の周囲に人がいるか」「立入禁止ゾーンに誰かが入ったか」を検知し、記録することです。リアルタイムに警報を出したいのか、まずは記録して事後に振り返りたいのか——目的によって必要なシステムの重さが変わります。工場のフォークリフト周りでも同じ論点があり、フォークリフト安全カメラの考え方は、屋外重機の見守りを設計するうえでも参考になります。
安全とは別に、重機がどれだけ動き、どれだけ待機していたかを知りたいという声もあります。稼働の記録は、配置の見直しや渋滞の解消、コスト把握につながります。安全用途と稼働用途は撮る対象こそ重なりますが、求める粒度や精度が異なるため、どちらを主目的にするかを最初に決めておくと設計がぶれません。
三つ目は、記録した映像やイベントをどう使うかです。朝礼での安全教育、ヒヤリハットの棚卸し、万一の際の状況確認——用途によって、保存期間・検索性・プライバシー配慮の要件が変わります。「撮ること」より「後で使えること」を先に考えるほど、無駄のない仕組みになりうると考えられます。
カメラと画像AIができることを、誠実に整理します。中核は、映像の中から「人」「重機」「車両」といった対象を検出し、その位置関係や動きを判定することです。たとえば、あらかじめ設定した立入禁止エリアに人が入ったか、重機と人の距離が一定以内に近づいたか、後退・旋回中に背後へ誰かが入り込んだか——こうした状況を、映像とイベントログとして残せる可能性があります。
従来のセンサー（回転灯や近接センサー、エリアレーザー等）と比べたカメラAIの特徴は、「なぜそう判定したのか」を映像で振り返れる点にあります。センサーは反応の有無しか残しませんが、映像があれば「どんな挙動だったか」を人が確認でき、誤検知の切り分けや教育への転用がしやすくなります。一方で、映像は情報量が多いぶん、屋外の光や天候の影響を強く受けます。ここは後述の設計で正面から向き合う必要があります。
アプローチは大きく二方向あります。ひとつは、危険挙動を検知した瞬間に現場へ警報を出すリアルタイム型。もうひとつは、まず淡々と記録し、危険イベントだけを後から抽出して振り返る記録・分析型です。工場での事故映像の分析についてはsafety incident video analytics factoryでも触れていますが、いきなり全現場でリアルタイム警報を目指すより、記録・分析から始めて「何を警報すべきか」を現場の実データで見極める方が、誤報疲れを避けやすいと考えられます。
港湾・建設現場のカメラAIが工場内の外観検査と決定的に違うのは、撮像条件をこちらで作り込めないことです。工場なら照明を組み、対象との距離を固定できますが、屋外では太陽の位置が刻々と変わり、逆光・西日・夜間・雨・霧・粉じん・レンズの水滴や汚れがそのまま画像に乗ります。検知したい範囲も広大で、一台のカメラで数十メートル先の人まで安定して捉えるのは容易ではありません。これらは「AIが賢いかどうか」以前の、撮像の物理の問題です。
だからこそ、どこにカメラを付け、どの画角で、何メートルまでを検知対象とするか、という設計が精度を大きく左右します。人の判定に必要な解像度が確保できているか、逆光になる時間帯はどう避けるか、夜間は補助照明が要るか——こうした撮像・照明・判定を一体で詰める考え方は、外観検査で培った知見と地続きです。撮像から判定までを通しで設計する発想は、AI画像検査パッケージで扱う撮像設計の考え方とも共通します。
複数台のカメラ映像を全てクラウドへ送ると通信負荷とコストがかさみ、屋外現場では回線が不安定なこともあります。カメラの近くの端末（エッジ）で人・重機の検出を済ませ、必要なイベントと映像だけを残す構成は、通信を軽くしプライバシー面でも扱いやすくなりうると考えられます。Nsightは産業用カメラとJetson等のエッジ処理を現場で組み合わせてきた知見を持ち、屋外の厳しい条件でも「何をエッジで判定し、何を残すか」を現場に合わせて設計することを重視しています。
重要なのは、カタログ的な検出率をそのまま自分の現場に当てはめないことです。作業服の色、ヘルメットの有無、重機の形状、背景の雑然さ、光の条件——これらは現場ごとに違い、検出のしやすさを左右します。実際の設置位置で、実際の天候と時間帯で撮ってみて初めて、その現場での使いものになる範囲が見えてきます。
安全のために設置したカメラは、同じ映像から稼働の実態も教えてくれます。どの重機がいつ動き、どこで待機し、どのゲートで渋滞が起きているか。これまで日報や記憶に頼っていた稼働状況が、映像に基づく記録として残れば、配置や順番の見直しに客観的な材料を与えてくれると考えられます。
たとえば、特定の時間帯に人と重機の接近が集中しているなら、それは動線設計や誘導のタイミングに改善余地があるサインかもしれません。危険挙動の記録と稼働の記録を重ねて見ることで、「危ない上に非効率」なポイントが浮かび上がることがあります。安全と生産性は対立するものと思われがちですが、記録を通じて両方を同時に改善できる余地が見つかりうると考えます。
