自动AzKNIOSH:使用Azure Kinect的自动NIOSH评估与任务识别相结合
Francesco Lolli1,2, Antonio Maria Coruzzolo1, Chiara Forgione3
1Department of Sciences and Methods for Engineering, University of Modena and Reggio Emilia, Reggio Emilia, Italy.
Ergonomics
|December 5, 2024
概括
使用Azure Kinect运动捕捉和AI任务识别的新自动化工具为NIOSH升降方程提供客观和高效的人体工程风险评估 (ERA),与黄金标准准确度相匹配.
科学领域:
- 职业健康和安全问题 职业健康和安全问题
- 生物机械工程 生物机械工程
- 计算机视觉 计算机视觉
背景情况:
- 使用视频分析进行标准人体工程学风险评估 (ERA) 是耗时且主观的.
- 运动捕捉 (MOCAP) 提供客观ERA,像Azure Kinect这样的深度摄像头是常见的.
- NIOSH提升方程是评估提升风险的关键工具.
研究的目的:
- 开发和验证一个自动化工具 (AzKNIOSH) 进行人体工程学风险评估 (ERA) 的NIOSH提升方程.
- 将Azure Kinect的动作捕捉数据与自动任务识别集成为完全自动化的ERA过程.
- 为了比较开发的工具的性能与已建立的商业软件和手动检测方法.
主要方法:
- 利用Azure Kinect深度摄像头进行动作捕捉数据采集.
- 开发了AzKNIOSH工具以使用MOCAP数据评估NIOSH提升方程.
- 采用卷积神经网络 (CNN) 来自动识别起重任务.
- 通过将结果与西门子 Jack TAT (IMU套装) 和手动任务检测进行比较来验证该工具.
主要成果:
- 在AzKNIOSH工具和西门子商用Jack TAT软件之间发现了很高的一致性.
- 使用CNN的自动任务识别显示了与手动检测相似的结果.
- 自动任务检测和AzKNIOSH的整合导致了一个完全自动化的ERA系统.
结论:
- 开发的Auto-AzKNIOSH系统为NIOSH提升方程的ERA提供了经过验证,客观和自动化的解决方案.
- 这种方法大大减少了与传统的ERA方法相关的时间和主观性.
- 该工具在职业健康和安全环境中具有很高的实际应用潜力.


