组合方法包括使用干电极和机器学习进行低负荷生理测量,用于在遥控挖掘机中对视觉诱导的运动疾病进行分类
Naohito Yoshioka1,2, Hiroki Takeuchi1, Yuzhuo Shu2
1Graduate School of Robotics and Design, Osaka Institute of Technology, Chayamachi 1-45, Osaka 530-0013, Japan.
Sensors (Basel, Switzerland)
|October 16, 2024
概括
研究人员开发了一种系统,使用生理信号检测远程挖掘机操作员的视觉诱导运动病 (VIMS). 这项技术旨在提高建筑机械操作中的安全性和性能.
科学领域:
- 建筑工程工程 建筑工程
- 人类因素工程 人类因素工程
- 生物医学工程 生物医学工程
背景情况:
- 遥控挖掘机对于解决劳动力短缺和提高建筑安全至关重要.
- 视觉诱导的运动病 (VIMS) 对重型机械的有效远程操作构成了重大挑战.
研究的目的:
- 开发和验证一个原型系统,用于预测远程挖掘机操作员中VIMS的发生和严重程度.
- 在模拟重型机械操作过程中识别与VIMS相关的关键生理指标.
主要方法:
- 从使用挖掘机模拟器的9名参与者获得了多个低负荷的生理信号 (例如,冲击频率,皮肤导电性).
- 构建和验证光梯度增强机 (LGBM) 二元分类模型,使用大约30,000秒的时间序列数据和23个特征.
- 使用交叉验证和曲线下的面积 (AUC) 度量来评估模型性能.
主要成果:
- 获得了0.84的平均接收器操作特征 (ROC) AUC得分和0.71.71的平均精度回忆 (PR) AUC得分.
- 鉴定出频率和皮肤导电性反应是VIMS检测中特别重要的特征.
- 模型性能与主观VIMS严重性评估有很好的相关性.
结论:
- 开发的系统在准确检测远程机械操作员中的VIMS方面表现出前途.
- 这项研究有助于减轻VIMS,从而提高远程施工操作员的性能和安全.
- 进一步开发可以促进远程控制建筑机械的更广泛采用.
更多相关视频
06:18Assessing the Autonomic and Behavioral Effects of Passive Motion in Rats using Elevator Vertical Motion and Ferris-Wheel Rotation
Published on: February 7, 2020
7.4K
11:06A Human-machine-interface Integrating Low-cost Sensors with a Neuromuscular Electrical Stimulation System for Post-stroke Balance Rehabilitation
Published on: April 12, 2016
10.4K
