AI CCTV untuk Keselamatan Kerja K3: Deteksi APD Otomatis & Geofencing Area Bahaya Pabrik

Transformasi CCTV Konvensional Menjadi Intelligent Safety Monitoring

Sebagian besar pabrik telah memiliki ratusan kamera CCTV analog atau IP camera. Namun, dalam model pengawasan tradisional, rekaman CCTV hanya berfungsi sebagai alat forensik pasif: video baru dibuka dan ditinjau setelah kecelakaan kerja terjadi. Pendekatan reaktif ini tidak mampu mencegah cedera fisik, downtime pabrik, maupun tuntutan hukum.

Dengan mengintegrasikan platform AI Vision Sayuswa ke RTSP stream kamera CCTV yang sudah ada, sistem beralih menjadi Proactive Hazard Prevention Engine:

• Zero Hardware Replacement on Camera: Pabrik tidak perlu mengganti infrastruktur kabel dan kamera IP yang ada; server Edge AI kami menarik stream video terkompresi H.264/H.265 secara langsung melalui protokol RTSP (Real-Time Streaming Protocol).
• Inferensi Kecepatan 30 Frame/Detik: Model deep learning memproses stream secara real-time, mengenali postur tubuh pekerja, perlengkapan APD yang dikenakan, serta interaksi spasial dengan mesin berbahaya dalam waktu kurang dari 50 milidetik.
• Sistem Peringatan Bertingkat: Pelanggaran K3 memicu alarm suara terarah di lokasi kejadian, mengirim notifikasi foto bukti ke smartphone safety manager via WhatsApp/Telegram Bot, dan mencatat log kejadian ke portal kepatuhan ISO 45001.

Fitur Utama Sistem AI Vision K3 Pabrik Sayuswa

Arsitektur Model Neural Network: Hierarchical Multi-Task Learning

Mendeteksi apakah seorang pekerja mengenakan helm pelindung di dalam rekaman video bersudut pandang lebar (wide-angle fisheye atau high-mounted PTZ) menghadirkan tantangan teknis: ukuran kepala manusia dalam frame video resolusi 1080p mungkin hanya berdimensi $30 times 30$ piksel. Model deteksi satu tahap standar sering kali gagal mengklasifikasikan objek sekecil ini.

PT Sayuswa Multi Teknologi menerapkan pendekatan arsitektur Two-Stage Hierarchical Detection & Pose Estimation:

1. Stage 1 – Person Detection & Skeleton Keypoint Estimation: Model backbone (YOLOv8-Pose / RTMPose) mengidentifikasi bounding box manusia dan mengekstrak 17 titik sendi tubuh (keypoints: kepala, leher, bahu, pergelangan tangan, pinggul, lutut, dan pergelangan kaki).
2. Stage 2 – Anatomical Region of Interest (ROI) Cropping: Berdasarkan koordinat keypoint kepala dan bahu, sistem memotong (crop) area anatomis kepala dengan margin proporsional. Potongan citra resolusi tinggi ini kemudian dimasukkan ke model klasifikasi khusus (MobileNetV4 / EfficientNet) yang dilatih mendeteksi keberadaan hard-hat, warna helm (putih, kuning, biru, merah), serta tali dagu (chin strap).
3. Temporal Smoothing Filter: Untuk mengeliminasi alarm palsu (false alarm) akibat oklusi sesaat (misalnya pekerja menunduk di balik palet selama 1 frame), Sayuswa mengimplementasikan pelacak ByteTrack yang dikombinasikan dengan filter mayoritas waktu (kondisi alarm baru dipicu jika pekerja tidak ber-APD selama minimal 15 frame beruntun / 0.5 detik).

ALUR PIPA PENGOLAHAN AI CCTV K3 SAYUSWA:

[ RTSP Stream CCTV ] ---> [ H.264/H.265 Hardware Decoder (NVDEC) ]
                                      |
                                      v
                        [ Human Pose Detector (RTMPose) ]
                                      |
             +------------------------+------------------------+
             |                                                 |
             v                                                 v
  [ Crop ROI Kepala ]                               [ Crop ROI Torso ]
             |                                                 |
[ Helmet Classifier (99.2%) ]                     [ Safety Vest Classifier ]
             |                                                 |
             +------------------------+------------------------+
                                      |
                                      v
                      [ Spatial Geometric Evaluation ]
                     (Periksa Apakah Masuk Polygon Bahaya)
                                      |
                                      v
                    [ Logic Rule & Alert Dispatcher ]
                    (Alarm Lokal / WhatsApp / Relai PLC)

Virtual Polygon Geofencing: Perlindungan Zona Bahaya Robotik

Di sekitar sel kerja robot las (robotic welding cell), mesin stamping press hidrolik, dan crane gantry, batas keselamatan fisik (safety fence) terkadang harus dibuka saat penggantian cetakan part. Untuk menjamin keselamatan operator, sistem AI Sayuswa menyediakan antarmuka kalibrasi grafis untuk menggambar Poligon Virtual Geofence multi-zona di atas tampilan visual kamera:

