เมื่อกล้องบนเรือไม่ได้มีหน้าที่เพียงบันทึกภาพ แต่ช่วยค้นหาความเสี่ยง แจ้งเตือน และพาทีมตอบสนองได้เร็วขึ้น

บนเรือสินค้าหนึ่งลำ กล้องหลายสิบตัวอาจบันทึกภาพตลอด 24 ชั่วโมง แต่ในสถานการณ์จริง

ไม่มีใครสามารถเฝ้าดูทุกจอพร้อมกันได้ตลอดเวลา เมื่อเกิดเหตุ

ผู้ปฏิบัติงานจึงมักย้อนกลับไปค้นหาวิดีโอเพื่อหาคำตอบว่าเกิดอะไรขึ้น มากกว่า การได้รับการเตือนในขณะที่ความเสี่ยงกำลังก่อตัว

ใจความสำคัญ  คุณค่าของ Maritime AI CCTV ไม่ได้อยู่ที่การมีกล้องมากขึ้น แต่อยู่ที่การลดเวลาจาก “เหตุการณ์ที่จะเกิดขึ้น” ไปสู่ “คนที่เกี่ยวข้องรับรู้ได้เร็วขึ้นและรีบลงมือจัดการ” ความเสี่ยงนั้น

นี่คือจุดเปลี่ยนจาก Video Recording ไปสู่ Proactive Safety หรือการใช้ข้อมูลจากภาพเพื่อช่วยค้นหาความเสี่ยงและสนับสนุนการตอบสนองก่อนที่เหตุการณ์เล็กจะพัฒนาเป็นอุบัติเหตุรุนแรง อย่างไรก็ตาม คำว่า Proactive ไม่ได้หมายความว่า AI สามารถทำนายอุบัติเหตุได้ และไม่ใช่คำสัญญาว่าเรือจะปลอดอุบัติเหตุ แต่หมายถึงการทำให้ทีมเห็นเหตุการณ์สำคัญเร็วขึ้นและลดความเสี่ยงที่จะเกิดขึ้นตามขั้นตอนที่กำหนดไว้อย่างเป็นระบบ

1. CCTV แบบเดิม “มองเห็น” แต่ยังไม่ “เข้าใจ” เหตุการณ์

CCTV แบบดั้งเดิมทำหน้าที่ได้ดีในฐานะหลักฐาน โดยบันทึกภาพต่อเนื่องไว้ในเครื่องบันทึกหรือระบบ Video Management System  แต่การบันทึกทุกอย่างไม่ได้แปลว่าทีมงานจะพบสิ่งที่สำคัญได้ทันเวลา ผู้ปฏิบัติงานยังต้องมองหน้าจอ สังเกตความผิดปกติ และตัดสินใจเองว่าภาพใดควรได้รับความสนใจ

ความท้าทายนี้ยิ่งชัดบนเรือ เพราะมีทั้งข้อจำกัดด้านกำลังคน สภาพแสงที่เปลี่ยนตลอดวัน การสั่นสะเทือน การโคลงของเรือ สภาพอากาศ และจุดอับจากโครงสร้างเรือ นอกจากนี้ ฝ่ายบริหารบนฝั่งไม่จำเป็นต้องเห็นวิดีโอสดทั้งหมด แต่ต้องการรับรู้เหตุการณ์ที่มีผลต่อ Safety และ Operation ในเวลาที่เหมาะสม

ดังนั้น จุดอ่อนของ CCTV แบบเดิมไม่ใช่การขาดภาพ แต่คือการมีภาพมากเกินกว่าที่มนุษย์จะติดตามได้อย่างต่อเนื่อง กล้องจึงมักเก่งเรื่อง “จำ” แต่ยังไม่เก่งเรื่อง “เตือน”

