映像AIで工場の「チョコ停」を可視化する ── Safie AI Studioで実現するリアルタイムモニタリング | TechDistill

> Source: Zenn_Python

// Problem

製造現場における「チョコ停（微小な停止）」は、頻度は高いが記録に残りにくく、大きな生産ロスを招く。映像AIによる解決が期待されるものの、RTSPストリームの安定化、録画ストレージ管理、推論サーバーのデプロイといったインフラ構築に多大な工数がかかることが、開発の大きな障壁となっていた。

// Approach

Safie AI Studioを基盤とし、インフラ層をプラットフォームに抽象化。開発者はgRPCを用いた「Analyzer（AI検知ロジック）」とフロントエンドの構築に集中する構成をとった。YOLOXとBYTETrackerによる物体追跡を用いた停止判定に加え、LiteLLMを用いたマルチモーダルな原因分析機能を実装した。

// Result

約1ヶ月という短期間で、リアルタイムモニタリング、ヒートマップ、速度分析、LLMによる改善提案機能を備えたダッシュボードを構築した。検知結果にLLMによる「解釈」を加えることで、単なる数値報告に留まらず、現場の改善アクションに直結する高度な可視化を実現した。

Senior Engineer Insight

> 本構成の肝は、映像AI開発における「インフラの抽象化」と「マルチモーダルLLMの統合」にある。従来、映像解析の実装はコーデックやストリーミング制御といった低レイヤの課題にリソースを奪われがちであったが、gRPC（高速な通信プロトコル）ベースのAnalyzerモデルにより、開発者は純粋な推論ロジックに注力できている。また、検知（Detection）に留まらず、LLMを用いて「なぜ止まったか」というコンテキストを付与するアプローチは、現場の意思決定を迅速化する上で極めて実用的である。YOLOXやBYTETrackerといった既存の強力なアルゴリズムを組み合わせ、独自の停止判定ロジックを組み込む設計も、精度と実用性のバランスが取れている。