基于sEMG可穿戴传感器与机器学习的手动物料搬运工人人机工效风险评估自动化
机器学习
2021-10-22 v1 信号处理
摘要
从工效学角度看，手动物料搬运任务可能具有高度不安全性。监测身体姿势的安全检查有助于降低物料搬运的工效学风险。然而，可能导致损伤的别扭肌肉运动、拉伤和过度受力等真实影响可能无法通过外部线索识别。本文评估了基于表面肌电图(EMG)的系统结合机器学习算法自动检测物料搬运中可能损害肌肉的肢体运动的能力。分析采用了美国职业安全与健康研究所(NIOSH)开发的 lifting equation（举重方程）。该方程确定了推荐重量限值，即建议健康工人可搬运的最大可接受重量，以及用于评估风险程度的举重指数值。开发了四种不同的机器学习模型，即决策树、支持向量机、K近邻和随机森林，以基于NIOSH举重方程计算的风险评估进行分类。还评估了模型对各种参数的敏感性，以利用每种算法找到最佳性能。结果表明，决策树模型有潜力以接近99.35%的准确率预测风险等级。
引用
@article{arxiv.2109.15036,
title = {Automated Workers Ergonomic Risk Assessment in Manual Material Handling using sEMG Wearable Sensors and Machine Learning},
author = {Srimantha E. Mudiyanselage and Phuong H. D. Nguyen and Mohammad Sadra Rajabi and Reza Akhavian},
journal= {arXiv preprint arXiv:2109.15036},
year = {2021}
}