评估头盔佩戴合规性:一种基于生物蜘蛛感系统的方法,用于头盔下巴带检测
1College of Electromechanical Engineering, Harbin Engineering University, Harbin 150009, China.
Biomimetics (Basel, Switzerland)
|September 26, 2025
概括
这项研究引入了一种使用MEMS惯性传感器来检测安全头盔带状态的新型非侵入性方法. 该方法实现了96%的准确性,提高了工业环境中的职业安全.
科学领域:
- 工程 工程师 工程师 工程师
- 生物模拟学是一种生物模拟学.
- 可穿戴技术可穿戴技术
背景情况:
- 在工业情报中,职业安全至关重要,安全头盔是关键的个人防护设备 (PPE).
- 需要实时检测头盔带状态,但当前的方法面临着用户不适和隐私问题等挑战.
- 现有的基于振动的检测方法在捕获空间特征和管理信号复杂性方面存在局限性.
研究的目的:
- 提出一种非侵入性和保护隐私的方法来检测安全头盔带佩戴状态.
- 用MEMS惯性传感器来模拟蜘蛛腿机械传感毛发的功能,用于头盔监控.
- 开发一种先进的深度学习模型,用于准确地分类带紧密度水平.
主要方法:
- 使用多个MEMS惯性传感器捕获姿势信号,模仿蜘蛛腿机械感知毛发.
- 开发了一种改进的自适应卷积神经网络 (ICNN),与长期短期记忆 (LSTM) 网络集成.
- 在爬墙机器人操作任务中使用20名参与者的数据进行ICNN-LSTM模型的培训和验证.
主要成果:
- 拟议的非侵入性方法实现了96%的高识别准确度,用于头盔带佩戴状态.
- 该ICNN-LSTM模型有效地使用单传感器和多传感器数据对带紧密度水平进行了分类.
- 证明了仿生方法在解决传统检测技术局限性的有效性.
结论:
- 开发的方法为监控安全头盔使用提供了一种实用,保护隐私和高效的解决方案.
- 这项研究通过智能个人防护设备监控,在确保职业安全方面取得了重大进展.
- 仿生传感器模拟和深度学习集成是可穿戴安全技术的新方法.
