物流・倉庫の作業映像データ — 動線分析に使える撮り方と調達の考え方

倉庫の作業映像をAIで分析すると、作業者やフォークリフトの動線、通路での滞留時間、ピッキング1件あたりの作業時間、仕分けミスの件数などを測れるようになります。ただし、倉庫は映像を撮るのが難しい現場です。天井が高く、ラックが視界を遮り、床はフォークリフトが走り、同じ作業者が毎日写ります。

この記事では、物流倉庫の作業映像を学習データとして集めるときに、何が分かり、どこで撮影が難しくなるかを整理します。そのうえで、自社倉庫で撮る場合の準備と工数、他社倉庫で撮られたデータで学習できる範囲、両者の組み合わせ方を扱います。現場改善やDXを担当していて、映像AIの検証を計画している方に向けた内容です。

1. 倉庫映像で何が分かるか — 動線・滞留・作業時間・仕分けミス

倉庫の映像から分析できることは、大きく4つに分かれます。どれを見たいかで、カメラの位置と、学習データに付けるラベルが変わります。

動線と滞留は、人や車両を検出して追跡できれば分析できます。人物やフォークリフトの検出には汎用的な技術が使えるため、4つの中では自社で用意する学習データが少なく済むことが多いです。

作業時間と仕分けミスは、映像だけでは分析しきれないことが多いです。映像には「棚から何かを取った」ことは写りますが、どの商品を何個取ったかまでは分かりません。そこで、倉庫管理システム（WMS）のピッキング実績やハンディ端末のスキャン記録を、映像と時刻で突き合わせます。スキャンの時刻が作業の区切りになり、WMSの指示データが正解の仕分け先になるため、ラベル付けの手間も減らせます。

突き合わせには、カメラとWMS・ハンディ端末の時刻がそろっていることが前提です。数秒ずれるだけで、隣の作業とラベルが入れ替わることがあります。撮影を始める前に、各機器の時刻の合わせ方を決めておいてください。

映像以外の搬送データも使えます。無人搬送車（AGV）や自動倉庫の稼働ログ、フォークリフトに付けた位置センサーの記録は、映像より軽いデータで動線を記録できます。ただし、人の動きはこれらのログに残らないため、人と車両の両方を見たいなら映像が要ります。

2. 倉庫特有の撮影の制約

倉庫には、撮影計画を立てる前に確認しておきたい制約が5つあります。

天井高とカメラの設置位置

動線を見るには、天井付近からの俯瞰が向いています。ところが、天井の高い倉庫では俯瞰で撮ると作業者が小さく写り、姿勢や手元の動きまでは読み取れません。広角レンズで写す範囲を広げると、画面の端に写る人や棚がゆがみます。

設置作業にも制約があります。梁、照明、スプリンクラー、配線ダクトを避けて取り付け位置を決め、高所作業車や足場を手配します。稼働中のエリアでは作業を止められる時間帯が限られるため、夜間や休日の工事になることもあります。反対に、中二階や天井の低いエリアでは1台で見渡せる範囲が狭く、必要な台数が増えます。

ラックによる遮蔽

倉庫の通路はラックで区切られています。俯瞰で撮っても、ラックの陰になる通路の奥は写りません。通路ごとにカメラを置くと、通路をまたいで移動する作業者を、別のカメラ同士でつなぐ処理が必要になります。

遮蔽は日々変わります。ラックの上段まで荷が積まれた日と空いている日では、写る範囲が違います。繁忙期には通路や荷さばき場に荷物が仮置きされ、閑散期の撮影では見えていた場所が隠れます。閑散期だけに撮ったデータで作ったモデルは、繁忙期の映像で精度が落ちることがあります。

フォークリフトの動線

フォークリフトが走る床には、三脚もケーブルも置けません。仮設のカメラは柱やラックの支柱に固定し、配線は床を這わせずに上から回します。リーチ式のフォークリフトはマストを高く上げるため、ラックの上部に付けたカメラが接触しない位置かも確認します。

