本文へスキップ
NEOWRITE logoNEOWRITE

Development Story

クリーン番長を、どうやって作ったか

クリーンルームに入る前の作業者をカメラで撮り、AIの画像認識で防塵着の着用状態(頭巾・マスク・手袋など8項目)をOK/NGで判定するシステム。インターンとしてチームのリーダーを務め、試作から、社内で実際に使われる入退室管理システムへと発展させました。

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

  1. 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。

  2. 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。

  3. 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。

  4. 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。

クリーン番長 入退室画面
入退室の起点。現在の入室人数を先に見せ、入室か退室かを選ぶだけの画面にした。
クリーン番長 本人選択画面のゲストタブ
本人選択。名簿にない来訪者は名前を聞かず「ゲスト1」で記録し、後から名簿で直せる。
クリーン番長 社員名簿の管理画面
社員名簿。CSV一括取り込みとQR一括印刷まで用意し、現場の登録作業を減らす。

まずは、話すだけでも。

相談・お見積りのご連絡には、24時間以内に返信します(年中無休)。「まだ相談レベル」で大丈夫です。

お問い合わせ