在基于虚拟现实的智能制造环境中,使用深度学习方法进行人体姿势风险评估的工程学评估

科学领域:

• 人体工程学就是人体工程学.
• 工业工程 工业工程 工业工程
• 计算机视觉 计算机视觉

背景情况:

• 智能制造中的工业工作存在工人不安全姿势的风险.
• 准确识别和评估这些姿势风险对于工人的安全和生产力至关重要.
• 当前的方法可能无法完全捕捉高级制造环境中的姿势的动态性质.

研究的目的:

• 提出一个综合的人体工程学评估框架,用于识别基于虚拟现实的智能制造中的不安全姿势.
• 通过计算机视觉,深度学习和成熟的人体工程学评估工具的结合来评估姿势风险.
• 分析导致最不安全姿势的方向运动.

主要方法:

• 使用深度学习 (DL) 卷积神经网络方法与计算机视觉来检测身体关键点位移并估计质量中心 (COM).
• 应用人体工程学风险评估工具,包括快速上肢评估 (RULA) 和快速全身评估 (RWBA),以量化风险水平.
• 进行差异分析 (ANOVA) 来比较垂直和水平姿势运动方向.

主要成果:

• 成功识别和评估了与智能制造环境中的不安全姿势相关的人体工程学风险水平.
• 基于DL的计算机视觉方法有效地识别了姿势偏差.
• 在姿势运动中发现了显著的差异,有助于高风险姿势.

结论:

• 综合人体工程学评估有效地识别和量化智能制造中的姿势风险.
• 深度学习和虚拟现实集成提供了一个强大的方法来分析工人人体工程学.
• 调查结果为行业经理和研究人员提供了有价值的见解,以提高工作场所的安全.