Перспективи використання сучасних методів машинного навчання для покращення умов сидячих робочих місць шляхом аналізу та контролю постави людини
DOI: 10.31673/2412-9070.2021.042631
Анотація
Запропоновано аналіз останніх досліджень, проведених з метою контролю здоров’я працівників із сидячим способом роботи. Результати показують, що в розвинених країнах світу майже 75% усіх працівників під час своєї професійної діяльності перебувають у положенні сидячи. Це призводить до довгочасних порушень у сидячій поставі людини, що зі свого боку провокує кістково-м’язові ускладнення в спині, шиї, плечах, руках та ногах людини. Хронічні болі в спині стають повсякденною проблемою багатьох людей, а іноді навіть і професійним захворюванням. Визначено, що серед шляхів боротьби з негативним впливом сидячого стилю життя та праці одними з основних є контроль за поставою та цикл відповідних фізичних вправ. Обидва шляхи потребують самоконтролю особистості, а для декого навіть нагадування від різних гаджетів. Тому останніми роками дедалі більшого розвитку набули «розумні» пристрої та допоміжне програмне забезпечення, яке супроводжує сучасну людину в спробах контролювати стан свого здоров’я. Одним із напрямків досліджень та розроблень у цій галузі є вивчення можливих шляхів використання машинного навчання в наведеній проблематиці. Реалізовано створення апарату засобів машинного навчання та нейронних мереж, основним завданням якого є аналіз постави людини із зображенням та відеопотоком, виведенням результатів у прийнятному для подальшого використання вигляді. Цілями розроблення визначено — сформування системи, яка контролюватиме людину під час її праці, нагадуючи про її поставу, мінімізуючи потенційний негативний вплив на здоров’я кожного. Розглядувана система має достатньо засобів для точного аналізу постави людини зі статичного зображення та аналізу з точністю 92-94% із відеопотоку. Для прикладного програмного інтерфейсу було розроблено додаток-розширення для веббраузера Google Chrome з використанням мови вебпозначення HTML, мови стилів сторінок CSS та мови JavaScript на основі бібліотек «TensorFlow», які імпортують попередньо створену та натреновану систему машинного навчання. Це дає користувачеві змогу контролювати свою поставу під час роботи за персональним комп’ютером на своєму робочому місці. Додаток надає можливість самостійно відслідковувати поставу людини та повідомляти в разі виявлення порушень.
Ключові слова: методи машинного навчання; нейронна мережа; згорткова нейронна мережа; постава людини; сидячий спосіб.
Список використаної літератури
1. Reinecke S., Hazard R., Coleman K. A continuous passive lumbar motion device to relieve back pain in prolonged sitting // Advances in Industrial Ergonomics and Safety IV. London: Taylor & Francis, 2002. С. 971–976.
2. Winkel K., Jorgensen J. Evaluation of foot swelling and lower-limb temperatures in relation to leg activity during long-term seated office work // Ergonomics. 1986. №29. С. 313–328.
3. Naqvi S. А. Study of forward sloping seats for VDT workstations // Journal of Human Ergology. 1994. №23. С. 41–49.
4. Hoy D., Brooks P., Blyth R. The epidemiology of low back pain // Best Practice & Research: Clinical Rheumatology. 2010. №24. С. 769–781.
5. Kulikajevas A., Maskeliunas R., Damaševičius R. Detection of sitting posture using hierarchical image composition and deep learning. 2021 (PeerJ Computer Science; 7:e442).
6. Kim Y., Son Y., Kim W. Classification of Children’s Sitting Postures Using Machine Learning Algorithms. 2018. 8 с. (MDPI; 1280).
7. Roh J., Park H., Lee K. Sitting Posture Monitoring System Based on a Low-Cost Load Cell Using Machine Learning. 2018. 18 с. (MDPI; 208).
8. Buontempo F. Genetic Algorithms and Machine Learning for Programmers. 2019. 234 с. (The Pragmatic Programmers).
