机器学习用于确定仓库的工人安全工效学

根据世界卫生组织的数据，2017年，有近35万名工人因肌肉、神经、韧带或肌腱受伤而请病假美国劳工统计局．事故数量最多的工人是在工厂和仓库工作的人。

当人们在工作中使用尴尬的姿势或重复执行任务时，肌肉骨骼疾病就会发生。随着时间的推移，这些行为会给身体带来压力。因此，指出并减少危险行为以保持工人的健康工作是很重要的。

华盛顿大学的研究人员利用机器学习开发了一种新系统，可以监控工厂和仓库工人，并实时告诉他们他们的行为有多危险。该算法将一系列活动——比如从高架子上拿起一个盒子，把它搬到桌子上，然后把它放下——分成单独的动作，然后计算与每个动作相关的风险评分。这个团队公布结果《IEEE机器人与自动化通讯》6月26日。

研究报告的资深作者、华盛顿大学工业与系统工程系和机械工程系的助理教授阿什·班纳吉说:“现在，工人们可以进行自我评估，在桌子上填写他们的日常任务，以评估他们的活动的风险有多大。”“但这很耗时，而且人们很难看到它如何直接惠及他们。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。每个关节的位置都有一个分数，所有分数的总和决定了这个姿势的风险有多大。但工人们通常会为一项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分。

移动到视频更准确，但它需要一种新的方法来加分数。为了训练和测试算法，该团队创建了一个数据集，其中包含20个三分钟的视频，记录了人们在仓库或工厂中进行的17种常见活动。

“我们让人们做的任务之一是从架子上拿起一个盒子，把它放在桌子上，”第一作者、华盛顿大学机械工程博士生Behnoosh Parsa说。“我们想要捕捉不同的场景，所以有时他们不得不伸展手臂、扭动身体或弯腰捡东西。”

研究人员使用微软Kinect摄像头捕获了他们的数据集，该摄像头记录了3d视频，使他们能够绘制出参与者在每次任务中关节的情况。利用Kinect的数据，该算法首先学会了计算每个视频帧的风险评分。然后，它发展到识别任务何时开始和结束，以便计算整个操作的风险评分。该算法将数据集中的三种行为标记为风险行为:从高架子上拿起一个盒子，将盒子或棍子放在高架子上。

现在，该团队正在开发一款应用程序，工厂工人和主管可以使用该应用程序实时监控他们日常行为的风险。该应用程序将为中等风险操作提供警告，并为高风险操作提供警报。

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工人保持健康。为了了解该算法在假设的仓库中的工作情况，研究人员让机器人监测两名参与者执行相同的活动。在每项活动结束后的三秒内，机器人会在显示屏上显示一个分数。

“工厂和仓库已经使用自动化几十年了。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，让机器人做有风险的工作，”班纳吉说。“机器人和人类可以进行积极的合作，机器人可以说，‘我看到你正在从顶层的架子上拿起这些沉重的物体，我认为你可能已经做了很多次了。让我来帮你。’”

华盛顿大学

www.uw.edu

-由Chris Vavra编辑，CFE Media制作编辑，cvavra@cfemedia.com．

您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。