AI應用技術
智慧影像辨識、邊緣運算、AI智慧警示系統、AI行為記錄、AI智慧整合　　

技術應用領域
本專案以人工智慧影像辨識技術為核心，結合邊緣運算與智慧警示機制，應用於工地現場安全帽佩戴之即時檢測與勞安管理，屬於智慧工地與智慧安全監控領域之智慧應用。系統透過工業級攝影鏡頭蒐集現場影像，利用深度學習模型自動辨識人員是否正確佩戴安全帽，並於邊緣端即時推論與回饋，當偵測到未符合規範的情形時，可立即發出聲光警示或通知管理平台，協助現場管理人員即時處理。此技術有效取代傳統人工巡檢方式，降低人力負擔與疏忽風險，並提升安全稽核的即時性與準確性，打造合規且高效率的智慧工地環境。 未來本專案將持續擴充應用範圍，逐步導入「安全背心」、「安全面罩」及「安全手套」等個人防護裝備之AI檢測模組，形成更完整的智慧防護監控系統。透過多模型融合辨識，可同時偵測工人是否穿著反光背心、佩戴口罩或手套等，建立多層次安全稽核機制，進一步強化工地勞安防護網。系統將可延伸應用至高風險作業區、製造產線、能源設施、港口與公共工程場所，實現跨場域的AI安全管理架構。 同時，本專案將結合AIoT架構與雲端平台，整合影像辨識數據、感測器資訊及人員出入紀錄，形成智慧化管理儀表板，提供違規統計、風險預測及稽核報表功能，協助企業符合標準與政府安全法規要求。最終目標是打造一套可持續進化的AI智慧防護系統，讓安全管理從被動稽核走向主動預防，推動產業邁向零事故、零疏忽的智慧安全新時代。　　

應用名稱
工地安全帽佩戴檢測POC專案　　

應用描述
本專案主要功能為透過人工智慧影像辨識技術，即時偵測工地現場人員是否正確佩戴安全帽，以強化施工安全管理並降低職災風險。系統整合工業攝影鏡頭與NVIDIA Jetson系列邊緣運算模組，於現場即時執行AI推論作業，當偵測到未佩戴安全帽或進入禁區等異常狀況時，立即觸發聲光警示並將影像紀錄與警報資訊同步回傳至管理平台，協助管理人員即時掌握現場安全狀況。其應用功能包括：安全帽佩戴辨識、違規行為告警、出入稽核記錄、異常事件回報及安全報表生成等，能有效取代人工巡查，提高監測效率與精準度。 應用產業與場域涵蓋建築工地、營造工程、廠房施工、高科技廠區、公共工程及能源設施等高風險工作場所。系統同樣可延伸至製造業智慧工廠，用於監測人員是否配戴安全防護具（如護目鏡、耳罩、防護服等），或應用於物流倉儲與港口作業，進行人員進出監控與安全紀錄管理。未來更將逐步擴充至「安全背心」、「安全面罩」、「安全手套」等個人防護裝備（PPE）辨識模組，實現多項安全裝備同步監測，建立智慧工地的整合防護機制。 AI技術運用方面，系統採用Roboflow平台標註並訓練多場域影像資料集，使模型能於多角度、強光或低光環境下仍具高精確率。模型部署於Jetson Nano或Orin NX等邊緣端設備，具備低延遲與離線運作能力；同時結合AIoT架構與雲端資料庫，能自動產生違規統計與趨勢分析報表，協助管理單位掌握安全遵守率與風險熱點。 實際應用案例包括：於建築工地導入本系統後，透過AI即時警示與影像紀錄功能，顯著提升施工現場安全性與管理效率。整體而言，本技術可作為智慧工地及智慧製造之基礎模組，為產業提供自動化、可視化與智慧化的勞安管理解決方案。　　

運用技術
電腦視覺、深度學習、機器學習、AIoT整合技術、資料分析技術　　

效益
本計劃在工地現場完成安全帽佩戴自動化偵測的驗證，成果包括成功串接既有監視器影像，並透過 Roboflow 平台完成影像標註與資料集建立，讓 YOLO 模型能有效分辨「戴帽」、「未戴帽」及「帽帶未扣」等情境。經過邊緣運算設備的部署與測試，系統能在 0.5 秒內完成判斷，日間環境的正確率超過 95%，夜間或低照度情境仍能維持 90% 以上的準確率。透過此 POC，工地安全管理由傳統的人工巡視轉型為「即時自動監測」，有效降低人為疏漏。系統的導入可使巡視人力需求下降約 30% 至 50%，同時透過自動化偵測大幅縮短違規事件的反應時間，將事故風險降低。事件影像與數據的留存，也讓管理單位能以客觀證據進行追蹤與稽核，提升外包廠商的遵規度。長期而言，系統的應用能減少因職災造成的停工與保險支出，並提升整體施工安全文化，對企業而言能降低營運風險，對社會而言則可減少工地事故，提升公共安全。更進一步，本成果也為未來擴充至其他工安場景（如反光背心檢測、危險區域入侵偵測）建立基礎，有助於形成完整的智慧工地安全解決方案。　　

應用/研究單位
正向人科技　　

連繫窗口
李婕綸 女士 0972181620 joanna@chengchitech.com