Computer Vision untuk Pemantauan Kepatuhan Helm Keselamatan dan Rompi Keselamatan
Seorang petugas keselamatan yang berjalan mengelilingi lokasi konstruksi hanya dapat mengamati sekitar 10% tenaga kerja dalam satu kali putaran. 90% sisanya berada di area yang belum dijangkau petugas, atau sudah menyesuaikan perilaku mereka setelah melihat petugas mendekat. Sistem computer vision menggunakan kamera tetap dan AI dapat memantau seluruh lokasi secara terus-menerus, mengidentifikasi pelanggaran kepatuhan APD secara real time tanpa bias perilaku seperti pengamat manusia.
Cara Kerja Deteksi APD
Computer vision untuk kepatuhan APD menggunakan model deteksi objek yang dilatih dengan ribuan gambar pekerja konstruksi dengan dan tanpa berbagai peralatan keselamatan. Model ini dapat mengidentifikasi helm keselamatan, rompi keselamatan, kacamata keselamatan, sarung tangan, dan dalam beberapa kasus harness dari rekaman kamera yang diambil pada jarak 10 hingga 30 meter tergantung resolusi kamera.
Deteksi helm keselamatan adalah kemampuan yang paling matang, dengan tingkat akurasi di atas 95% dalam kondisi luar ruangan dengan pencahayaan baik. Model ini membedakan antara pekerja yang mengenakan helm, pekerja yang tidak mengenakan helm, dan pekerja yang membawa helm (tidak dipakai). Deteksi rompi keselamatan juga sama akuratnya, biasanya di atas 93%, karena warna dengan visibilitas tinggi mudah diidentifikasi oleh model.
Kacamata keselamatan dan sarung tangan lebih sulit dideteksi dari rekaman kamera karena ukurannya yang lebih kecil dan kontras visual yang lebih rendah. Tingkat akurasi saat ini untuk deteksi kacamata keselamatan berkisar sekitar 78 hingga 82%, yang cukup baik untuk analisis tren tetapi belum cukup andal untuk penegakan kepatuhan individu.
Konfigurasi Penerapan
Ada tiga pendekatan penerapan yang umum. Kamera tetap yang dipasang di titik masuk lokasi dan area lalu lintas tinggi menyediakan pemantauan berkelanjutan untuk zona tertentu. Kamera mobile pada peralatan atau tiang sementara mencakup area berbeda seiring pekerjaan berlanjut di seluruh lokasi. Kamera yang dipasang pada drone menyediakan survei udara berkala yang menangkap gambaran kepatuhan di seluruh lokasi.
Kamera tetap di titik masuk adalah penerapan yang paling sederhana dan paling andal. Setiap pekerja yang melewati gerbang diperiksa APD-nya. Ini menciptakan pemeriksaan kepatuhan otomatis yang terjadi tanpa memerlukan tindakan apa pun dari tim keselamatan. Pekerja yang masuk tanpa APD yang diperlukan akan ditandai, dan tim keselamatan menerima peringatan.
Sebuah kontraktor sipil berat di California memasang kamera tetap di ketiga titik masuk proyek konstruksi jalan raya. Selama 6 bulan, sistem mendeteksi rata-rata 14 pelanggaran APD per minggu di titik masuk. Pelanggaran helm keselamatan turun 82% dalam bulan pertama saat pekerja mengetahui kamera aktif. Pelanggaran rompi keselamatan turun 67% dalam periode yang sama. Pelanggaran yang tersisa terutama adalah pelepasan sementara, pekerja yang melepas helm sebentar di area istirahat teduh dekat gerbang.
Pertimbangan Privasi dan Hukum
Pengenalan wajah adalah masalah besar yang tidak bisa diabaikan. Deteksi APD tidak memerlukan identifikasi pekerja individu berdasarkan wajah. AI hanya perlu menentukan apakah objek berbentuk manusia dalam gambar mengenakan peralatan yang diperlukan. Namun, kamera menangkap gambar wajah baik sistem menggunakannya atau tidak, dan pekerja memiliki kekhawatiran yang sah tentang pengawasan.
Lanskap hukum bervariasi menurut negara bagian dan yurisdiksi. Beberapa negara bagian memiliki undang-undang privasi biometrik khusus yang mengatur pengambilan dan penyimpanan gambar wajah. Yang lain memiliki perlindungan privasi umum yang berlaku. Kontraktor yang menerapkan pemantauan APD computer vision memerlukan tinjauan hukum atas penerapan spesifik mereka, kebijakan retensi data, dan persyaratan pemberitahuan pekerja.
