一个智能系统,用于持续的坐姿监测,评估和个性化的反
David Faith Odesola1, Janusz Kulon1, Shiny Verghese1
1Faculty of Computing, Engineering and Science, University of South Wales, Pontypridd CF37 1DL, UK.
Sensors (Basel, Switzerland)
|September 27, 2025
概括
这项研究引入了一个智能椅子系统,使用压力传感器和机器学习来分析个人的坐姿. 它在分类姿势方面实现了98.29%的准确性,促进了更好的脊柱健康.
科学领域:
- 生物医学工程 生物医学工程
- 人与计算机的交互
- 医疗保健中的人工智能
背景情况:
- 长时间的坐着和不良姿势是与肌肉骨疾病和慢性健康状况相关的普遍问题.
- 现有的姿势分析方法经常使用通用数据,无法考虑个体生理差异.
- 需要个性化解决方案来监测和改善成人和劳动人口的坐姿习惯.
研究的目的:
- 开发一种新的智能感应椅子系统,用于分析个人的坐姿.
- 为准确的姿势分类创建一个用户定制的机器学习方法.
- 设计一个智能平台 (SitWell) 以实现个性化的姿势反和行为改变.
主要方法:
- 整合两个32x32压力传感器子到办公椅中,以收集姿势数据.
- 开发一个针对用户量身定制的方法,使用单个个体的数据进行个性化分析.
- 训练和比较五种机器学习模型 (DT,RF,SVM,KNN,CNN) 来分类19种不同的坐姿.
- 开发SitWell平台 (移动和网络) 具有姿势分类,持续时间分析和质量评估功能,集成GPT-4o以获得个性化见解.
主要成果:
- 卷积神经网络 (CNN) 模型实现了最高的分类准确率,达到98.29%.
- 该SitWell平台提供姿势分类,持续时间分析和质量评估.
- 通过SitWell平台使用GPT-4o提供个性化的见解和建议.
结论:
- 开发的智能感应椅子系统和SitWell平台为监测和改善坐姿提供了高度准确,个性化的解决方案.
- 这种针对用户量身定制的方法有效地解决了个体生理特征,以更好地形成姿势习惯.
- 集成先进的人工智能,包括LLM,通过促进更健康的坐姿行为,增强用户参与度并支持长期福祉.