2. เมื่อ AI เข้ามา กล้องเปลี่ยนจากผู้บันทึกเป็นผู้ช่วยเฝ้าระวัง

AI Video Analytics ใช้เทคนิค Computer Vision วิเคราะห์ภาพทีละเฟรมเพื่อค้นหาบุคคล วัตถุ การเคลื่อนไหว หรือเงื่อนไขที่กำหนดไว้ เช่น บุคคลไม่สวมหมวกนิรภัย เดินข้ามเส้นเข้าสู่พื้นที่ควบคุม หรือมีจำนวนคนในพื้นที่ต่ำกว่าที่ควรเป็น เมื่อเงื่อนไขตรงกับกฎ ระบบจะสร้าง Event พร้อมเวลา ตำแหน่ง ภาพนิ่ง หรือคลิปสั้น แล้วส่งต่อให้ผู้รับผิดชอบตรวจสอบ

ในทางเทคนิค AI ไม่ได้ “เข้าใจ” เหตุการณ์เหมือนมนุษย์ ระบบทำงานจากรูปแบบที่เรียนรู้มา กฎที่ตั้งไว้ และระดับความมั่นใจของโมเดล จึงต้องออกแบบให้ AI เป็นผู้ช่วยคัดกรอง ไม่ใช่ผู้ตัดสินขั้นสุดท้าย

ตัวอย่าง Use Case ที่พบได้ในงาน Maritime

1. PPE Compliance Monitoring: ตรวจว่าบุคลากรในพื้นที่ทำงานสวมหมวกนิรภัย เสื้อชูชีพ หรืออุปกรณ์ที่กำหนดหรือไม่ โดยต้องกำหนดชนิด PPE และพื้นที่ใช้งานให้ชัด
2. Restricted Zone และ Line Crossing: แจ้งเตือนเมื่อมีบุคคลเข้าสู่พื้นที่ควบคุม ใกล้ขอบเรือ หรือข้ามแนวเขตที่กำหนดในช่วงเวลาที่ไม่อนุญาต
3. People Counting และ Lone-Worker Awareness: นับจำนวนคนในพื้นที่ปฏิบัติงาน หรือช่วยสังเกตกรณีมีคนทำงานลำพังในพื้นที่ที่ควรมีผู้ร่วมปฏิบัติงาน
4. Fall หรือ Immobility Detection: ค้นหาการล้ม การนอนนิ่ง หรือการไม่เคลื่อนไหวเป็นเวลาที่กำหนด ทั้งนี้ต้องทดสอบกับมุมกล้องและสภาพพื้นที่จริง
5. Smoke และ Flame Detection: ใช้ภาพช่วยคัดกรองสัญญาณควันหรือเปลวไฟในระยะเริ่มต้น แต่ไม่สามารถทดแทนระบบ Fire & Gas Detection ที่ได้รับการรับรอง
6. Cargo และ Deck Operations: เฝ้าดูการเข้าพื้นที่ การรวมกลุ่มผิดปกติ
7. Event-Based Search: ค้นหาวิดีโอย้อนหลังจากประเภทเหตุการณ์ เวลา หรือพื้นที่ แทนการเปิดดูไฟล์หลายชั่วโมง

3. Edge AI: เหตุผลที่ AI CCTV เหมาะกับเรือมากขึ้น

การส่งวิดีโอจากทุกกล้องขึ้นฝั่งตลอดเวลาต้องใช้ Bandwidth สูง และอาจไม่เหมาะกับเรือที่การเชื่อมต่อมีข้อจำกัด แนวทางที่ใช้งานได้จริงจึงมักนำ Edge AI Computer หรือ AI Box มาประมวลผลบนเรือใกล้กับแหล่งข้อมูล

วิดีโอยังถูกบันทึกบนเรือ ขณะที่ AI วิเคราะห์ภาพในพื้นที่ และส่งเฉพาะ Metadata, Snapshot หรือคลิปช่วงสำคัญไปยังฝั่ง เมื่อผู้มีสิทธิ์เข้าถึงต้องการรายละเอียดเพิ่มเติมจึงค่อยเปิดดู Live View หรือดึงวิดีโอช่วงที่เกี่ยวข้อง วิธีนี้ช่วยลดการใช้ Bandwidth ลดเวลารอการประมวลผล และยังคงทำงานได้แม้การเชื่อมต่อกับฝั่งสะดุดชั่วคราว หากออกแบบให้ระบบเก็บ Event และซิงก์ภายหลัง

