Zabbix×AIによる画像監視の可能性 ― サンタクロース検知から学ぶ次世代オブザーバビリティ

本記事は TechHarmony Advent Calendar 2025 12/5付の記事です。

メリークリスマス、SCSK株式会社の小寺崇仁です。
（今回はAIを使ってブログ記事を作成しています）

近年、監視ツールの分野では「APM（Application Performance Monitoring）」と「オブザーバビリティ（Observability）」というキーワードが急速に注目されています。APMはアプリケーションの応答時間・エラー率・リソース使用率といった性能指標を監視して問題を発見します。一方オブザーバビリティは、複数のメトリックス、ログ、トレースを相関的に分析し、より深い原因究明を可能にする考え方です。

監視の世界は数値監視から文字列監視、そして今――画像を解析対象とする「画像監視」へと進化しつつあります。各製品がオブザーバビリティ機能を強化する中、ZabbixもVersion 8.0から本格的に対応を進めています。

以下では、「Zabbix × AI によるサンタクロース検知」を題材に、画像監視の新たな可能性を実験的に紹介します。

なぜ今「画像監視」なのか
検証概要：Zabbix×AIによるサンタクロース検知
検証環境構成
実装手順
検証結果
注意点
まとめと今後の展望

なぜ今「画像監視」なのか

従来の監視はCPU負荷やメモリ、サービス応答時間といった定量的なメトリックス中心でした。しかし、数値では表せない現場の状態――防犯カメラ、天候、道路状況、作業手順の逸脱など――にも重要な監視情報が存在します。

画像を監視対象とすることで、人間の「目」が担っていた判断を自動化し、監視の範囲を飛躍的に拡張できます。これが「オブザーバビリティの次の段階」と考えられます。

検証概要：Zabbix×AIによるサンタクロース検知

本実験の目的は、Zabbixを中心にAI画像解析を連携し、視覚的なイベントを監視対象にできるかを検証することです。

実際には作業PCのカメラが撮影した画像をZabbixに送信し、AIがその画像内に「サンタクロースらしいもの」が写っているか判定します。

今回はAI環境にローカルLLM（Large Language Model）を採用しました。クラウドAIを利用する場合、API利用料や画像送信の通信コストが発生しますが、ローカル運用であればコストを抑制し、内部データを安全に処理できます。GPUを搭載したPC上で動作することで、クラウドコストゼロ・低遅延・オフライン分析を同時に実現できました。

検証環境構成

作業PC環境

機種：弊社標準ノートPC（Let’sNote）
カメラ操作：PowerShell＋FFmpegをユーザーパラメータ経由で実行
データ送信：撮影画像をBase64変換しZabbixへ送信

Zabbix環境

仮想アプライアンス：ZV-700
構成：CPU 2コア / メモリ 4GB

AI解析環境

CPU：Ryzen 5 7600
メモリ：32GB
GPU：RTX 4060
AI実行環境：WSL2＋Docker＋Ollama
AIモデル：llama3.2-vision（ローカルLLM）

実装手順

1. カメラ撮影設定（作業PC側）

FFmpegのインストール

winget install ffmpeg

撮影スクリプト（photo.ps1）

$CamName="USB HD Webcam"
$FfmpegPath="C:\Users\scsk-kodera\AppData\Local\Microsoft\WinGet\Packages\Gyan.FFmpeg_Microsoft.Winget.Source_8wekyb3d8bbwe\ffmpeg-8.0.1-full_build\bin\ffmpeg.exe"
$FilePath="C:\zabbix\photo.jpg"

& $FfmpegPath -y -f dshow -i "video=$CamName" -frames:v 1 $FilePath -loglevel quiet 2>&1 | Out-Null

$Bytes = Get-Content -Path $FilePath -Encoding Byte -Raw
$Base64String = [System.Convert]::ToBase64String($Bytes)
Write-Output $Base64String

Zabbix Agent設定

UserParameter=get.file.photo[*],"C:\Windows\System32\WindowsPowerShell\v1.0\powershell.exe" -NoProfile -ExecutionPolicy Bypass -File "C:\zabbix\photo.ps1"

2. 画像監視設定（Zabbix側）

(1) 撮影アイテム

名前	撮影アイテム
アイテムキー	get.file.photo
監視間隔	1m

(2) 画像保存アイテム

名前	画像アイテム
タイプ	依存アイテム
データ型	バイナリ
マスターアイテム	撮影アイテム

(3) AI画像判定アイテム

名前	サンタクロース判定アイテム
タイプ	依存アイテム
データ型	文字列
マスターアイテム	撮影アイテム
保存前処理（Javascript）	AI_URL = 'http://192.168.0.244:11434/api/generate' ai_req = new HttpRequest(); ai_data = { "model": 'llama3.2-vision', "prompt": 'Does the person in the image look like Santa Claus? Answer only with "yes" or "no".', "images": [value], "stream": false, "options": { "num_predict": 5, "temperature": 0.0 } }; ai_resp = ai_req.post(AI_URL, JSON.stringify(ai_data)); ai_resp = JSON.parse(ai_resp); return ai_resp.response; ※ここでプロンプトを指定しています

(4) トリガー設定

名前	サンタクロース検知
条件式	find(/pc/san,,,”Yes”)=1

3. AI環境構築

# Ubuntu導入
wsl --install -d Ubuntu-22.04
wsl -d Ubuntu-22.04

# Dockerセットアップ
sudo mkdir -m 0755 -p /etc/apt/keyrings
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg
echo "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.gpg] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null
apt install docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin -y

# Nvidiaのドライバ設定
curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/libnvidia-container/$distribution/libnvidia-container.list | \
  sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \
  sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list
apt install -y nvidia-container-toolkit

# Ollama起動（ローカルLLM）
docker run -d --gpus all -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama
docker exec -it ollama ollama pull llama3.2-vision

# Windows側からアクセス設定
netsh interface portproxy add v4tov4 listenaddress=0.0.0.0 listenport=11434 connectaddress=172.23.36.218 connectport=11434