研究人员开发了一种监控工厂危险行为的系统

研究人员在 University of Washington 开发了一种新系统，能够监控工厂和仓库工人并实时警告他们危险行为。新系统依靠机器学习来完成这项工作。  

据统计，大约有 350,000 万起工人因肌肉、神经、韧带或肌腱损伤而请假的事件。 劳工统计局美科。 发生事故最多的工人是在工厂和仓库工作的工人。 

这些事件通常是肌肉骨骼疾病，当人们执行某些导致身体紧张的任务时就会发生。 这些研究人员正在寻找一种方法来检测这些行为，以便员工能够更加了解。 

新系统的算法将某些任务（例如从高架上提起箱子和搬运物体）划分为单独的动作。 然后计算每一项的风险评分。

阿希斯·班纳吉 (Ashis Banerjee) 是华盛顿大学工业与系统工程系和机械工程系的助理教授，也是本文的资深作者之一。

“现在，工人们可以进行自我评估，在桌子上填写日常任务，以估计他们的活动有多大风险，”她说。 “但这非常耗时，而且人们很难看到它如何直接使他们受益。 现在我们已经使整个过程完全自动化。 我们的计划是将其放入智能手机应用程序中，以便员工甚至可以监控自己并获得即时反馈。”

当前的自我评估依赖于正在执行的任务的快照。 每个关节的位置都会被评分，并将它们全部相加来确定风险评分。 这种新算法将使其变得更加简单，因为它能够对整个动作进行评分。 

该团队使用包含人们进行 20 项活动的 17 个三分钟视频的数据集来测试该算法。 这些活动在仓库和工厂中很常见。 

“我们让人们做的任务之一是从架子上拿起一个盒子并将其放在桌子上，”第一作者、威斯康星大学机械工程博士生贝努什·帕尔萨（Behnoosh Parsa）说。 “我们想要捕捉不同的场景，所以有时他们必须伸展手臂、扭转身体或弯腰才能捡起东西。”

然后研究人员使用 Microsoft Kinect 摄像头捕捉数据集，并录制 3D 视频。 然后他们确定任务期间该人的关节发生了什么情况。 

该算法首先能够确定每个视频帧的风险评分。 最终，它能够判断任务何时开始和完成，以便为整个操作提供风险评分。 

该团队的下一步是开发一款可供工厂工人和主管使用的应用程序。 他们希望它能够检测并警告中等风险行为和高风险行为。 

从长远来看，他们希望机器人能够在这些工厂中使用，并利用该算法来帮助确保工人的安全。 

“工厂和仓库使用自动化已经有几十年了。 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配工作，以便机器人来完成危险的工作，”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，‘我看到你正在从最上面的架子上拿起这些重物，我认为你可能会这样做很多次。 我来帮你。'”

该研究发表于 IEEE机器人与自动化快报 26月XNUMX日，将在 IEEE自动化科学与工程国际会议 23月XNUMX日在不列颠哥伦比亚省温哥华市。