患者とスタッフを守る安全プロトコル

病院、厨房、工場のシンクや洗面台で、手指衛生の遵守状況を見守ります。手洗いの開始と終了を検知し、こすり洗いの時間を測定して、部署ごとの遵守レポートを作成します。患者安全の目標とGMPを支援します。

仕組み

1. 1カメラ画像上でシンクのエリアを指定します。
2. 2姿勢モデルが手首を見つけ、エリア内で両手を合わせて動かしていればこすり洗いと判定します。
3. 3時間を設定した最低時間と比較します（WHO：石けんと水で40〜60秒）。
4. 4不十分な手洗いはアラートを出し、管理レポートに反映します。

導入効果

• 遵守状況を継続的に測定（現在は抜き取り観察が主流）。
• 医療関連感染の減少。
• 部署別・シフト別のレポートで的を絞った研修。

画面内の一人ひとりに人体の姿勢推定（17の体のキーポイント）を適用します。立った状態から横になった状態への急な変化や、長時間床に倒れている人を検知すると、すぐに対応チームへアラートを送り、救助までの時間を短縮します。

仕組み

1. 1姿勢モデルが各人の肩、腰、膝、足首を見つけ、トラッカーが一人ひとりを追跡します。
2. 2立位：脚が腰の下で伸びている（膝が140°超で、足が腰より十分下）。物を拾うためにかがむ動作も立位とみなします。
3. 3座位：上体がまっすぐで、太ももがほぼ水平、足が腰より下（椅子、ベンチ、ベッドの端）。上体が傾き脚が伸びている場合は半臥位（ベッド、ソファ）。
4. 4しゃがみ／ひざまずき：膝を大きく曲げて腰がかかとに近い、または同じ人の立位より体の高さが大きく低い。
5. 5床に倒れている：脚で体を支えずに上体が水平、または足が腰より上。床に座っている：腰が足と同じ高さ。
6. 6測定値はその人の体の大きさで正規化し、姿勢は複数フレームでの多数決で確定するため、表示がちらつきません。
7. 7転倒：立っていた人が腰を急に落として床に達した場合。最初から床に倒れていた人は、数秒後にアラートを出します。
8. 8その瞬間の画像付きアラートを数秒以内に送ります。座位、半臥位、しゃがみではアラームは出ません。

導入効果

• 転倒から救助までの時間（いわゆる「ロングライ」）を大幅に短縮。
• 原因分析と法的対応のための録画記録。
• 看護スタッフの目視による見守りの負担を軽減。

寝たきりの患者の体位と向きを継続的に見守ります。体位（仰臥位、右側臥位／左側臥位、腹臥位）を判別し、それぞれの時間を計測して、体位変換の間隔を超えると看護スタッフに知らせ、褥瘡を予防します。

仕組み

1. 1姿勢モデルがベッド上の患者の肩、腰、顔を見つけます。
2. 2肩幅、顔の見え方、見えている顔の側から体位を判定します。
3. 3タイマーで各体位の時間と行った体位変換を記録します。
4. 4レポートで、ベッドごと・シフトごとの体位変換プロトコルの遵守状況を確認できます。

導入効果

• 避けられる有害事象である褥瘡を予防。
• 体位変換を自動で記録（監査と認定）。
• 看護スタッフの確認の巡回を削減。

生物学的リスク、製品への異物混入、機械による巻き込みの危険から装身具が禁止されている環境で、指輪、結婚指輪、腕時計、ブレスレット、ネックレス、イヤリングの着用を自動で確認します。オープンボキャブラリーの検出器を使うため、再学習なしにテキストで新しいクラスを追加できます。

仕組み

1. 1YOLO-World検出器に、装身具のリストを自然言語で与えます。
2. 2検出した装身具を、それを着けている人物と結びつけます。
3. 3違反があると、証拠として切り出した画像付きでアラートを出します。

導入効果

• 労働安全の規則とGMPの遵守を記録として示せます。
• 交差汚染と製品回収の削減。
• 巻き込みや指の剥離事故の予防。

Neuralが学習させたコンピュータビジョンのモデルで、すでに設置されているカメラを使い、作業者一人ひとりについて保護具（つなぎ、手袋、保護メガネ、マスク、フェイスシールド）の着用・未着用を判別します。未着用があるたびに写真付きのアラートを出し、エリア、シフト、チームごとの安全指標に反映します。

仕組み

1. 1カメラ（RTSP/IP）が、オンプレミスまたはクラウドの推論サーバーに画像を送ります。
2. 2YOLOモデルが数ミリ秒で人物と各保護具（またはその欠如）を検出します。
3. 3トラッカーが検出結果を作業者ごとに結びつけ、重複したアラートを防ぎます。
4. 4エリアごとのルールで必須の保護具を定義します（例：建設現場ではヘルメットとベスト）。
5. 5写真付きのアラートを安全担当者に送ります（ダッシュボード、メール、WhatsApp、Webhook）。

導入効果

• 巡回に頼らない24時間365日の継続監視。
• 研修と監査のための写真記録（労働安全の規則、ISO 45001）。
• エリア、シフト、チーム別の着用率で、的を絞った予防策を実施。
• 事故、休業災害、労務リスクを削減。
• 既存のカメラ（監視カメラ）設備を活用。

喜び、悲しみ、恐れ、嫌悪、驚き、怒り、軽蔑、無表情といった感情に結びつく表情を認識するよう学習したAIモデルです。お客様、生徒、観客が商品、接客、授業、ショーウィンドウ、プレゼンテーションにどう反応しているかをリアルタイムで測定します。

仕組み

1. 1YuNet検出器が各フレームの顔を見つけます。
2. 2HSEmotionモデル（AffectNetデータセットで学習）が8つの感情を確率付きで分類します。
3. 3結果は人物ごとに時間方向で平滑化し、揺れを抑えます。
4. 4満足度（感情価）指数が、観客の気分を1分ごとにまとめます。

導入効果

• アンケートなしで得られる客観的な感情のフィードバック。
• 最も喜ばれる（または不満を招く）瞬間や商品を特定。
• NPSやアンケートを、継続的で匿名のデータで補完。