通过深度学习辅助可穿戴传感器网络,对手动材料处理任务的生物力学分析进行封闭链反向动力学

科学领域:

• 生物力学 生物力学
• 可穿戴式传感器技术
• 深度学习应用程序

背景情况:

• 手动物料处理在物流中仍然很普遍,导致与工作有关的肌肉骨疾病,特别是在老年工人中.
• 生物力学分析对于量化过载和实施有针对性的预防策略至关重要.
• 可穿戴式传感器网络通过反向动态实现生态生物机械分析.

研究的目的:

• 开发和实施深度学习辅助的,完全可穿戴的传感器系统,用于实时生物力学力度评估.
• 创建一个计算高效的算法来分析人类肌肉骨生物力学使用逆动力学.
• 用自我中心相机和深度学习对象识别来估计负载及其分布.

主要方法:

• 使用可穿戴传感器网络与惯性测量单元用于动力学和脚接触数据.
• 在ROS中实现了一种新的,高效的算法,用于对肌肉骨系统的逆动态分析.
• 采用以自我为中心的摄像机,用于对象识别的深度学习,以估计负载和分布.

主要成果:

• 该系统在物体检测和掌握识别方面表现出高精度和稳定性,使可靠的负载估计成为可能.
• 生物力学分析结果与现有文献一致.
• 该系统提供在线评估手动物料处理任务期间的生物机械力度.

结论:

• 开发的可穿戴系统为物流中的在线生物机械力度评估提供了可行的解决方案.
• 准确的负载估计和生物力学分析可以为有针对性的干预措施提供信息,以减少与工作有关的伤害.
• 需要进一步细化步行细分,以提高下肢关节力估计的连续性.