摘要
新的机器学习技术可以实时监控工厂和仓库的工人，并告诉他们他们的工作是如何符合人体工程学(用户友好)的。这项研究的结果发表在IEEE机器人和自动化通讯杂志上。
新的机器学习技术可以实时监控工厂和仓库的工人，并告诉他们他们的工作是如何符合人体工程学(用户友好)的。研究结果发表在《IEEE机器人与自动化通讯》杂志上。
根据美国劳工统计局(U.S. Bureau of Labor Statistics)的数据，2017年有近35万名工人因腕管综合症等肌肉、神经、韧带或肌腱受伤而请病假。在事故发生率最高的工人中:在工厂和仓库工作的工人。
肌肉骨骼疾病发生在工作中，当人们使用笨拙的姿势或执行重复的任务。随着时间的推移，这些行为会给身体带来压力。因此，为了让员工在工作中保持健康，指出并尽量减少危险行为是很重要的。
华盛顿大学(University of Washington)的研究人员利用机器学习开发了一种新系统，可以实时监控工厂和仓库工人的行为，并告诉他们他们的行为有多危险。该算法将一系列活动分割开来，比如把一个盒子从高高的架子上拿下来，把它搬到一张桌子上，然后把它放在单独的动作中，然后计算与每个动作相关的风险评分。
“现在，工人们可以做一个自我评估，在表格上填写他们的日常任务，来估计他们的活动有多大的风险，”资深作者阿什尔·班纳吉(Ashis Banerjee)说，他是华盛顿大学工业与系统工程和机械工程两个系的助理教授。
“但这是很费时的，而且人们很难看到这对他们有什么直接好处。现在我们已经使整个过程完全自动化了。我们的计划是把它放在一个智能手机应用程序中，这样员工甚至可以监控自己，并得到即时反馈。”
对于这些自我评估，人们目前使用正在执行的任务的快照。每个关节的位置都会得到一个分数，所有分数的总和决定了这个姿势的风险有多大。但工作人员通常会针对特定的任务执行一系列动作，研究人员希望他们的算法能够计算出整个动作的总体得分。
转向视频更准确，但它需要一种新的方法来计算分数。为了训练和测试该算法，该团队创建了一个数据集，其中包含20个三分钟的视频，内容是人们在仓库或工厂中常见的17种活动。
第一作者Behnoosh Parsa是华盛顿大学机械工程博士生，他说:“我们让人们做的其中一项任务就是从架子上拿起一个盒子放在桌上。”“我们想捕捉不同的场景，所以有时他们不得不伸展胳膊，扭动身体，或者弯腰捡东西。”
研究人员使用微软Kinect摄像机捕捉数据集，该摄像机记录了3D视频，使他们能够绘制出参与者在每项任务中关节发生了什么。
使用Kinect数据，该算法首先学会计算每个视频帧的风险评分。然后，它进一步确定任务何时开始和结束，以便计算整个操作的风险得分。
该算法将数据集中的三个动作标记为危险行为:从一个高架子上拿起一个盒子，然后把盒子或一根棍子放到一个高架子上。
现在，该团队正在开发一款应用程序，工厂工人和管理者可以用它实时监控他们日常行为的风险。该应用程序将为中度风险行为提供警告，为高风险行为提供警告。
最终，研究人员希望仓库或工厂中的机器人能够使用该算法来帮助保持工人的健康。为了了解该算法在一个假想的仓库中工作得有多好，研究人员让一个机器人监控两名参与者执行相同的活动。在每次活动结束后的三秒钟内，机器人都会在显示屏上显示分数。
“工厂和仓库几十年来一直在使用自动化。现在人们开始在使用机器人的环境中工作，我们有一个独特的机会来分散工作，这样机器人就可以从事危险的工作。”“机器人和人类可以进行积极的合作，机器人可以说，‘我看到你正在从架子顶上拿起这些重物，我想你可能经常这样做。’”让我来帮你。’”
来源：Medindia
此文系悬壶济世网原创整理，没有授权，请勿转载！
