摘要
随着《国家职业病防治规划(2021-2025年)》政策的印发，各行业中职业劳工的工作健康水平受到广泛的关注。得益于科技的发展过去传统工人的职业健康问题例如有害气体，振动等得到了一定的控制，但内在的由工作相关所导致的肌肉骨骼疾患(work-related musculoskeletal disorders , WMSDs)却难以避免和察觉。WMSDs涉及行业和人群广泛、患病率高，尤其在一些非自动化的作业中，已成为全球性的主要职业健康问题。相关研究中提出可通过作业姿势风险评估等方式对作业人员的工作进行纠正、改进，从而可预防肌肉骨骼疾患发生。因此本文结合了人体姿态识别、人因工程学、深度学习、模糊逻辑等理论知识，提出一种非侵入式的基于计算机视觉的作业姿势评估，以准确有效地评估劳工在工作时候的作业姿势风险，减少WMSDs的隐患，从而提高作业人员的职业健康水平，提高整体的劳动生产效率。本文主要的研究成果如下： (1)基于计算机视觉的人体姿态估计模型构建。本文基于MMPose构建了单目人体姿态估计模型，该模型包括人体目标检测层、二维人体姿态估计层和三维人体姿态估计层。在获取了人体关节点信息后，对关节角度进行了计算。本文提出了一种身体角度可靠性评估方法，用于筛选质量较高的姿势图像进行姿态估计，以提高后续作业风险评估的准确性。本文通过IMU惯性传感器以及Kinect进行对比实验验证了本文方法在关节点和角度识别方面的准确性，以及验证了通过身体角度可靠性评估可有效提高作业姿势风险评估水平。 (2)对传统作业姿势风险评估法的改进。引入了模糊逻辑理论改进了传统作业姿势风险评估法，该方法可在不突然改变风险评分的情况下，更有效地捕捉人类连续运动的缓慢过渡特征。通过方法可行性分析实验，验证了将人体姿态估计技术与人体作业姿势风险评估相结合的合理性。并且通过改进作业姿势风险评估法(FREBA、FRULA )与传统方法(RULA、REBA)实验对比，证明了改进方法提高了作业风险评估的精确性，并且更适合于作业姿势风险的动态评估。 (3)作业姿势风险评估应用的开发。本文整合了上述理论方法，设计开发了一种基于计算机视觉的作业姿势风险评估应用。该应用包括作业姿势采集、人体姿态估计、姿势风险评估、风险等级评价、生成结果报告等功能模块。通过拍摄作业人员的视频或图像作为输入，可以实现自动化的作业姿势风险评估，并最终生成详细的人体姿态估计可视化结果以及风险评估评分等级报告。这种应用为人体工程学姿势风险评估(EPRA)提供了一种新的范式。 研究结果表明，本文提出的基于计算机视觉的作业姿势风险评估方法能够有效、客观地评估作业人员的姿态，从而预防工作相关肌肉骨骼系统疾病(WMSDs)的潜在风险。改进后的作业姿势风险评估方法有效地解决了评估结果波动的问题，使得基于计算机视觉的姿态估计与传统作业姿势风险评估的结合更具合理性。该方法能够有效帮助改善作业人员工作姿态的规范性和减少风险，对于指导作业工人的工作流程以及工作姿势具有重要意义，有助于提高工人的职业健康水平。
NETL