La computer vision applicata alla sicurezza sta trasformando le telecamere già installate nei reparti in sistemi capaci di rilevare DPI mancanti, intrusioni in aree pericolose, quasi incidenti e persone a terra. Non per sostituire il responsabile della sicurezza, ma per dargli occhi che non si stancano mai e dati che prima non esistevano.
Chi lavora nel manifatturiero conosce bene la geografia del rischio: presse che sviluppano centinaia di tonnellate di forza, piegatrici con organi in movimento, impianti di taglio laser, cesoie, linee di movimentazione coil, carriponte che attraversano il reparto, carrelli elevatori che incrociano percorsi pedonali. Decenni di normativa, formazione e progettazione sicura hanno ridotto drasticamente gli infortuni, ma i numeri restano significativi: ogni anno l’INAIL registra in Italia oltre mezzo milione di denunce di infortunio e il comparto metalmeccanico continua a figurare tra i più esposti[1], con una quota rilevante di eventi legati a contatto con organi in movimento, investimento da mezzi di movimentazione e cadute.
Il punto debole degli approcci tradizionali non è la mancanza di regole, ma la loro verifica. Le procedure esistono, i DPI vengono consegnati, le aree pericolose sono segnalate: ciò che manca e la capacità di osservare con continuità se tutto questo viene rispettato, 24/7, su ogni metro quadrato del reparto. Nessun preposto può farlo così accuratamente, ma un sistema di visione artificiale sì.
Telecamere che diventano sensori intelligenti
La maggior parte delle officine già dispone di impianti di videosorveglianza installati per ragioni di security, come protezione perimetrale, antifurto o controllo accessi. I sistemi di video analytics basati su intelligenza artificiale si collegano a questi stessi flussi video, tipicamente tramite protocolli standard come RTSP, e li analizzano in tempo reale con modelli di deep learning addestrati a riconoscere persone, mezzi, oggetti, posture e comportamenti.
L’elaborazione avviene sempre più spesso in modalità edge, cioè su server installati in stabilimento, senza che le immagini lascino il perimetro aziendale: un dettaglio tecnico che, come vedremo, ha implicazioni importanti anche sul piano della protezione dei dati. Quando il sistema rileva una situazione anomala, genera un allarme che può essere veicolato su più canali: segnalazione acustica o luminosa in reparto, notifica al preposto via app o messaggistica, e-mail con il fotogramma dell’evento, fino all’integrazione con i PLC di macchina per arresti automatici nei casi più critici. Vediamo alcuni casi d’uso.
La verifica dei DPI: dal controllo a campione al monitoraggio continuo
Il primo e più diffuso impiego della computer vision in ambito sicurezza e il rilevamento dei dispositivi di protezione individuale. Il sistema verifica, area per area, se gli operatori indossano i DPI richiesti quali casco, gilet ad alta visibilità, occhiali, guanti, protezioni acustiche o mascherine. La configurazione è granulare: nella zona di taglio laser possono essere obbligatori gli occhiali, nell’area di movimentazione coil il casco e il gilet, in saldatura i guanti e la visiera.
Il valore non sta tanto nel cogliere in fallo il singolo operatore, quanto nel cambiare la natura del controllo: da verifica episodica e a campione a monitoraggio continuo e oggettivo. L’esperienza sul campo mostra che dopo le prime settimane il tasso di conformità sale stabilmente perché la consapevolezza di un controllo costante modifica le abitudini più della sanzione occasionale. Il sistema, inoltre, restituisce statistiche per reparto e per turno che permettono di capire dove la formazione non ha attecchito e dove, magari, il DPI prescritto e semplicemente scomodo per la mansione; un’informazione preziosa per il servizio di prevenzione e protezione.
