タタ・エルクシ（Tata Elxsi）は、工場の産業安全を、既存の監視カメラと端の処理、クラウド上の画像認識で秒単位に寄せる仕組み「アイリス（IRIS）」を公開しました。正式名称は産業リアルタイム知能システム（Industrial Real-Time Intelligence System）です。発表は2026年9月22日付のアマゾン ウェブ サービス（AWS）機械学習ブログで、タタ・エルクシ側と共同で書かれています。著者にはアブヒディープ・ラストギ（Abhideep Rastogi）氏、アニルード・チャウラ（Anirudh Chawla）氏、アニー・マットゥー（Annie Mattoo）氏、ネハ・プラサド（Neha Prasad）氏が名を連ねます。5秒未満の検知、個人用保護具（PPE）検知の適合率（precision）94.2%などの数字は、いずれもこのブログに書かれたタタ・エルクシ側の説明です。
タタ・エルクシは、自動車や製造、放送、通信、医療、交通など向けの設計・技術サービスを手がけます。アイリスは、すでにカメラがある現場向けの産業ビジョン基盤です。製造工場、倉庫、物流拠点、化学施設などでは、数百から数千台の閉回路テレビ（CCTV）が並びます。多くは録画が中心で、不安全が起きてから映像を見直す形でした。管制室の担当者が何百本もの映像を同時に見続けるのは難しく、不安全の気づきは担当者の都合で15〜45分かかります。監査はシフトあたり徒歩の見回り2〜3回に限られます。
設計の狙いは、映像を作られたその場で解析し、不安全を自動で拾い、近い時間で行動できるアラートを出すことです。生の動画をクラウドへ流し続けない方針です。稼働リージョンはアジアパシフィック（ムンバイ）で、データの置き場所の要件と、インドの顧客拠点への近さが理由です。
端では、AWS IoTグリーングラス（AWS IoT Greengrass）を載せた産業向けのGPU付きサーバ（例としてエヌビディア・ジェットソンAGXオーリン（NVIDIA Jetson AGX Orin）相当）を置きます。カメラ網へはカメラ接続の約束ごと（RTSP／ONVIF）でつなぎます。秒あたり2〜5枚の静止画を抜き、動きの有無で間引き、軽い一次モデルで人・車両・設備のあるコマだけを残します。残したコマはアマゾンS3（Amazon S3）へ上げます。流れ続けるイベントには、S3上の場所を示すキーと、カメラID、工場、ゾーン、時刻合わせ（NTP）でそろえた時刻だけを載せ、1件あたり1KB未満に抑えます。この端でのろ過で、クラウドへ送るコマはおよそ70〜80%減りました（顧客の本番測定）。
クラウド側の知能の中心はアマゾン・セージメーカーAI（Amazon SageMaker AI）上の用途別モデルです。PPEの検知は、産業データで微調整した物体検出のYOLOv8でヘルメット、反射ジャケット、手袋、安全メガネを見ます。制限区域は物体検出と多角形の地理フェンスを組み合わせます。作業者の姿勢や動きはスローファスト（SlowFast）による時系列の行動認識です。フォークリフトなどの近接は、複数物体の追跡と単眼の深度推定です。
単発の検知だけでは騒ぎすぎるため、相関レイヤがあります。AWSラムダ（AWS Lambda）とアマゾン・ダイナモDB（Amazon DynamoDB）の期限つきの短い記録（TTL）で、30秒から5分の短い窓を見ます。ゾーンの重要度や繰り返し、長さを踏まえてから重大度を決めます。相関の前後で偽アラートは推定40〜50%減り、相関後の偽陽性率は検知種別を通じて3%未満です（社内ベンチ）。
精度の数字もブログにあります。四半期ごとに入れ替える、本番から外した検証用セットで、PPE検知は適合率（precision）94.2%、再現率（recall）91.8%、mAP@0.5は92.7%です。制限区域への侵入は適合率96.1%、再現率93.4%です。端から端までの不安全検知は5秒未満で、従来の15〜45分と対比されます。記録対象の安全事故は初の6か月で15〜20%減、手動監視の運用コストはおよそ30%減、とタタ・エルクシは報告しています。
| 公表されている説明 | こちらで確認できていないこと |
|---|---|
| 2026-09-22、AWS機械学習ブログ（タタ・エルクシ共著）でIRISを公開 | 第三者による検知時間・精度の再測定 |
| 従来の不安全検知は15〜45分。監査はシフトあたり徒歩2〜3回（ブログ） | 顧客ごとのカメラ台数と検知時間の分布 |
| 端で秒あたり2〜5枚を抽出。人が／車両／設備のあるコマだけS3へ。イベントは1KB未満。生動画はクラウドに流さない（同） | 端サーバの台数・電力・設置工数の公開値 |
| 端でのろ過でクラウドへ送るコマ約70〜80%減（顧客本番測定）（同） | 他業種サイトでの同率の再現 |
| キネシスで秒あたり2,000〜5,000件、バースト約15,000件。取り込みは95パーセンタイルで200ミリ秒未満（同） | 長期間のピーク時コスト実績 |
| PPEは物体検出のYOLOv8（ヘルメット・反射ジャケット・手袋・安全メガネ）。制限区域は検出＋地理フェンス。行動はSlowFast。近接は追跡＋単眼深度（同） | 各モデルの誤検知事例の公開集計 |
| ml.g5.xlarge、最低2台、秒あたり40〜60リクエスト、推論は95パーセンタイルで300ミリ秒未満（同） | サイト横断の月次推論コスト |
| 相関で偽アラート推定40〜50%減。相関後偽陽性率3%未満（同） | 相関窓を変えたときの感度分析 |
| PPE検知: 適合率（precision）94.2%／再現率（recall）91.8%／mAP@0.5 92.7%。制限区域: 96.1%／93.4%（四半期更新の、本番から外した検証用セット）（同） | 顧客外データセットでの同じ指標 |
| 端から端まで5秒未満。記録事故は初6か月で15–20%減。手動監視運用コスト約30%減（タタ・エルクシ報告）（同） | 独立監査による事故減・コスト減の確認 |
| 重大（Critical）5秒・2分、高（High）10秒・5分などの約束（同） | 未確認エスカレーションの実測達成率 |
| 実世界注釈約80%＋合成20%。四半期再学習＋精度の落ち込み検知＋フィードバック。青緑切り替えで昇格（同） | 昇格却下率やドリフト検知の閾値詳細 |
| ムンバイリージョン（データ居住・拠点近接）（同） | 他リージョン展開の有無 |
5秒未満やPPE検知の適合率、事故減・コスト減は、タタ・エルクシが報告した数字です。AWS共著のブログでもあるため、独立した第三者の再測定はありません。
従業員100〜200人規模の金属加工場では、通路と危険区域の既存カメラをそのまま使い、ヘルメットと制限区域だけを端で間引きしてからアラートに載せます。接骨院や整形外科のリハビリ室では、機器まわりの死角カメラを録画専用から、転倒や無人の機器稼働だけを短い時間窓で拾う運用に寄せます。旅館やビジネスホテルの厨房・バックヤードでは、火気ゾーンへの立ち入りと保護具の有無を、常時監視ではなく動きのあるコマだけ送る形で見ます。居酒屋や商店街の共同倉庫では、フォークや台車の近接を、生映像を外へ出さずメタデータ中心で記録します。
既存カメラのコマを端で間引き、用途を絞った画像認識のあと短い時間窓で偽アラートを減らし、気づきを秒単位にします。
