你的仓库工作有多符合人体工程学？很快，应用程序可能会告诉你

根据美国劳工统计局的数据，2017年有近35万起工人因伤害影响肌肉，神经，韧带或肌腱（如腕管综合症）而请病假。在事件数量最多的工人中：在工厂和仓库工作的人。

当人们使用笨拙姿势或执行重复任务时，肌肉骨骼疾病会在工作中发生。这些行为随着时间的推移会对身体产生压力。因此，重要的是要指出并尽量减少危险行为，以保持工作人员的健康。

华盛顿大学的研究人员利用机器学习开发了一个新系统，可以监控工厂和仓库工人，并告诉他们他们的行为实时风险。该算法将一系列活动（例如将一个箱子从高架子上抬起，将其搬到桌子上并将其放下）分成单独的动作，然后计算与每个动作相关的风险评分。

该团队于6月26日在IEEE机器人和自动化快报上公布了其成果，并将于8月23日在不列颠哥伦比亚省温哥华举行的IEEE自动化科学与工程国际会议上发表研究结果。

“现在工人可以自己进行自我评估，他们在桌子上填写日常任务，以估计他们的活动风险，”资深作者Ashis Banerjee说道，他是工业和系统工程和机械工程部门的助理教授。威斯康星大学。 “但这很耗时，人们很难看到它如何直接使他们受益。现在我们已经完全自动化了整个流程。我们的计划是将其放入智能手机应用程序中，以便工作人员甚至可以监控自己并获得即时反馈“。

对于这些自我评估，人们当前使用正在执行的任务的快照。每个关节的位置得到一个分数，所有分数的总和决定了该姿势的风险程度。但是工作人员通常会针对特定任务执行一系列动作，研究人员希望他们的算法能够计算整个动作的总分。

转移到视频更准确，但它需要一种新的方法来累加分数。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个三分钟视频，其中包含17个在仓库或工厂中常见的活动。

“我们让人们做的任务之一就是从架子上拿起一个盒子放在桌子上，”第一作者Behnoosh Parsa说，他是一名威斯康星大学机械工程博士生。 “我们想捕捉不同的场景，所以有时候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Microsoft Kinect摄像头捕获了他们的数据集，该摄像头录制了3D视频，使他们能够在每项任务中绘制出参与者关节发生的事情。

使用Kinect数据，该算法首先学会计算每个视频帧的风险分数。然后它进展到识别任务开始和结束的时间，以便它可以计算整个动作的风险评分。

该算法将数据中心化的三个动作标记为危险行为：从高架上拾取一个盒子，并将盒子或杆放在高架子上。

现在，该团队正在开发一个应用程序，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。该应用程序将针对中等风险的操作提供警告，并针对高风险操作发出警报。

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保持工人健康。为了了解算法在假设的仓库中的运行情况，研究人员有一个机器人监控器，两个参与者执行相同的活动。在每次活动结束后的三秒钟内，机器人在其显示屏上显示分数。

“工厂和仓库已经使用了几十年的自动化。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解工作，以便机器人正在从事危险的工作，”Banerjee说。 “机器人和人类可以进行积极的合作，机器人可以说，'我看到你从顶层架子上拾起这些重物，我想你可能会这么做很多次。让我帮你。' “

故事来源：

物料 由…提供 华盛顿大学。注意：可以根据样式和长度编辑内容。