为矿工开发基于人工智能的职业噪音引起的听力损失早期预警系统

科学领域:

• 职业健康和安全 职业健康和安全
• 可穿戴技术是可穿戴的技术.
• 机器学习应用程序 机器学习应用程序

背景情况:

• 职业噪音引起的听力损失 (ONIHL) 是矿工的重要全球健康问题.
• 狭窄的矿山工作空间和重型机械加剧了噪音暴露和听力损伤的风险.

研究的目的:

• 开发和初步研究矿工听力损失的早期监测系统.
• 创建一个检测和提醒矿工危险噪音水平的系统.

主要方法:

• 开发了一个系统,将智能手表和智能听力与声音传感器集成在一起.
• 使用机器学习算法 (逻辑回归,SVM,决策树,随机森林) 收集和分析噪声强度和暴露频率数据.
• 一个模拟的矿山环境被用来测试50名参与者.

主要成果:

• 决策树算法显示了最高的准确性 (91.25%的测试,99.79%的训练).
• 该系统有效地检测了噪音水平,传输数据,并向矿工传达警报.
• 初步结果表明,该系统有可能在现实世界中应用.

结论:

• 开发的系统对在采矿环境中早期发现和预防ONIHL充满希望.
• 计划在实际矿山进行进一步的精炼和测试.
• 这项技术可以显著提高矿工的安全性和听力保护.