Il punto debole degli approcci tradizionali non \u00e8 la mancanza di regole, ma la loro verifica. Le procedure esistono, i DPI vengono consegnati, le aree pericolose sono segnalate: ci\u00f2 che manca e la capacit\u00e0 di osservare con continuit\u00e0 se tutto questo viene rispettato<\/strong>, 24\/7, su ogni metro quadrato del reparto. Nessun preposto pu\u00f2 farlo cos\u00ec accuratamente, ma un sistema di visione artificiale s\u00ec.<\/p>\n\n\n\n La maggior parte delle officine gi\u00e0 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<\/strong> 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. <\/p>\n\n\n\n L’elaborazione avviene sempre pi\u00f9 spesso in modalit\u00e0 edge<\/strong>, cio\u00e8 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 pu\u00f2 essere veicolato su pi\u00f9 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 pi\u00f9 critici. Vediamo alcuni casi d’uso.\u00a0<\/p>\n\n\n\n Il primo e pi\u00f9 diffuso impiego della computer vision in ambito sicurezza e il rilevamento dei dispositivi di protezione individuale<\/strong>. Il sistema verifica, area per area, se gli operatori indossano i DPI richiesti quali casco, gilet ad alta visibilit\u00e0, occhiali, guanti, protezioni acustiche o mascherine. La configurazione \u00e8 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. <\/p>\n\n\n\n Il valore non sta tanto nel cogliere in fallo il singolo operatore, quanto nel cambiare la natura del controllo<\/strong>: da verifica episodica e a campione a monitoraggio continuo e oggettivo. L’esperienza sul campo mostra che dopo le prime settimane il tasso di conformit\u00e0 sale stabilmente perch\u00e9 la consapevolezza di un controllo costante modifica le abitudini pi\u00f9 della sanzione occasionale. Il sistema, inoltre, restituisce statistiche per reparto e per turno<\/strong> 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.<\/p>\n\n\n\n Il secondo caso d’uso \u00e8 la definizione di zone virtuali sulla scena ripresa dalle telecamere<\/strong>. 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. <\/p>\n\n\n\n Rispetto alle protezioni fisiche tradizionali, le zone virtuali non le sostituiscono ma le completano<\/strong>: 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, pu\u00f2 adattarsi dinamicamente: la stessa area pu\u00f2 essere accessibile a macchina ferma e interdetta a ciclo avviato.<\/p>\n\n\n\n Il caso d’uso forse pi\u00f9 interessante per chi si occupa di prevenzione e il rilevamento dei quasi incidenti<\/strong>. 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. <\/p>\n\n\n\n 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<\/strong> rendono misurabile ci\u00f2 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<\/strong>: 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.<\/p>\n\n\n\n Un quarto ambito riguarda il riconoscimento di cadute e posture anomale<\/strong>. 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 \u00e8 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.<\/p>\n\n\n\n La visione artificiale pu\u00f2 infine affiancare la sensoristica antincendio tradizionale<\/strong>. I rilevatori di fumo certificati restano ovviamente il presidio normativo, ma in ambienti ampi e ventilati come i capannoni industriali il fumo pu\u00f2 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) pu\u00f2 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<\/strong>: sversamenti di olio sul pavimento, ostruzione delle vie di fuga o materiale accatastato davanti agli estintori.<\/p>\n\n\n\n Il valore di questi sistemi non si esaurisce nell’alert istantaneo. Ogni evento rilevato viene registrato con data, ora, area e tipologia<\/strong>, costruendo nel tempo un patrimonio informativo che nessuna azienda ha mai avuto. L’analisi storica permette di misurare quali reparti generano pi\u00f9 situazioni a rischio e su quali turni, se le non conformit\u00e0 aumentano nelle ore finali del turno, a causa della stanchezza, o se l’intervento formativo ha prodotto effetti concreti.<\/p>\n\n\n\n Questo rappresenta il passaggio dalla sicurezza reattiva, che interviene dopo l’evento, a quella predittiva<\/strong>, 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.<\/p>\n\n\n\n Nessuna trattazione seria del tema pu\u00f2 eludere il quadro giuridico, che in Italia e particolarmente articolato. L’installazione di sistemi di videosorveglianza da cui derivi anche solo la possibilit\u00e0 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 finalit\u00e0 di sicurezza rientra pienamente tra quelle legittime, ma il percorso autorizzativo va rispettato e la finalit\u00e0 dichiarata vincola gli usi successivi: i dati raccolti per la sicurezza non possono trasformarsi in strumento di valutazione disciplinare della produttivit\u00e0<\/strong>.<\/p>\n\n\n\n Sul fronte GDPR, le parole d’ordine sono minimizzazione e proporzionalit\u00e0<\/strong>: molti fornitori hanno sviluppato funzioni di anonimizzazione che sfocano i volti o riducono le persone a figure stilizzate, perch\u00e9 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. <\/p>\n\n\n\n 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 ci\u00f2 che \u00e8, ovvero uno strumento che protegge le persone e non che le sorveglia<\/strong>, il consenso si costruisce.<\/p>\n\n\n\n Resta la domanda di fondo: questi sistemi sostituiscono qualcuno? La risposta \u00e8 no e capire il perch\u00e9 aiuta a inquadrarli correttamente. La computer vision non decide nulla<\/strong>: rileva, segnala e misura ma la valutazione del rischio, la scelta delle misure, la formazione, la cultura della sicurezza restano responsabilit\u00e0 e competenza delle persone. Ci\u00f2 che cambia \u00e8 la qualit\u00e0 delle informazioni su cui quelle persone decidono<\/strong>: non pi\u00f9 la percezione soggettiva o il campione occasionale, ma l’osservazione continua e quantificata della realt\u00e0 di reparto.<\/p>\n\n\n\n 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<\/strong>. La tecnologia e matura, l’infrastruttura spesso c\u2019\u00e8 gi\u00e0 e il quadro normativo (se affrontato con metodo) non e un ostacolo. Quello che serve, come sempre nella sicurezza, e la volont\u00e0 di guardare i rischi prima che diventino infortuni e oggi, per la prima volta, esiste uno strumento che controlla davvero sempre.<\/p>\n\n\n\n di Giovanni Maggio, Vittorio Maggio<\/a><\/em><\/p>\n\n\n\nTelecamere che diventano sensori intelligenti<\/h3>\n\n\n
![\"Un](\"https:\/\/www.publiteconline.it\/deformazione\/wp-content\/uploads\/2026\/09\/sicurezza1-1024x681.jpg\")
La verifica dei DPI: dal controllo a campione al monitoraggio continuo<\/h3>\n\n\n\n
Zone virtuali attorno a presse, robot e aree di carico<\/h3>\n\n\n\n
Near miss: misurare il rischio prima dell’infortunio<\/h3>\n\n\n
![\"L'esperienza](\"https:\/\/www.publiteconline.it\/deformazione\/wp-content\/uploads\/2026\/09\/sicurezza2-1024x682.jpg\")
Persone a terra, malori, turni isolati<\/h3>\n\n\n\n
Fumo, fiamme e anomalie visive<\/h3>\n\n\n
![\"](\"https:\/\/www.publiteconline.it\/deformazione\/wp-content\/uploads\/2026\/09\/sicurezza3-1024x368.jpg\")
Dall’allarme alla prevenzione predittiva<\/h3>\n\n\n\n
Il nodo normativo: privacy, Statuto dei lavoratori e AI Act<\/h3>\n\n\n\n
Tecnologia al servizio del giudizio umano<\/h3>\n\n\n\n
\n\n\n\n