Nel 2017 erano quasi 350, 000 incidenti di lavoratori in congedo per malattia a causa di lesioni muscolari, nervi, legamenti o tendini, come la sindrome del tunnel carpale, secondo il Bureau of Labor Statistics degli Stati Uniti. Tra i lavoratori con il maggior numero di incidenti:le persone che lavorano nelle fabbriche e nei magazzini.

I disturbi muscoloscheletrici si verificano sul lavoro quando le persone usano posture scomode o svolgono compiti ripetuti. Questi comportamenti generano nel tempo uno sforzo sul corpo. Quindi è importante sottolineare e ridurre al minimo i comportamenti rischiosi per mantenere i lavoratori sani sul posto di lavoro.

I ricercatori dell'Università di Washington hanno utilizzato l'apprendimento automatico per sviluppare un nuovo sistema in grado di monitorare i lavoratori delle fabbriche e dei magazzini e dire loro quanto siano rischiosi i loro comportamenti in tempo reale. L'algoritmo suddivide una serie di attività, come sollevare una scatola da uno scaffale alto, portandolo su un tavolo e posizionandolo in singole azioni e quindi calcola un punteggio di rischio associato a ciascuna azione.

Il team ha pubblicato i suoi risultati il ​​26 giugno in Lettere IEEE sulla robotica e l'automazione e presenterà i risultati il ​​23 agosto alla IEEE International Conference on Automation Science and Engineering a Vancouver, British Columbia.

"In questo momento i lavoratori possono fare un'autovalutazione in cui compilano le loro attività quotidiane su un tavolo per stimare quanto siano rischiose le loro attività, ", ha affermato l'autore senior Ashis Banerjee, un assistente professore in entrambi i dipartimenti di ingegneria industriale e dei sistemi e di ingegneria meccanica presso l'UW. "Ma questo richiede tempo, ed è difficile per le persone vedere come ne benefici direttamente. Ora abbiamo reso l'intero processo completamente automatizzato. Il nostro piano è di inserirlo in un'app per smartphone in modo che i lavoratori possano persino monitorare se stessi e ottenere un feedback immediato".

Per queste autovalutazioni, le persone attualmente utilizzano un'istantanea di un'attività in esecuzione. La posizione di ogni articolazione ottiene un punteggio, e la somma di tutti i punteggi determina quanto sia rischiosa quella posa. Ma i lavoratori di solito eseguono una serie di movimenti per un compito specifico, e i ricercatori volevano che il loro algoritmo fosse in grado di calcolare un punteggio complessivo per l'intera azione.

Il passaggio al video è più accurato, ma richiede un nuovo modo per sommare i punteggi. Per addestrare e testare l'algoritmo, il team ha creato un set di dati contenente 20 video di tre minuti di persone che svolgono 17 attività comuni nei magazzini o nelle fabbriche.

"Uno dei compiti che abbiamo fatto svolgere alle persone era prendere una scatola da una rastrelliera e posizionarla su un tavolo, " ha detto il primo autore Behnoosh Parsa, uno studente di dottorato in ingegneria meccanica UW. "Volevamo catturare scenari diversi, così a volte avrebbero dovuto allungare le braccia, torcere i loro corpi o piegarsi per raccogliere qualcosa."

I ricercatori hanno catturato il loro set di dati utilizzando una fotocamera Microsoft Kinect, che ha registrato video 3D che hanno permesso loro di mappare cosa stava succedendo alle articolazioni dei partecipanti durante ogni compito.

Utilizzando i dati Kinect, l'algoritmo ha prima imparato a calcolare i punteggi di rischio per ogni fotogramma video. Quindi è passato all'identificazione dell'inizio e della fine di un'attività in modo da poter calcolare un punteggio di rischio per un'intera azione.

L'algoritmo ha etichettato tre azioni nel set di dati come comportamenti rischiosi:raccogliere una scatola da uno scaffale alto, e posizionando una scatola o un'asta su uno scaffale alto.

Ora il team sta sviluppando un'app che gli operai e i supervisori di fabbrica possono utilizzare per monitorare in tempo reale i rischi delle loro azioni quotidiane. L'app fornirà avvisi per azioni moderatamente rischiose e avvisi per azioni ad alto rischio.

Alla fine i ricercatori vogliono che i robot nei magazzini o nelle fabbriche siano in grado di utilizzare l'algoritmo per mantenere in salute i lavoratori. Per vedere come potrebbe funzionare l'algoritmo in un ipotetico magazzino, i ricercatori hanno fatto monitorare a un robot due partecipanti che svolgevano le stesse attività. Entro tre secondi dalla fine di ogni attività, il robot mostrava un punteggio sul display.

"Le fabbriche e i magazzini utilizzano l'automazione da diversi decenni. Ora che le persone iniziano a lavorare in ambienti in cui vengono utilizzati i robot, abbiamo un'opportunità unica di suddividere il lavoro in modo che i robot svolgano i lavori rischiosi, " ha detto Banerjee. "Robot e umani potrebbero avere una collaborazione attiva, dove un robot può dire, 'Vedo che stai raccogliendo questi oggetti pesanti dallo scaffale più alto e penso che potresti farlo molte volte. Lascia che ti aiuti.'"