基于人工智能的人体全身姿势预测在连续负载达到/离开活动
Reza Ahmadi1, Mahdi Mohseni1, Navid Arjmand1
1Department of Mechanical Engineering, Sharif University of Technology, Tehran, Iran.
Journal of biomechanics
|April 13, 2025
概括
这项研究开发了人工神经网络 (ANN),用于预测工人在处理负载时的身体姿势,改善人体工程学评估. 该ANN提供连续的,阶段特定的姿势预测,用于职业风险管理.
科学领域:
- 职业健康和安全 职业健康和安全
- 生物力学 生物力学
- 人工智能在人体工程学中的应用
背景情况:
- 评估工人的身体姿势对于管理肌肉骨损伤风险至关重要.
- 传统的姿势测量方法对于现实世界的职业环境是不切实际的.
- 现有的模型缺乏对动态任务的连续,相位特定的姿势预测.
研究的目的:
- 开发人工神经网络 (ANN),用于预测3D连续全身姿势.
- 专注于提升/降低活动的负载达到和卸载阶段.
- 为了补充以前的ANN,用于搬运阶段.
主要方法:
- 利用了来自20名健康初学者的全身运动数据集.
- 开发了四个ANN,使用任务和主题特定的参数作为输入.
- 估计的连续体坐标和段/关节角度.
主要成果:
- 实现的平方根平均误差<3厘米和<10°的负载达到.
- 实现的平方根平均误差<4厘米和<15°的负载下降.
- 在身体左侧和后者活动半端发现了更高的错误.
结论:
- 开发的ANN允许持续的,特定阶段的姿势预测,增强人体工程学应用.
- 这种方法为职业环境中可访问的姿势预测工具提供了一步.
- 为了更广泛的适用性,需要在不同的人口统计学方面进行进一步的研究.