Praktik terbaik meliputi pemasangan rambu yang jelas bahwa pemantauan kamera sedang digunakan, memberikan pemberitahuan tertulis kepada pekerja selama orientasi, membatasi retensi data seminimal mungkin untuk tujuan keselamatan, dan memastikan sistem dikonfigurasi untuk menandai pelanggaran tanpa menyimpan data identitas individu. Beberapa platform menawarkan mode yang mendeteksi kepatuhan APD tanpa menangkap atau menyimpan wajah, hanya menggunakan deteksi tubuh dan pengenalan peralatan.
Integrasi dengan Program Keselamatan
Data dari pemantauan APD computer vision paling berharga ketika diintegrasikan ke dalam program keselamatan yang lebih luas daripada digunakan sebagai alat penegakan mandiri. Tingkat kepatuhan yang dilacak dari waktu ke waktu menunjukkan pola: area mana di lokasi yang memiliki kepatuhan lebih rendah, waktu mana dalam sehari yang mengalami lebih banyak pelanggaran, bidang pekerjaan mana yang memiliki masalah persisten.
Pola-pola ini memungkinkan intervensi yang ditargetkan. Jika data menunjukkan bahwa kepatuhan APD turun secara signifikan setelah makan siang, tim keselamatan dapat mengadakan pertemuan stand-down sore hari atau meningkatkan pengamatan sore hari. Jika bidang pekerjaan tertentu secara konsisten memiliki kepatuhan rompi yang lebih rendah, masalahnya mungkin rompi tersebut mengganggu tugas spesifik mereka, dan desain rompi yang berbeda mungkin menjadi solusi daripada penegakan yang lebih ketat.
Kontraktor yang menggunakan pemantauan keselamatan konstruksi berbasis AI menemukan bahwa berbagi data kepatuhan dengan mandor menciptakan dinamika akuntabilitas rekan kerja yang lebih efektif daripada penegakan dari atas ke bawah. Ketika mandor rangka melihat bahwa tingkat kepatuhan kru mereka adalah 88% sementara kru listrik mencapai 97%, dinamika kompetitif mendorong peningkatan tanpa konfrontasi.
Akurasi dalam Kondisi Nyata
Tingkat akurasi laboratorium dan kinerja dunia nyata berbeda. Debu, hujan, kabut, cahaya latar dari matahari, pekerja yang sebagian terhalang oleh peralatan atau material, dan kontaminasi lensa kamera semuanya mengurangi akurasi deteksi. Akurasi praktis di lokasi konstruksi aktif biasanya berjalan 5 hingga 10 poin persentase di bawah tingkat laboratorium.
Penempatan kamera sangat penting. Kamera yang dipasang pada ketinggian 3,5 meter menghadap ke koridor menangkap gambar yang lebih baik untuk deteksi APD dibandingkan kamera yang dipasang pada ketinggian 9 meter dengan lensa sudut lebar yang mencakup area luas. Pertukaran antara area cakupan dan akurasi deteksi perlu dipertimbangkan dalam rencana penerapan.
Pekerjaan malam dan kondisi cahaya rendah mengurangi akurasi lebih lanjut. Kamera inframerah membantu tetapi tidak sepenuhnya mengompensasi hilangnya informasi warna yang membantu mengidentifikasi rompi keselamatan dan warna helm. Proyek dengan pekerjaan malam yang signifikan harus mengharapkan tingkat deteksi yang lebih rendah selama jam gelap dan mungkin memerlukan pencahayaan tambahan di dekat posisi kamera.
Biaya dan ROI
Sistem pemantauan APD computer vision dasar untuk proyek konstruksi menengah berkisar $15.000 hingga $40.000 untuk kamera, instalasi, dan lisensi perangkat lunak untuk proyek 12 hingga 18 bulan. Sistem yang lebih komprehensif dengan beberapa zona kamera, peringatan real-time, dan analitik dasbor berkisar dari $40.000 hingga $100.000.
Perhitungan ROI tergantung pada biaya keselamatan kontraktor saat ini. Satu cedera yang tercatat di lokasi konstruksi rata-rata $42.000 dalam biaya langsung menurut National Safety Council, dengan biaya tidak langsung (dampak jadwal, waktu investigasi, efek moral) biasanya menambah $100.000 atau lebih. Jika sistem computer vision mencegah bahkan satu atau dua cedera yang tercatat selama durasi proyek, biaya perangkat keras dan perangkat lunak sudah tergantikan.
Manfaat yang kurang terukur adalah pergeseran budaya. Ketika kepatuhan APD dipantau secara konsisten dan datanya dibagikan secara transparan, budaya keselamatan di proyek meningkat dengan cara yang melampaui sekadar APD. Pekerja yang diingatkan setiap hari bahwa keselamatan dipantau secara aktif cenderung lebih berhati-hati dalam semua aspek pekerjaan mereka, bukan hanya kepatuhan APD. Mengukur efek budaya yang lebih luas itu sulit, tetapi para profesional keselamatan secara konsisten melaporkannya sebagai nyata dan signifikan.