مقاله
مروری بر تکنیکهای یادگیری ماشین برای ارزیابی ریسک ارگونومیک بر اساس تخمین وضعیت بدن
A review of machine learning techniques for ergonomic risk assessment based on human pose estimation
مروری بر تکنیکهای یادگیری ماشین برای ارزیابی ریسک ارگونومیک بر اساس تخمین وضعیت بدن
تاریخ انتشار: اکتبر ۲۰۲۵
نویسندگان: Y. Zhang, M. Li, H. Wang
منبع: Discover Artificial Intelligence (Springer)
لینک مقاله: مشاهده در Springer
مقدمه
ارزیابی ریسک ارگونومیک (ERA) ابزاری حیاتی برای پیشگیری از اختلالات اسکلتیعضلانی در محیطهای کاری است. این مقاله به بررسی روشهای نوین مبتنی بر یادگیری ماشین و تخمین وضعیت بدن برای خودکارسازی فرآیند ارزیابی ریسک میپردازد.
اهداف مقاله
- بررسی الگوریتمهای یادگیری ماشین در تحلیل وضعیت بدن
- مقایسه دقت و سرعت روشها در محیطهای واقعی
- ارائه چارچوبی برای پیادهسازی سیستمهای خودکار ERA
روششناسی
| تکنیک | کاربرد در ارگونومی | مزایا |
|---|---|---|
| OpenPose | استخراج نقاط کلیدی بدن از ویدیو | دقت بالا، متنباز |
| MediaPipe | تخمین سهبعدی وضعیت بدن | سبک و سریع |
| DeepLabCut | آموزشپذیر با دادههای سفارشی | مناسب برای محیطهای خاص |
| CNN + LSTM | تحلیل توالی حرکات | تشخیص الگوهای تکراری |
نتایج کلیدی
- دقت بالای ۹۰٪ در تشخیص وضعیتهای پرخطر با مدلهای یادگیری عمیق
- امکان استفاده از دوربینهای RGB معمولی
- چارچوب پیشنهادی شامل ضبط ویدیو، استخراج وضعیت، تحلیل ریسک و گزارشدهی خودکار
کاربردهای عملی
- صنایع تولیدی: پایش وضعیت کارگران
- بیمارستانها: ارزیابی وضعیت پرستاران
- ادارات: تحلیل وضعیت نشستن کارکنان
- داشبوردهای مدیریتی: اتصال به سیستمهای هشداردهی
پیشنهادات نویسندگان
- ترکیب دادههای وضعیت بدن با اطلاعات محیطی برای تحلیل دقیقتر
- توسعه ابزارهای متنباز برای محیطهای صنعتی
- آموزش مدلها با دادههای بومی
منابع علمی
- Zhang et al., 2025 – Discover Artificial Intelligence
- Mathiassen et al., 2023 – Applied Ergonomics
- ISO 11226:2000 – ارزیابی وضعیتهای کاری ایستا