• Zona Peringatan Kuning (Warning Buffer Zone): Jarak 2-3 meter dari bahaya. Ketika ada pekerja mendekat tanpa izin, speaker audio lokal menyuarakan peringatan: “Perhatian, Anda mendekati area operasi lengan robot!”.
• Zona Bahaya Merah (Critical Danger Exclusion Zone): Radius 1 meter dari komponen bergerak. Begitu algoritma mendeteksi koordinat kaki pekerja menyentuh poligon merah, modul relay Edge AI Sayuswa langsung memutuskan loop keselamatan E-Stop mesin dalam tempo 15 milidetik, mencegah cedera fatal terjepit atau terbentur mesin.

Privasi Pekerja & Kepatuhan Etika Data (Face Blurring & GDPR Compliance)

Salah satu hambatan psikologis dan regulasi dalam pemasangan AI monitoring di tempat kerja adalah kekhawatiran serikat pekerja mengenai pengawasan privasi individu secara invasif. PT Sayuswa Multi Teknologi merancang sistem kami dengan mengedepankan prinsip Privacy-by-Design:

• Automated Real-Time Face Blurring: Pada level visualisasi monitor kontrol publik dan laporan ekspor, wajah setiap pekerja secara otomatis disamarkan (blur Gaussian) oleh prosesor Edge sebelum frame disimpan ke hard drive.
• Fokus pada Kepatuhan APD, Bukan Pengenalan Wajah (FR): Model AI dilatih murni untuk mendeteksi status perlengkapan keselamatan (helm, rompi, sepatu), bukan untuk mencocokkan identitas wajah personal pekerja dengan database karyawan kecuali diminta secara eksplisit untuk integrasi absensi pintu masuk.
• Penyimpanan Lokal (On-Premise Privacy): Seluruh pemrosesan video dan arsip database berada di dalam server lokal pabrik tanpa mengirimkan rekaman video ke server cloud pihak ketiga publik, menjamin kerahasiaan operasional pabrik.

Frequently Asked Questions (FAQ) Seputar AI CCTV K3 Pabrik

Metrik Evaluasi Performa Model K3: Mengurangi False Positive Tanpa Melewatkan Bahaya

Dalam sistem keselamatan kerja berbasis kecerdasan buatan, tantangan terbesar bukanlah sekadar mencapai akurasi tinggi di atas kertas, melainkan menyeimbangkan antara Presisi (Precision) dan Recall (Sensitivitas). Jika sistem terlalu sensitif (false positive tinggi), alarm akan berbunyi terus-menerus tanpa alasan valid (misalnya menganggap rompi pekerja yang terlipat sebagai pelanggaran), menyebabkan kelelahan alarm (alarm fatigue) di kalangan operator dan manajemen K3. Sebaliknya, jika sistem melewatkan satu saja pekerja yang tidak mengenakan helm di zona kritis (false negative), konsekuensinya bisa berakibat fatal.

Sayuswa menerapkan kerangka kalibrasi ambang batas probabilitas adaptif (*Dynamic Confidence Thresholding*):

• Threshold Dinamis Berbasis Zona: Di zona koridor umum kantor atau kafetaria pabrik, ambang deteksi diset lebih longgar (0.85) untuk mencegah alarm palsu. Namun di zona berisiko tinggi (misal di bawah lintasan overhead crane atau area pengecoran logam cair), threshold sensitivitas diturunkan ke 0.65 dengan verifikasi multi-frame confirmation (5 frame berturut-turut).
• Kalibrasi Homografi Kamera Multi-Sudut: Apabila satu kamera terhalang tiang atau tumpukan palet, sistem secara otomatis melakukan fusi data spasial (*cross-camera tracking*) dengan kamera di sudut berlawanan sebelum memutuskan apakah pekerja tersebut melanggar aturan keselamatan.

Panduan Integrasi Sirine, Lampu Menara (Tower Light), & WhatsApp Gateway K3

Untuk memastikan tindakan korektif segera dilakukan saat pelanggaran terdeteksi, arsitektur Sayuswa menghubungkan modul komputasi Edge AI ke perangkat peringatan fisik dan digital secara simultan:

1. Output Kontak Kering Relai (Dry-Contact Relay): Modul I/O digital Edge AI mengontrol lampu menara 3-warna (Patlite Tower Light). Kondisi normal menyala Hijau, peringatan APD menyala Kuning dengan buzzer intermiten, dan pelanggaran zona merah menyala Merah berkedip dengan sirine berkekuatan 90 dB.
2. Bot WhatsApp Gateway Terotomasi: Setiap kali pelanggaran tercatat lebih dari 3 detik, server mengirimkan pesan WhatsApp ke grup pengawas K3 pabrik berisi nama zona, jenis pelanggaran, waktu kejadian, dan tautan gambar snapshot beresolusi tinggi dengan bounding box merah di sekitar pelanggaran.