利用运动捕捉系统对OCRA指数进行仪表化:关于上肢工作相关活动风险分类的研究

科学领域:

• 人体工程学和职业健康学
• 生物力学和运动分析.
• 可穿戴技术可穿戴技术

背景情况:

• 对上肢活动的人体工程学风险评估对于预防与工作相关的肌肉骨疾病至关重要.
• 传统的方法可能耗时,需要专门的设置.
• 移动捕捉技术的进步为更高效和更准确的评估提供了潜力.

研究的目的:

• 引入和验证惯性运动捕捉系统以进行人体工程学风险评估.
• 使用一个专门的平台将职业成本降低评估 (OCRA) 指数数字化.
• 将惯性系统的效率和精度与传统和光学运动捕捉方法进行比较.

主要方法:

• 在蓝牙低能网络中部署了一个18个单元的惯性运动捕获系统.
• 活动被记录下来,并使用数字化OCRA指数的平台分析风险.
• 惯性系统的性能与半控制环境中的光学运动捕捉和传统风险分类技术进行了比较.

主要成果:

• 光学系统与传统方法紧密结合,显示出高精度.
• 与光学系统相比,惯性系统的误差幅度很小 (±0.098),所有方法的风险分类一致.
• 惯性系统实现了高F1得分 (风险为0.97,无风险为1) 并将评估时间缩短了65%.

结论:

• 惯性运动捕获系统为人体工程学风险评估提供了一个便携式,用户友好的,高效的替代方案.
• 它的精度与传统和光学方法相美,大大减少了评估时间和复杂性.
• 这项技术具有强大的潜力,可以提高工作场所的安全性,并减少上肢疾病的发生率.