计算机视觉和触觉手套:在起重任务风险评估中的多式模式

科学领域:

• 职业安全和人体工程学
• 生物力学 生物力学
• 人与计算机的交互

背景情况:

• 过度劳动造成的与工作有关的伤害,特别是举重,带来了重大的职业安全挑战.
• 传统的评估工具,如修订的NIOSH提升方程 (RNLE),需要广泛的培训和实践.
• 现有的单一模式评估方法在实时,全面的风险评估方面存在局限性.

研究的目的:

• 开发和验证一种新的方法,将触觉手套和计算机视觉 (CV) 整合起来,以便更好地评估与举重相关的受伤风险.
• 通过创建更容易获得和更有效的风险评估工具来解决传统方法的局限性.
• 为了研究手压和3D身体姿势数据结合的有效性,用于预测举重风险类别.

主要方法:

• 31名参与者在定义的风险类别中完成了2747个举重任务 (LI < 1, 1 ≤ LI ≤ 2,LI > 2).
• 收集的数据包括通过触觉手套的手压和使用视频记录的CV算法估计的3D身体姿势.
• 使用组合的特征数据开发了一个卷积神经网络 (CNN) 模型,用于风险预测.

主要成果:

• 美国有线电视新闻网 (CNN) 模型在分类三种起重风险类别方面表现出89%的高整体准确率.
• 触摸手套数据和CV衍生体位信息的整合对于风险评估是有效的.
• 该研究成功地建立了一个与举重相关的伤害风险的预测模型.

结论:

• 开发的系统显示出作为一个实时,非侵入性工具的巨大潜力,用于评估与起重相关的受伤风险.
• 这种方法可以帮助人体工程学从业者在各种工作环境中主动减轻肌肉骨损伤风险.
• 触觉和计算机视觉的融合为职业生物力学和安全提供了有前途的进步.