炭鉱作業員の危険行動の特定手法と応用に関する研究

カメラで作業員を監視することが命を救う理由

地中深く、炭鉱作業員は狭く暗いトンネルで働き、わずかな不注意が重大な事故につながることがある。本研究は、より賢いコンピュータビジョンが鉱山の映像をリアルタイムでスキャンし、ヘルメット未着用や立入禁止区域への侵入など危険な行動を検出して事故を未然に防げることを示している。ノイズの多い坑内映像を安全管理チームへの明確な信号に変えることで、技術が地下深くの作業者を常時守る未来を指し示す。

坑内における三種類の危険な選択

著者らはまず、炭鉱での「危険行動」とは何かを問い直す。彼らはよくある問題を三つの分かりやすいタイプに分類する。物体型の問題は装備や器具に関するもので、ヘルメットを着用していない、工具を散乱させて転倒の原因になるなどが含まれる。動作型の問題は人の行為に関するもので、滑倒、柵によじ登る、歩行路を使わずにコンベアに乗るといった行為が該当する。区域型の問題は人がどこにいるかに注目し、指定された危険区域に足を踏み入れる、無断で持ち場を離れるといった行為を指す。この単純な枠組みは、日常的な習慣を実際の事故リスクに結びつけるのに役立つ。

坑内の実情を現実的に描く

危険を認識するためにコンピュータを学習させるには、まず大規模で多様な画像セットを用意する必要があった。研究チームは稼働中の炭鉱からの監視映像を収集し、ラボで坑内の状況を模した追加の場面を撮影した。これらから、物体、動作、危険区域を網羅する31,000枚の画像データセットを構築した。さらに画像の左右反転や明暗変化などの拡張を加え、さまざまなカメラ角度や照明条件を模擬した。坑内カメラはほこり、振動、低照度で性能が落ちやすいため、研究者らはDnCNNという深層学習手法を用いて画像のノイズを除去し、ヘルメットや体、機器の輪郭をアルゴリズムがより容易に認識できるようにした。

機械に危険行動を見分けさせる

この精錬され拡張されたデータセットの上で、著者らは改良版YOLOv11物体検出モデルを基盤とする危険行動認識システムを設計した。システムの一部は人物や機器の検出に焦点を当て、作業員がヘルメットを着用しているか、特定の機械の近くにいるかを識別する。もう一つの部分はYOLOv11-Poseと呼ばれ、肩、膝、手などの身体のキーポイントを追跡し、時間経過における位置関係から歩行、屈む、転倒などの動作を推定する。これら二つの視点を組み合わせることで、誰が何をしているかだけでなく、危険区域内にいるかどうかも判断できる。

デジタル安全監視の微調整

チームはさらに、混雑したトンネル内でも信頼して動作するようモデルを強化した。特徴強調モジュールは各フレームの重要領域にネットワークの注意を向け、背景の無関係な情報を無視させる。さらにK-means++という手法を用いて、モデル内部の「アンカーボックス」を坑内映像で見られる作業員や機器の典型的な大きさや形状に合わせ、遠方や小さな人物の検出精度を高めた。YOLOの従来版や他の一般的なモデルとの比較を含む多数の訓練・テストを経て、彼らの改良システムは高い精度を達成した：平均適合率（mAP）95.7％、および類似の高い適合率と再現率を示し、複数の作業員、複雑な背景、低照度下でも良好な性能を発揮した。

賢いアラートからより安全なシフトへ

日常運用では、この技術をカメラ近傍のエッジデバイスで稼働させ、ライブ映像をスキャンしてヘルメット未着用、動くベルトに乗っている人物、危険区域に踏み込む人物を検出した際に迅速なアラートを送ることができる。本研究は、適切なデータ準備とモデル設計があれば、自動化システムがほぼ発生直後に幅広い危険行動を認識できることを示している。著者らはさらに複雑な場面への対応や、大規模な稼働環境への導入には追加の作業が必要であると述べているが、継続的で知的な監視が研修や規則とともに作業員の安全確保に強力なパートナーになりうることを示唆している。

引用: Juan, L., Zhu, Q., Jiang, D. et al. Research on identification method and application of unsafe behavior of coal mine personnel. Sci Rep 16, 15909 (2026). https://doi.org/10.1038/s41598-026-47077-6

キーワード: 炭鉱の安全, 危険行動検出, コンピュータビジョン, YOLOv11, 作業員監視