Zone virtuali attorno a presse, robot e aree di carico
Il secondo caso d’uso è la definizione di zone virtuali sulla scena ripresa dalle telecamere. Il responsabile della sicurezza disegna, direttamente sull’immagine, i perimetri delle aree critiche: come l’intorno di una pressa, la zona di scarico di un impianto di taglio o il raggio d’azione di un carroponte. Se una persona varca il perimetro in un momento non autorizzato il sistema genera l’allarme in tempo reale.
Rispetto alle protezioni fisiche tradizionali, le zone virtuali non le sostituiscono ma le completano: barriere fotoelettriche e ripari restano il presidio primario imposto dalla direttiva macchine, mentre la visione artificiale copre gli spazi che le protezioni fisiche non possono presidiare, come le aree di transito promiscuo uomo-mezzo o le zone temporaneamente interdette per manutenzione. Inoltre, può adattarsi dinamicamente: la stessa area può essere accessibile a macchina ferma e interdetta a ciclo avviato.
Near miss: misurare il rischio prima dell’infortunio
Il caso d’uso forse più interessante per chi si occupa di prevenzione e il rilevamento dei quasi incidenti. Ogni responsabile della sicurezza sa che per ogni infortunio grave ci sono decine di mancati infortuni che nessuno segnala: il carrello elevatore che sfiora un operatore a un incrocio cieco, il pedone che attraversa una corsia veicolare guardando il telefono o il carico sospeso che passa sopra una postazione di lavoro.
La piramide di Heinrich, molto diffusa ma ancora discussa in letteratura, lo spiega da quasi un secolo, ma finora la base della piramide era invisibile. I sistemi di near-miss detection rendono misurabile ciò che prima sfuggiva: analizzano in continuo le traiettorie di persone e mezzi e registrano ogni situazione in cui le distanze di sicurezza vengono violate, anche quando non succede nulla. Il risultato e una mappa quantitativa del rischio reale: quell’incrocio tra la zona presse e il magazzino dove si concentrano i passaggi ravvicinati, quella fascia oraria del cambio turno in cui le interferenze uomo-mezzo si moltiplicano. Dati che consentono interventi mirati (una segnaletica diversa, un percorso pedonale deviato, uno specchio o un semaforo) prima che la statistica presenti il conto.
Persone a terra, malori, turni isolati
Un quarto ambito riguarda il riconoscimento di cadute e posture anomale. Gli algoritmi di pose estimation ricostruiscono la postura del corpo umano e rilevano quando una persona cade o resta a terra immobile. E una funzione particolarmente preziosa nei contesti che la lavorazione della lamiera conosce bene: il magazzino lamiere poco frequentato, il reparto presidiato da un solo operatore nel turno notturno o l’area esterna di carico sono situazioni in cui un malore o una caduta potrebbero non essere notati per decine di minuti, ed è proprio il tempo di soccorso a fare la differenza tra un evento gestibile e una tragedia. L’allarme automatico di “uomo a terra” garantisce che qualcuno venga sempre avvisato in pochi secondi.
Fumo, fiamme e anomalie visive
La visione artificiale può infine affiancare la sensoristica antincendio tradizionale. I rilevatori di fumo certificati restano ovviamente il presidio normativo, ma in ambienti ampi e ventilati come i capannoni industriali il fumo può impiegare minuti a raggiungere i sensori a soffitto. Una telecamera che invece riconosce visivamente fumo e fiamme (per esempio un principio d’incendio su un quadro elettrico o nella zona di saldatura) può anticipare l’allarme di quei minuti che decidono se l’evento resta un principio d’incendio o diventa un sinistro. Lo stesso approccio si estende ad altre anomalie visive: sversamenti di olio sul pavimento, ostruzione delle vie di fuga o materiale accatastato davanti agli estintori.
Dall’allarme alla prevenzione predittiva
Il valore di questi sistemi non si esaurisce nell’alert istantaneo. Ogni evento rilevato viene registrato con data, ora, area e tipologia, costruendo nel tempo un patrimonio informativo che nessuna azienda ha mai avuto. L’analisi storica permette di misurare quali reparti generano più situazioni a rischio e su quali turni, se le non conformità aumentano nelle ore finali del turno, a causa della stanchezza, o se l’intervento formativo ha prodotto effetti concreti.
