フォークリフトと作業者が接触する前に — AIカメラによる衝突・危険エリア検知

製造工場や物流センターで起こる重大災害の類型を語るとき、フォークリフトと歩行者の衝突は必ず挙げられます。数トンの荷物を積んだフォークリフトは後進と旋回を繰り返しながら狭い通路を行き来し、作業者はパレットとラックの間を歩いて移動します。二つの動線が交わる交差点、出入口、荷役エリアでは、事故は予告なく発生します。産業安全のご担当者であれば、誰もが真っ先に思い浮かべる場面ではないでしょうか。そして、事故一件の代償は人の負傷にとどまりません。ラインの停止、事故調査、現場全体の萎縮まで——コストは常に事故そのものより大きく広がっていきます。

残念なのは、ほとんどの現場にすでにカメラがあるという事実です。CCTVは至る所に設置されていますが、その役割は依然として「事故後に原因を確認するための記録装置」にとどまっています。理由は単純です。人間は数十もの画面を一日中集中して見続けることができないからです。管制室のモニターに数十本の映像が映っていても、フォークリフトが人に近づくその3秒間を捉える目は、どこにも存在しないのです。

ビジョンAIベースの映像イベント検知は、まさにこの点を変えます。AIはまばたきをしない監視者です。人間の注意力には限りがありますが、演算は疲れを知りません。すべてのカメラ映像を同時に、休むことなく見守り、フォークリフトと人が危険な距離まで近づいた瞬間、あるいは立ち入ってはならないエリアに人が足を踏み入れた瞬間を、リアルタイムで通知します。本記事では、AI衝突検知と危険エリア検知が実際にどのような仕組みで動作するのか、また導入時に何を検討すべきかを整理します。

I. 記録するCCTVから、検知するAIへ

従来のCCTVとAI映像イベント検知の違いは、カメラの性能ではなく「誰が画面を見ているか」にあります。同じカメラでも、その後ろに人がいれば記録装置になり、AIがいれば検知システムになります。

区分	従来のCCTV	AI映像イベント検知
役割	事故後の原因確認用の記録	事故前のリアルタイム危険検知
監視主体	人(管制要員)	AI(24時間常時分析)
対応タイミング	事後	事前・即時
カバー範囲	人が集中できる少数の画面	接続されたすべてのチャンネルを同時分析
成果物	録画映像	イベント通知+根拠となる映像クリップ

重要なのは、この転換がカメラを新設する工事ではないという点です。すでに設置されているCCTVの映像ストリームの上にAI分析を載せる方式が一般的であるため、既存インフラの大部分をそのまま再活用できます。つまり、問いは「カメラをあと何台買うか」ではなく、「すでにあるカメラにどのような頭脳を付けるか」へと変わるのです。

II. AI衝突検知はどのように動作するのか

AI衝突検知と危険エリア検知は、大きく五つの要素で構成されます。各要素は独立した機能というより、画面上のピクセルを現場の実際の危険へと翻訳していく一つのパイプラインに近いものです。

1. 物体認識 — 現場の「誰が」と「何が」を区別する

AIモデルが映像の中から、人、フォークリフト、パレット、トラック、AGV、クレーンといった産業現場の物体タイプを区別して認識します。「何かが動いた」というレベルではなく、「フォークリフト」と「人」を別々の存在として識別するため、「フォークリフトと人が接近したときだけ警報」のように、対象を特定したルールを作成できます。

2. カメラ視点補正(View Calibration) — ピクセルをメートルに変える

カメラ映像には遠近があり、画面上では同じピクセル距離でも、位置によって実際の距離は異なります。そこで、映像上の基準点4か所とその間の実測距離を入力し、ピクセル距離を実距離に変換する補正プロセスを行います。この補正が完了すると、カメラは単なる「目」ではなく、距離を測る「計測機器」に近い存在になります。

3. 実距離ベースの衝突検知 — 100cmの境界線

視点補正が済んでいれば、「フォークリフトと人が100cm以内に接近したら警報」のように、実距離基準の衝突検知ルールを設定できます。画面上の重なりではなく、実際のメートル単位の距離で判断するため、カメラから遠く離れた位置でも同じ基準が適用されます。

