人类活动识别算法用于手动物料处理活动
Andreas Sochopoulos1, Tommaso Poliero1, Jamil Ahmad1,2
1Department of Advanced Robotics, Istituto Italiano di Tecnologia, 16163, Genova, Italy.
Scientific reports
|March 31, 2025
概括
准确识别人为提升风格的人类活动需要多个可穿戴传感器和适当的数据处理. 这项研究优化了传感器放置,数据类型和神经网络模型,以更好地预防职业环境中的伤害.
科学领域:
- 生物医学工程 生物医学工程
- 人体工程学就是人体工程学.
- 机器学习 机器学习
背景情况:
- 使用惯性测量单位 (IMU) 的人类活动识别 (HAR) 对人体工程学评估和外骨技术越来越重要.
- 目前的研究缺乏关于识别各种举重风格的全面研究,需要优化数据集和分类算法.
研究的目的:
- 调查传感器放置,数量,时间窗口,分类器复杂性和IMU数据类型对起重风格分类的影响.
- 确定最佳参数以准确检测起重方式,这对于外骨架辅助策略和伤害预防至关重要.
主要方法:
- 对前神经网络,一维卷积神经网络和循环神经网络进行时间序列分类的分析.
- 评估各种传感器配置,时间窗口持续时间和IMU数据类型.
主要成果:
- 精确的提升风格检测受到使用的传感器数量和时间窗口的持续时间的影响.
- 能够利用时间数据依赖性的分类器架构对于区分提升风格中的微妙动力学差异至关重要.
结论:
- 最佳的人类活动识别需要多个传感器和更长的时间窗口.
- 先进的神经网络架构对于准确的分类至关重要,特别是对于像职业外骨架这样的嵌入式系统,以减轻受伤风险.