4. สิ่งที่ต้องเตรียมก่อนติดตั้ง Maritime AI CCTV

1.เลือก Use Case ก่อนเลือกเทคโนโลยี: เริ่มจาก 1-2 เหตุการณ์ที่มีความสำคัญต่อ Safety

2.สำรวจสภาพแวดล้อมจริง: ตรวจมุมกล้อง ระยะตรวจจับ แสงย้อน การสั่นสะเทือน ฝน ละอองเกลือ และสิ่งกีดขวาง รวมถึงข้อกำหนดของพื้นที่

3.ทดสอบแยกตามเรือและพื้นที่: โมเดลที่ทำงานดีบนดาดฟ้าเรือหนึ่งอาจให้ผลต่างกันใน Engine Room, Cargo Deck หรือบนเรืออีกประเภท

4.กำหนด Alert Policy

5.ออกแบบ Privacy Governance: แจ้งวัตถุประสงค์แก่ลูกเรือ จำกัดสิทธิ์เข้าถึง กำหนดระยะเวลาจัดเก็บ และป้องกันการนำภาพไปใช้เกินวัตถุประสงค์

6.ดูแล Cybersecurity: แยกเครือข่ายตามความเหมาะสม ใช้ Access Control, Secure Remote Access, Logging, Patch Management และสำรองการตั้งค่าระบบ

7.ติดตามประสิทธิภาพระยะยาว: ตรวจ Model Drift, False Alarm และผลกระทบจากการเปลี่ยนกล้อง แสง สภาพพื้นที่ หรือขั้นตอนทำงาน

8.เชื่อมต่อกับระบบเดิม: ประเมินความเข้ากันได้กับกล้อง NVR/VMS, Network, Satellite Link และระบบบริหาร Event บนฝั่ง

AI CCTV ไม่ใช่สิ่งทดแทน  ระบบไม่สามารถแทน Safe Work Procedure ความปลอดภัยบนเรือยังเป็นหน้าที่การกำกับดูแลของเจ้าหน้าที่ที่เกี่ยวข้อง, Fire & Gas Detection, อุปกรณ์ที่ได้รับการรับรองสำหรับพื้นที่อันตราย หรือความรับผิดชอบด้านกฎหมายและ Compliance ของผู้ประกอบการเรือ

บทสรุป:กล้องที่ดีไม่ใช่กล้องที่บันทึกได้มากที่สุด แต่คือระบบที่ช่วยให้ตัดสินใจได้ทันเวลา

AI กำลังเปลี่ยน Maritime CCTV จากระบบเก็บวิดีโอให้กลายเป็นส่วนหนึ่งของ Safety และ Operational Intelligence แต่คุณค่าจะเกิดขึ้นก็ต่อเมื่อเทคโนโลยีทำงานร่วมกับ Edge Processing, Connectivity, Event Workflow, Cybersecurity, Privacy Governance และการตัดสินใจของมนุษย์

สำหรับ Ship Expert Technology แนวคิดนี้สอดคล้องกับ Xpert Convergence ซึ่งวาง Maritime AI CCTV ไว้ภายใต้ Xpert Solution เพื่อยกระดับจาก Passive Monitoring ไปสู่การตรวจจับความผิดปกติ การแจ้งเตือนพื้นที่ควบคุม การติดตาม PPE การแจ้งความเสี่ยงแบบ Real Time และการค้นหาเหตุการณ์ย้อนหลัง โดยควรเชื่อมโยงกับระบบสื่อสารบนเรือและการปฏิบัติงานของทีมฝั่งอย่างเหมาะสม

คำถามที่องค์กรควรถามก่อนลงทุน  ไม่ใช่ “AI ตรวจจับได้กี่อย่าง” แต่คือ “เหตุการณ์ใดที่เราต้องการเห็นให้เร็วขึ้น ใครต้องรับรู้ และเมื่อรับรู้แล้วต้องทำอะไรต่อ”