撮影の立ち会いをする担当者の立ち位置も、フォークリフトの動線から外します。安全の取り決めは倉庫ごとにあるため、立ち入りできる範囲と時間帯は現場の安全担当者と事前に決めておきます。

映像の面でも影響があります。フォークリフトと荷物の陰に作業者が隠れる場面が多く、人物の追跡が途切れやすくなります。人とフォークリフトの接近を検知したい場合、対象になる場面そのものが少なく、通常の撮影では数が集まりにくい点にも注意が必要です。

照明と明暗差

倉庫の照明は、照明の真下と通路の奥、ラックの陰で明るさが大きく違うことがあります。トラックの荷を積み降ろすドック（搬入口）では、シャッターを開けると外光が入り、時間帯や天候で逆光になります。

照明の種類によっては、映像にちらつきや縞が出ることがあります。シャッター速度とフレームレートの設定を試験撮影で確かめておきます。荷物に巻かれたストレッチフィルムは照明を反射し、ラベルやバーコードが読めなくなる原因になります。冷凍・冷蔵倉庫では、出入りのたびにレンズが結露することがあり、低温ではバッテリーの持ちも悪くなります。

作業者のプライバシーと労務上の配慮

作業映像には作業者が写ります。来訪者と違い、作業者は同じ持ち場に毎日いるため、顔をぼかしても、持ち場やシフト表から誰かが分かることがあります。写り込む情報の洗い出しと作業者への説明は、個人情報を含む映像データの匿名化とマスキングで整理しています。

倉庫の作業映像で特に問題になりやすいのは、撮った映像が作業者の評価や監視に使われるのではないかという不安です。動線や作業時間は、そのまま個人の作業速度の比較に使えるデータでもあるためです。撮影の前に、目的が学習と現場改善であること、個人の評価には使わないこと、誰が映像を見られるかを説明し、必要に応じて就業規則や労使の取り決めとの関係を人事部門と確認しておきます。

倉庫では、派遣スタッフや協力会社の作業者が一緒に働いていることがあります。雇用主が別の作業者には、派遣元や協力会社を通じた説明が必要になる場合があります。3PL（物流業務を受託する事業者）の倉庫では、荷主の商品や送り状も映像に写るため、荷主の了解も別に要ります。

なお、作業者ごとの動線を分析したいのに名札や顔を消すと、個人を区別する手がかりがなくなり、分析が難しくなります。どの情報を消すとどの分析に影響が出るかは、匿名化の記事の「マスキングが学習精度に与える影響」で表にしています。

3. 自社倉庫で撮る場合の準備と工数

自社倉庫で撮ると、自社のレイアウト・荷姿・作業手順そのものを学習できます。その代わり、撮影に入るまでの準備に時間がかかります。準備の流れと、それぞれに関わる人を表にまとめます。

工数を見積もるときに見落としやすいのは、関係者への説明と試験撮影です。説明は自社の社員だけでなく、派遣元、協力会社、荷主にも必要になることがあり、了解が得られるまでは撮影を始められません。試験撮影を省いて本撮影に入ると、遮蔽や逆光で使えない映像が後から見つかり、撮り直しになります。

撮影期間は、閑散期と繁忙期の両方を含めて計画します。物量、荷姿、仮置きの量、作業者の人数が時期で変わるため、どちらか一方の時期だけでは本番の運用で精度が出ないことがあります。季節で扱う商品が変わる倉庫では、年単位の計画が必要になる場合もあります。