稼働の可視化は魅力的ですが、あれもこれもと欲張ると、どの用途にも中途半端なシステムになりがちです。最初は安全か稼働かの主目的を一つ決め、その用途で確実に価値が出る形を作ってから、副次的な活用を広げる——この順番が、現場に根づく仕組みにつながりやすいと考えられます。
カメラAIは、設置した瞬間がゴールではなくスタートです。屋外では、季節による日照の変化、レンズの汚れ、カメラの向きのずれ、作業内容の変化などで、検知の傾向が少しずつ変わります。誰が映像とイベントを確認し、誤検知や見逃しに気づいたときどう調整するのか——この運用の担い手を最初から決めておくことが、長く使える鍵になると考えます。
また、現場で働く人にとって「監視されている」という感覚は無視できません。目的が処罰ではなく安全と再発防止であること、映像の保存範囲や閲覧権限がどうなっているかを、導入前に丁寧に共有することが定着を左右します。安全教育の朝礼で実際のヒヤリハット映像を振り返る、といった前向きな使い方から始めると、現場の納得が得られやすいと考えられます。
警報が多すぎると、現場はやがて警報を無視し始めます。これは安全システムにとって最も避けたい状態です。どのレベルの接近を「危険」とするか、どこまでを許容するかは、机上ではなく現場のデータを見ながら少しずつ調整する必要があります。最初から完璧な閾値は決まらない、という前提で運用を組むことが誠実な進め方だと考えます。
カメラAIは万能ではありません。屋外・広域という条件ゆえに、工場内の検査より難しい部分が確かにあります。事前に知っておくと判断を誤りにくい落とし穴を挙げます。
これらは「だからやめておく」という理由ではなく、「だから小さく確かめてから広げる」という理由です。落とし穴を先に知っておくほど、投資の判断は堅くなると考えられます。
最後に、現実的な進め方を整理します。港湾・建機のカメラAIは、いきなり全現場・全機に展開するのではなく、目的を絞って一部で確かめてから広げるのが堅実です。
最も危険な、あるいは最も知りたい箇所を一つか二つ選び、「重機の後退時に人が入る挙動を記録したい」「このゲートの待機時間を把握したい」というレベルまで具体化します。ここが曖昧なままだと、どれだけ良いシステムを入れても評価軸が定まりません。
選んだ箇所で、実際のカメラ位置・画角・時間帯・天候で撮ってみて、狙った挙動が捉えられるかを確かめます。逆光の時間帯や夜間も含めて試すことが大切です。この「小さく検証してから決める」進め方は、PoC・検査方式設計の考え方と共通で、方式そのものが自分の現場に合うかを投資前に見極められます。
検証で手応えが得られたら、確認担当と調整の手順を決めて運用に乗せます。そこで得た知見——どんな閾値が現場に合うか、どんな誤検知が起きるか——を土台に、他の箇所へ広げていきます。この順で進めれば、失敗のコストを小さく抑えながら、現場に根づく見守りの仕組みを育てていけると考えられます。
用途によって使える可能性があります。人の立ち入りや重機との接近を映像で記録する用途には向きますが、屋外は逆光・夜間・雨・粉じんなど工場内より条件が厳しく、カメラの位置や画角、必要なら補助照明まで含めた設計が精度を左右します。実際の設置位置と時間帯・天候で撮って確かめることが前提になると考えられます。
危険挙動を検知した瞬間に現場へ知らせる構成は技術的にありえます。ただし危険域の取り方を誤ると警報が鳴りすぎ、現場が慣れて無視する「誤報疲れ」を招きます。まず記録・分析から始めて、どの挙動を警報すべきかを現場の実データで見極めてから段階的に進める方が、無理が少ないと考えられます。
近接センサーやエリアレーザーは反応の有無を残しますが、画像AIは「どんな挙動だったか」を映像として残せる点が特徴です。誤検知の切り分けや安全教育への転用がしやすくなりうる一方、映像は情報量が多く屋外の光や天候の影響を受けやすいため、撮像設計を丁寧に行う必要があります。用途に応じて併用も選択肢になると考えられます。
現場ごとに大きく変わるため、一律の数値は申し上げられません。作業服の色、ヘルメットの有無、重機の形状、背景の雑然さ、光の条件が検出のしやすさを左右します。他現場の検出率は自分の現場の保証にはならないため、実際の撮像条件での検証を通じて、その現場で使える範囲を確かめることが出発点になると考えます。
映像には個人が写るため、目的・保存期間・閲覧権限を導入前に現場と共有することが欠かせません。目的が処罰ではなく安全と再発防止であること、カメラ近くの端末（エッジ）で処理し必要なイベントだけ残すといった配慮を丁寧に説明することで、合意形成が進みやすくなると考えられます。個人情報の取り扱いは関係法令や社内規程に沿ってご確認ください。
港湾・建機の安全と稼働をカメラで見守れるかは、実際の設置位置・画角・天候で撮ってみて初めて分かります。まずは最も危険な、あるいは最も知りたい1〜2箇所から、現物での検証を一緒に設計しませんか。元キーエンス画像処理事業部の現場知見をもとに、無理のない進め方をご提案します。
現場の見守り方式について相談する