可穿戴传感器实时监测工厂工人的疲劳程度

制造业是所有行业中受伤率最高的行业之一，这通常是由于工人身体和精神高度疲劳造成的。为了改善工作场所，研究人员设计了一套可穿戴传感器系统，该系统依靠机器学习来监测工人的身体紧张和疲劳迹象。通过这种方式，他们希望他们的新设备能够帮助预防事故和伤害。

美国西北大学的一个研究小组在 10 月号的PNAS Nexus上发表了一项研究报告，详细介绍了这一设计。为了测量疲劳和身体健康状况，研究人员开发了一个由六个传感器组成的互连阵列，放置在佩戴者的躯干和手臂上。它们与两个深度摄像头相结合，用于测量关节运动，还有一个高清网络摄像头，用于分析运动强度、重复性和随时间推移的力量减弱情况。一旦启用，这些设备会持续监测心率、皮肤温度和运动模式。但鉴于目前没有被广泛接受的通用疲劳生物标志物指标，研究人员依靠佩戴者自我报告的 0-10 级自觉用力程度，然后将其输入机器学习模型。研究人员表示，经过训练后，该模型将用于实时预测用户的疲劳程度，从而比过去的研究“更细致入微地了解受试者的身体状况”。

研究团队在论文中写道：“采用实时疲劳预测新技术有可能通过优化工作计划和实施自适应的工作/休息周期彻底改变制造业，同时解决缺乏确定性生物标记的问题。”

为了测试他们的系统，该团队招募了 43 名年龄在 18 岁到 56 岁之间的参与者，然后让他们模拟两项艰难的制造工作——线束和复合板铺层。然而，在这些场景中，志愿者们还穿着重达 40 磅的加重背心，以将疲劳程度快速提升到通常在轮班结束时感觉到的程度。从那里，研究人员监测传感器读数以及机器学习程序的预测。研究人员甚至将他们的传感器（减去额外的重量）带到实验室外，并将它们提供给两个工厂的实际制造业工人，他们注意到该系统易于使用且不引人注目。

[相关：宝马在南卡罗来纳州的工厂安装人形机器人。]

根据研究结果，其中一个直接的结论是确认关于疲劳的“真正有意义的反馈”需要将劳累程度视为“连续变量”。他们写道，许多现有方法将个人分为疲劳或非疲劳，这对于实施预防性安全措施根本不够。

此外，鉴于每个人的身体状况不同，疲劳的最佳身体指标组合会因年龄、性别和体重等因素而因人而异，但在两项制造任务中仍观察到一些普遍趋势。例如，最明显的劳累迹象之一是测量用户非惯用手的疲劳程度。另一个指标是通过使用胸部传感器测量工人的行走运动强度来发现的。传感器记录的常见疲劳迹象（如心率加快、体温升高和出汗）也有助于为评估劳累程度的模型提供信息。

研究人员希望，与他们自己的传感器系统类似的传感器系统将有助于提供更准确、更有用的工厂实时体力劳动疲劳监测系统。为了实现这一目标，他们将自己的方法设计作为开放材料在线发布。

然而，技术的作用取决于监管者的允许。因此，该团队承认，制造公司在使用这些设备时必须遵守道德和负责任的标准。

研究人员写道：“尽管我们通过这项研究的总体目标是确保工人安全、降低风险并通过主动反馈赋予操作员权力，但我们认识到在现实工作环境中部署此类系统所涉及的道德和法律问题。”“我们希望持续的技术进步，包括我们在预测制造环境中的身体疲劳方面的努力，将激发关于部署的建设性讨论。”