一个基于视频的评估工具,使用机器学习来预测手动提升任务中的工程学风险

科学领域:

• 职业健康和安全 职业健康和安全
• 人体工程学就是人体工程学.
• 生物力学 生物力学

背景情况:

• 手动提升在物流,医疗保健和制造业中很普遍.
• 这些任务带来了重大的人体工程学风险,导致肌肉骨系统疾病.

研究的目的:

• 开发一个基于视频的 ergonomic 风险评估工具.
• 从智能手机视频中使用修订的NIOSH提升方程来量化风险.

主要方法:

• 集成的MediaPipe Pose标志器用于联合跟踪.
• 使用的分类和回归树用于起重阶段分类.
• 使用反向传播的神经网络进行参数补偿.

主要成果:

• 该工具计算了推重量限制 (RWL) 和起重指数 (LI).
• 在实验室和现场数据集上验证.
• 证明了适应性,可扩展性和成本效益.

结论:

• 拟议的工具提供了一种实用的方法,用于对手动提升过程中的人体工程学风险进行评估.
• 它为工业提供了具有成本效益和可访问的解决方案.
• 通过改进人体工程学实践,有可能减少肌肉骨疾病.