Questo rappresenta il passaggio dalla sicurezza reattiva, che interviene dopo l’evento, a quella predittiva, che individua i pattern e agisce sulle cause. Per il datore di lavoro significa anche poter documentare oggettivamente l’efficacia delle misure adottate, con ricadute positive sulla valutazione dei rischi e, potenzialmente, sui premi assicurativi.
Il nodo normativo: privacy, Statuto dei lavoratori e AI Act
Nessuna trattazione seria del tema può eludere il quadro giuridico, che in Italia e particolarmente articolato. L’installazione di sistemi di videosorveglianza da cui derivi anche solo la possibilità di controllo a distanza dei lavoratori ricade nell’articolo 4 dello Statuto dei Lavoratori: serve l’accordo sindacale o, in mancanza, l’autorizzazione dell’Ispettorato del Lavoro ed e ammessa solo per esigenze organizzative, produttive, di sicurezza del lavoro o di tutela del patrimonio. La finalità di sicurezza rientra pienamente tra quelle legittime, ma il percorso autorizzativo va rispettato e la finalità dichiarata vincola gli usi successivi: i dati raccolti per la sicurezza non possono trasformarsi in strumento di valutazione disciplinare della produttività.
Sul fronte GDPR, le parole d’ordine sono minimizzazione e proporzionalità: molti fornitori hanno sviluppato funzioni di anonimizzazione che sfocano i volti o riducono le persone a figure stilizzate, perché al sistema interessa rilevare che “qualcuno” e entrato in zona pericolosa senza casco, non identificare chi. L’elaborazione edge, che mantiene le immagini in stabilimento, e la conservazione dei soli metadati degli eventi sono ulteriori accorgimenti che rendono il trattamento sostenibile.
Va infine considerato il Regolamento europeo sull’intelligenza artificiale: i sistemi di AI impiegati in ambito lavorativo richiedono attenzione alla classificazione del rischio, trasparenza verso i lavoratori e supervisione umana. Un progetto ben impostato coinvolge fin dall’inizio RSPP, DPO e rappresentanze sindacali: l’esperienza dimostra che quando il sistema e presentato per ciò che è, ovvero uno strumento che protegge le persone e non che le sorveglia, il consenso si costruisce.
Tecnologia al servizio del giudizio umano
Resta la domanda di fondo: questi sistemi sostituiscono qualcuno? La risposta è no e capire il perché aiuta a inquadrarli correttamente. La computer vision non decide nulla: rileva, segnala e misura ma la valutazione del rischio, la scelta delle misure, la formazione, la cultura della sicurezza restano responsabilità e competenza delle persone. Ciò che cambia è la qualità delle informazioni su cui quelle persone decidono: non più la percezione soggettiva o il campione occasionale, ma l’osservazione continua e quantificata della realtà di reparto.
Per le aziende metalmeccaniche, dove la coesistenza tra operatori, macchine potenti e mezzi di movimentazione e quotidiana, si tratta di un’evoluzione naturale: dopo aver reso intelligenti le macchine, e il momento di rendere intelligente anche lo sguardo che veglia su chi le usa. La tecnologia e matura, l’infrastruttura spesso c’è già e il quadro normativo (se affrontato con metodo) non e un ostacolo. Quello che serve, come sempre nella sicurezza, e la volontà di guardare i rischi prima che diventino infortuni e oggi, per la prima volta, esiste uno strumento che controlla davvero sempre.
di Giovanni Maggio, Vittorio Maggio
[1] INAIL, Analisi dei dati statistici di infortunio e malattia professionale per le aziende industriali del settore metalmeccanico e dell’installazione e gestione di impianti, collana “Salute e sicurezza”, 2024)
