研究人员开发了一种系统来监测工厂中的危险行为

华盛顿大学的研究人员开发了一种新系统，能够监测工厂和仓库工人的行为，并实时警告他们可能存在的危险行为。该系统使用机器学习算法来实现这一功能。

根据美国劳工统计局的数据，约有35万名工人因肌肉、神经、韧带或腱伤害而需要请假。工厂和仓库工人中，受伤率最高。

这些事故通常是由于工人执行某些任务导致身体受到过度负担而引起的。研究人员试图找到一种方法来检测这些行为，以便工人可以更加注意安全。

新系统的算法将某些任务（如从高架上抬箱和携带物体）分解为个别动作，并计算每个动作的风险评分。

华盛顿大学工业与系统工程和机械工程系的助理教授阿希斯·班纳吉（Ashis Banerjee）是该研究的主要作者之一。

“目前，工人可以通过填写表格来评估自己的工作任务，并估计其活动的风险，”她说。“但是，这个过程很耗时，人们很难看到它如何直接造福他们。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，以便工人可以监测自己并获得即时反馈。”

目前的自我评估依赖于任务执行的快照，每个关节的位置都会被评分，并将所有评分加起来以确定风险评分。新的算法将使这个过程更加简单，因为它可以评分整个动作，而不仅仅是单个关节。

研究团队使用了一个包含20个三分钟视频的数据集，视频中的人们正在执行17种常见的工厂和仓库任务。

“我们让人们执行的一项任务是从货架上拿起一个箱子并将其放在桌子上，”首席作者、华盛顿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，因此有时他们需要伸展手臂、扭转身体或弯腰来拿取东西。”

研究人员使用微软Kinect摄像头来捕捉数据集，并记录了3D视频。然后，他们确定了在执行任务时人体关节的运动情况。

算法首先能够为每个视频帧计算风险评分，最后能够检测到任务的开始和结束，并为整个动作提供风险评分。

研究团队的下一步是开发一个工厂工人和主管可以使用的应用程序。他们希望该应用程序能够检测和警告中等风险和高风险的行为。

从长远来看，他们希望在工厂中使用机器人，并利用算法来帮助保持工人安全。

“工厂和仓库已经使用自动化技术几十年了。现在，人们开始在机器人被使用的环境中工作，我们有一个独特的机会来分配工作，以便机器人执行高风险任务，”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货架上拿重物，我认为你经常这样做。让我帮你。’”

该研究发表在《IEEE机器人和自动化信札》上，于6月26日发布，并将在8月23日的IEEE国际自动化科学和工程会议上进行演讲。