職場での化学物質や有害物質への曝露リスク評価は、労働安全衛生の重要な課題です。特に塗装作業などの現場では、作業者の皮膚がどの程度露出しているかを把握することが、適切な防護対策や健康管理を実施するための基本となります。本研究は、画像から自動的に皮膚曝露情報を定量化するハイブリッド深層学習手法を開発しました。 研究チームは170枚の室内塗装作業の画像を用いて、Mask R-CNNという深層学習モデルを活用しました。このモデルは、画像内の人物を自動認識して背景を除去し、人体領域を正確に特定します。その後、色ベースのアルゴリズムを用いて、露出している皮膚部分をさらに詳細にセグメンテーション（分類）していきます。この二段階のアプローチにより、露出皮膚とTotal body pixelsの比率を算出することができました。 検証の結果、提案手法で得られた露出皮膚の比率データは、人間による目視評価との間に約80%の一致度を示しており、実用的な精度を確認することができました。この手法の利点は、スケーラビリティが高く、大量の現場画像から半定量的な曝露情報を効率的に抽出できる点です。 今後の展開として、研究者らは身体部位別の認識精度向上、個人防護具（PPE）検出機能の追加、さらには動画解析を用いた継続的な曝露監視システムの構築を計画しています。このような自動化されたアプローチにより、より実証的で客観的な労働安全管理が実現される可能性があります。