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的系统，能够监测工厂和仓库工人，并实时警告他们的危险行为。这种新系统依赖于机器学习来实现这一功能。

根据美国劳工统计局的数据，大约有35万名工人因肌肉、神经、韧带或腱伤害而请假。工厂和仓库的工人中，发生此类事件的工人数量最高。

这些事件通常是肌肉骨骼疾病，当人们执行某些任务时会对身体造成压力。这些研究人员寻找了一种方法来检测这些行为，以便工人可以更加意识到这些风险。

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。然后，对每个动作计算一个风险评分。

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·巴纳吉（Ashis Banerjee）是该研究的资深作者之一。

“目前，工人可以进行自我评估，他们填写每日任务表来估计他们的活动有多危险，”她说。“但是，这很耗时，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。”

当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，然后将它们全部加起来以确定风险评分。这个新算法会使其变得更加简单，因为它能够评分整个动作。

该团队通过使用一个包含20个三分钟视频的数据集来测试算法，这些视频显示人们正在执行17项活动。这些活动在仓库和工厂中很常见。

“我们让人们执行的一项任务是从货架上取下一个箱子并将其放在桌子上，”华盛顿大学机械工程博士生、第一作者贝努什·帕尔萨（Behnoosh Parsa）说。“我们想捕捉不同的场景，所以有时他们必须伸出手臂，扭转身体或弯腰来捡起东西。”

研究人员然后使用微软Kinect摄像头捕获数据集，并记录了3D视频。他们然后确定了在任务执行过程中人体关节发生的情况。

算法首先能够为每个视频帧确定风险评分。最终，它能够判断任务何时开始和结束，因此能够为整个动作提供风险评分。

该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。他们希望它能够检测和警告中度危险和高危险的行为。

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算法帮助保持工人安全。

“工厂和仓库已经使用自动化几十年。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，以便机器人执行危险的任务，”巴纳吉说。“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提起这些重物，我认为你可能会多次这样做。让我帮你。’”

该研究发表在IEEE Robotics and Automation Letters 上，日期为6月26日，并将在8月23日的IEEE International Conference on Automation Science and Engineering上在不列颠哥伦比亚省温哥华进行演讲。