Why
着用の確認は人の目に頼っていて、見落としが起きる。
防塵着の着用状態は、入室のたびに人が目で確かめるしかありませんでした。確認する人にも負荷がかかり、忙しい時間帯ほど見落としのリスクが上がります。
そこで、入室前に撮った写真をAIが見て、頭巾・フード・マスク・ファスナー・袖口・手袋・ブーツ・ヘアネットの8項目をそれぞれOK/NGで判定する仕組みを作りました。NGのときは「鼻が見えている」「ファスナーが開いている」のように、どこを直せばいいかを言葉で返します。試作では検出精度78.5%を確認しました。
Stack
使ったもの
画像認識
- OpenAI API
- Python
- 8項目の判定基準の設計
アプリケーション
- Next.js
- React
- TypeScript
- Vercel
動作環境
- オフライン動作前提の構成
- 現場端末での検証
Process
どう進めたか
- 01
現場の確認工程を分解した
入室前に人が何を見て可否を判断しているかを聞き取り、頭巾・マスク・手袋など、機械が判定できる8つの項目に分けました。
- 02
NGの基準を言葉で決めた
「髪がはみ出ている」「手袋が片手だけ」など、項目ごとに何をNGとするかを書き分け、AIが毎回同じ基準で判定できるようにしました。
- 03
テスト用の画像を集めた
現場の着用状態を再現した画像を撮影・収集し、判定を試せる材料を揃えました。
- 04
精度を測りながら回した
試作で検出精度78.5%を計測。誤判定の傾向を分類し、どの条件で外すのかを特定して改善点を絞りました。
After
その後:入退室管理システムへ
着用チェックの試作をきっかけに、同じ現場で実際に使われる入退室管理システムへと発展しました。
入室か退室かを選んで名前をタップするだけの画面にし、名簿にない来訪者も「ゲスト」として記録できるようにしています。ネットワークが使えない前提が分かったため、オフラインで完結する構成に組み替えました。オフライン環境での動作検証と、来訪者の入室方式の設計まで担当しました。