関係者への説明や社内調整にかかる人件費と、着手までの待ち時間の見積もり方は、学習データを自社で揃える費用の内訳で整理しています。

4. 他社倉庫のデータで学習できるか

他社の倉庫で撮られた映像でも、学習に使える部分はあります。使えるかどうかは、学習させたい対象が倉庫ごとに違うかどうかで決まります。

人や車両、荷物を見つけるといった汎用的な対象は、倉庫が変わっても見え方が大きくは変わりません。他社倉庫のデータで学習しておき、自社倉庫で撮った少量のデータで追加学習すれば、自社で集める映像を減らせます。手元の動作や姿勢の認識であれば、作業者の視点から撮った映像も使えます。工場・物流倉庫を含む実環境を頭部装着カメラで記録した一人称視点のデータセットも選択肢になります。

一方で、カメラの高さと角度、ラックの種類、制服の色、照明、荷姿の違いは、どれも精度に影響します。他社倉庫のデータで学習したモデルでも、評価は必ず自社倉庫で撮った映像で行ってください。他社のデータで高い精度が出ていても、自社の映像で同じ精度が出るとは限りません。

権利の面でも確認が要ります。他社倉庫の映像には、倉庫を管理する事業者、写っている作業者、商品や送り状が写り込んだ荷主などが関係します。購入や提供を受ける前に、撮影場所の管理者から学習利用の許可を得ているか、作業者への説明はどうしたかを提供元に確認してください。著作権や肖像権のほか、撮影場所の許可や契約上の制限も含めた確認の仕方は、学習データの著作権とライセンスで扱っています。

5. 実環境データの活用パターン

自社倉庫の映像と、他社倉庫を含む実環境データは、どちらか一方を選ぶものではありません。検証の段階と目的に応じて組み合わせます。代表的な進め方を4つ挙げます。

検証を先に済ませてから自社で撮る。 AIで狙った分析ができそうかを、収集済みの倉庫映像で先に確かめます。見込みが立ってから自社倉庫での撮影に入れば、2章・3章の準備を、効果が出そうなテーマに絞って進められます。

WMSの記録でラベル付けを減らす。 自社倉庫で撮る場合は、1章のとおり、WMSやハンディ端末の記録を映像の時刻と突き合わせます。作業の区切りと正解の仕分け先は記録から分かるため、人手でラベルを付ける範囲を、記録に残らない動作に絞れます。

少ない場面を他の現場のデータで補う。 人とフォークリフトの接近、荷崩れ、誤った間口への投入などは、自社倉庫で撮り続けても数が集まりにくい場面です。他の倉庫で撮られた同種の場面を加えるか、安全を確保したうえで場面を再現して撮影します。

カメラを段階的に増やす。 最初から倉庫全体を撮ろうとせず、課題の大きい1エリアから始めます。1エリアで画角、照明、遮蔽の扱いが決まれば、他のエリアでは同じ手順でカメラを増やせます。

Nextremerは、物流をはじめとする現場で取得した実環境データの提供と、その加工までを扱っています。必要な映像の種類・量・加工のレベルによって内容が変わるため、個別にご相談ください。詳しくはデータ提供サービスをご覧ください。

6. まとめ

倉庫の作業映像からは、動線、滞留、作業時間、仕分けミスを測れます。動線と滞留は人や車両の検出と追跡で分析できますが、作業時間と仕分けミスは、WMSやハンディ端末の記録と時刻を合わせて初めて使えるデータになります。

撮影では、天井高、ラックの遮蔽、フォークリフトの動線、照明の明暗差、作業者への配慮が、そのまま計画の制約になります。特に作業者については、映像が評価や監視に使われないことを撮影前に説明し、派遣元や荷主まで含めて了解を得ておく必要があります。

他社倉庫のデータは、人・車両・荷物の検出のような汎用的な対象と、自社では集まりにくい場面を補うのに向いています。自社のレイアウトや作業手順に固有の判定には自社倉庫の映像が要り、どちらのデータで学習しても評価は自社倉庫で行います。

業種ごとの調達の難しさや、自社収集・公開データセット・購入の比較は、AI学習データはどう調達するか — 自社収集・公開データセット・購入の比較と選び方で扱っています。