AI和机器学习

机器学习用于确定工人安全的仓库人体工程学

华盛顿大学的研究人员使用的机器学习开发一个监测工厂和仓库工人的系统,并实时地告诉他们他们的行为风险程度。

由莎拉麦克基特 2019年8月23日
礼貌:Parsa等人./ieee机器人和自动化字母/华盛顿大学

2017年,由于影响肌肉,神经,韧带或肌腱的伤害,有近350,000名事故带病。美国劳工统计局。在患有最多的事件中的工人中:在工厂和仓库工作的人。

当人们使用尴尬的姿势或执行重复任务时,肌肉骨骼障碍发生在工作中。这些行为随着时间的推移在身体上产生应变。因此,要指出并尽量减少风险行为,使工人保持健康的重要性。

华盛顿大学的研究人员使用机器学习来开发一个可以监控工厂和仓库工人的新系统,并告诉他们他们行为实时风险程度。该算法划分了一系列活动 - 例如将盒子从高架上抬起,将其携带到桌子并将其置于单个动作中,然后计算与每个动作相关联的风险分数。团队发布结果6月26日在IEEE机器人和自动化字母中。

“现在的工人可以进行自我评估,他们在桌上填写了他们的日常任务来估计他们的活动的风险程度,”工业和系统工程和机械工程部门的助理教授,担任助理教授uw。“但这是耗时的,并且人们很难看出它是如何直接受益的。现在我们已经完全自动化了这一整个过程。我们的计划是将它放在智能手机应用程序中,以便工人甚至可以监控自己并立即进行反馈。“

为了测试算法在仓库中可能在仓库中工作的方式,研究人员有一个机器人(白色臂)监控参与者在仓库的环境中执行活动。在每项活动结束的三秒钟内,机器人在其显示屏上显示得分(右)。礼貌:Parsa等人./ieee机器人和自动化字母/华盛顿大学

为了测试算法在仓库中可能在仓库中工作的方式,研究人员有一个机器人(白色臂)监控参与者在仓库的环境中执行活动。在每项活动结束的三秒钟内,机器人在其显示屏上显示得分(右)。礼貌:Parsa等人./ieee机器人和自动化字母/华盛顿大学

对于这些自我评估,人们目前使用正在执行的任务的快照。每个关节的位置得到得分,并且所有分数的总和决定了姿势的风险程度。但工作人员通常为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数。

移动到视频更准确,但它需要一种添加分数的新方法。要培训和测试算法,该团队创建了一个数据集,其中包含了20个在仓库或工厂中常见的17个活动的三分钟视频。

“我们有人的任务之一是从机架上拿起一个盒子并将它放在桌子上,”UW机械工程博士生第一作者Behnoosh Parsa说。“我们想捕捉不同的场景,所以有时他们必须伸展双臂,扭转他们的身体或弯曲以挑选一些东西。”

研究人员使用Microsoft Kinect Camera捕获了他们的数据集,该摄像头录制了3-D视频,允许它们映射到每个任务期间参与者的关节发生的内容。使用Kinect数据,算法首先学习以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时,以便它可以计算整个动作的风险分数。该算法在数据集中标记了三种动作,作为危险行为:从高架上拾取盒子,将盒子或杆放在高架上。

现在,团队正在开发一个应用程序,工厂工人和主管可以用来实时监测他们日常行动的风险。该应用程序将为高风险行动的中度风险行动提供警告,以获得高风险行动。

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帮助让工人健康。要看看算法如何在一个假想的仓库中工作,研究人员有一个机器人监控两个参与者执行相同的活动。在每项活动结束的三秒钟内,机器人在其显示屏上显示得分。

“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配工作,以便机器人正在进行危险的工作,“班杰烈说。“机器人和人类可以有积极的合作,机器人可以说,”我看到你从顶部的货架上捡起这些重物,我想你可能会这样做很多次。让我来帮助你。'”

华盛顿大学

www.uw.edu.

- 由Chris Vavra,生产编辑,CFE媒体编辑编辑,cvavra@cfemedia.com.


莎拉莫特
作者生物:Sarah E. McQuate,Ph.D.,华盛顿大学科学作家科学作家和UW工程学院