4. 危険エリア(Restricted Area) — 画面上に描く仮想フェンス

カメラ画面上に多角形でエリアを描くと、その内側が危険エリアになります。クレーンの下部、荷役場、設備周辺のように物理的なフェンスを設置しにくい場所にも仮想の境界を作り、進入が検知されると即座に通知する方式です。夜間や特定の作業時間帯にだけエリアを有効化するなど、現場の運用リズムに合わせて柔軟に適用することもできます。

5. 誤報の抑制 — ルールエンジン+AIによる二次検証

どれほど正確な検知でも、誤報が頻発すれば結局は無視されてしまいます。そこで、ルールエンジンの一次判定の上に、ビジョン言語モデル(VLM)が状況をもう一度読み取る二次検証を設け、実際の危険ではない場面をふるい落とすアプローチが業界で広がっています。ORBROのAI Event Managerもこの構造を採用しており、ルールエンジンの判定をVLMがもう一度確認した警報だけを発報します。安全システムの寿命を決めるのは警報の数ではなく、警報の信頼性だからです。

III. カメラとRTLS — 互いの死角を埋める二つの感覚

ビジョンAIは万能ではありません。カメラには死角があり、夜間や逆光といった照度の限界もあります。この隙間を埋めるのが、タグベースのリアルタイム位置測位、すなわちRTLSです。作業者や設備に取り付けられたタグは、照明条件に関係なく、壁の向こうからでも位置を知らせてくれます。

一方で、RTLSにも隙間があります。タグを支給できない外部の来訪者、協力会社の車両、搬入資材は、タグベースのシステムには見えません。これらを捉えるのがカメラです。視覚(ビジョンAI)と位置(RTLS)という二つの感覚を一つの管制画面に重ねれば、どちらか一方だけでは見逃していた危険が浮かび上がります。たとえば、タグを着けた作業者がカメラの死角に移動しても位置は追跡され続け、タグのない外部車両が荷役場に進入すれば、今度はカメラが気づきます。RTLSの動作原理について詳しくは、ORBRO RTLS紹介ページをご覧ください。

IV. 導入時の検討事項

1. カメラの画角・設置高さ・照度

検知品質は、カメラが何をどれだけよく見えているかから始まります。画角と設置高さが監視対象エリアを十分にカバーしているか、夜間や逆光の時間帯に照度が確保されているかを、まず点検する必要があります。

2. 視点補正の精度

ピクセルを実距離に変換する補正の精度が、そのまま距離計算の品質になります。基準点の実測をおろそかにすると、「100cm接近警報」が実際には別の距離で鳴ることになります。初期設定の段階で最も力を入れるべき部分です。

3. 警報疲れの管理

すべてのイベントを同じ強度で通知すると、現場は遠からず通知をオフにしてしまいます。エリア別・物体別にルールを分け、「画面に表示するだけのイベント」と「即時通知を送るイベント」を分離する設計が必要です。通知の数が減っても、残った通知がすべて意味のある通知であれば、安全はむしろ強固になります。

4. 既存CCTVインフラの再活用可否

すでに設置されているカメラの映像ストリームをそのまま分析に使えるかどうかで、導入コストと工事範囲は大きく変わります。再活用可能なエリアと新規設置が必要なエリアを分けて計画するとよいでしょう。

おわりに

フォークリフトと人が出会う前に介入すること——AI衝突検知の目的は、この一文に要約されます。すでに現場にあるカメラに休むことのない目を付け、実距離基準のルールと二次検証によって信頼できる警報だけを残すこと。それが、記録装置だったCCTVを産業安全システムへと変える方法です。安全設備を新たに増やすというより、すでにある設備が本来の仕事をするようにする取り組みに近いといえます。

ORBROはこのアプローチを、二つの製品の組み合わせとして提供しています。AI Event Managerは、本記事で説明した物体認識、視点補正、実距離ベースの衝突検知、VLM二次検証をエッジ側で一つの製品として実行し、検知されたイベントはデジタルツイン管制プラットフォームであるORBRO OSに統合表示されます。カメラが捉えた危険とRTLSが追跡する位置を一つの画面で同時に見ること——RTLSとビジョンAIを一つに統合する力こそが、ORBROが産業安全に取り組む方法です。皆さまの現場のカメラでどこまで可能なのか、ぜひORBROまでお問い合わせください。