滑铁卢大学开发了一套AI工具,教泥瓦匠初学者搬砖诀窍

简介:

经验丰富的泥瓦匠通常具备老道的习惯性技巧和技术以减轻负载于身上的压力。然而,这些技巧并不总能很轻松地传授给新一批建筑工人,这批人往往面临着相对较高的受伤风险,比如扭伤筋骨、拉伤韧带和肌肉。

据美国劳工统计局(Bureau of Labor Statistics)统计,一般建筑工程施工中,类似于扭伤和拉伤等肌肉骨骼性损伤占所有损伤的三分之一。这些损伤将致使工人错过工期,有时候甚至因此离开这个行业——这个已经变得老龄化且劳动力萎缩的行业。

在过去几十年里,尽管改良后的安全措施已经缓解了工作中的事故损伤率,但要减轻那些因关节和肌肉累积的压力而造成的损伤,则更加棘手一些。

最近,加拿大滑铁卢大学的研究人员正在利用人工智能工具来帮助新手工人降低损伤。滑铁卢大学土木工程师卡尔·哈斯(Carl Haas)与一个工程师团队使用这套工具追踪了工人的身体姿势,研究如何让泥瓦匠可以更加安全地工作。

这篇论文发表在《建造自动化》期刊,该论文作者、滑铁卢大学系统设计工程师Eihab Abdel-Rahman表示:“如果有人已经在这个行业工作了25年,那说明他已经找到了一种更加安全的工作方法。”

在这项研究中,研究人员观察了加拿大安大略省内一项学徒计划中的21个泥瓦匠,其中包括长期的专业人员、纯新手和有一至三年从业经验的人。人工智能软件能够识别出其每组之间微妙但值得注意的差异。

首先,研究人员提出一个框架,将各组泥瓦匠的工作姿势进行分类,来构建一个标准的混凝土块砌筑组合。这些由砖石建筑教练和经验丰富的泥瓦匠组成的小组,在经验上平均是其他组的5倍,他们拥有最高的生产力,其关节承载的压力也是最低的。因此,他们在这篇论文中均以专家著称。

然后,研究人员用惯性测量单元(IMU)和摄像机来收集泥瓦匠们特定姿势的运动学数据。同时,基于专家和新手在铺设945块转的过程中使用这个姿势的相对频率,用支持向量机(SVM)算法将泥瓦匠的姿势分为熟练级和不熟练级两个类别,并对这两个类别的情景进行了测试。

结果显示,在举起砖块时,经验丰富的泥瓦匠不需像经验较少的砖瓦匠那样弯腰,而且他们搬砖时还会让砖块更接近他们的身体。而这两项技巧减轻了人体背部和肩部关节的压力。

虽然这两个情景的准确性都能达到相似水平——分别为91.23%和92.04%,但二元分类的处理时间只有13秒,而组间多类别支持向量机则需523秒。就像机器诊断和系统辨识中的特振动频率一样,特定的姿势识别为观察专家型和新手型泥瓦匠提出了不同的方法。

这也就意味着,专家级泥瓦匠会利用更少且符合人体工学的、更加安全的姿势进行工作,同时也更有效率(这表现在其不浪费动作、能量消耗较低)。这种分类方法和姿势识别有助于研究人员开发负担得起的泥瓦匠培训系统,运用IMU与视频反馈资料来改善职员健康、提高泥瓦匠学徒的生产力。

研究人员已经把这些技巧分享给了那些正在接受培训的泥瓦匠们。他们已经与加拿大混凝土块砌筑生产者协会以及加拿大砖石建筑设计中心展开了合作,后两者将轮流在加拿大内施行学徒计划,来制定一项工作技巧准则清单。Abdel-Rahman表示:“这种方法可以挽救很多职业。”

研究结果同样也有助于解释一个奇怪的现象。据美国劳工统计局统计,施工损伤往往会在工人职业生涯的前几年呈上升趋势,但从第五年开始,受伤率减少。

在早前关于砖石建筑的一项研究中,研究人员也看到了类似的趋势走向。通过摄像机衡量工人们的砌砖姿势,他们计算出了施加于人体关节处的压力。他们发现,除了经验丰富的行家会觉得他们关节处的压力变轻了,而且新手也有同样的感受。而那些工作经验仅几年的人却感觉到了更重的压力。Abdel-Rahman表示:“这并不在我们的预料之中,因为人们往往会认为,由于他们有一定的经验,所以他们会使用能够保护自己的方式工作。”

而这项新研究所赞同的一种解释为,纯新手往往都不太自信,所以他们工作时会更加小心,且工作速度较慢。哈斯表示:“但我们发现,那些有两三年经验的学徒,为了在生产力方面不落后于经验丰富的泥瓦匠,他们会开始用有害身体健康的方式工作。”这种情况下,虽然这些有两三年经验的学徒能够获得信心且工作得更快,但在技术上他们仍然很差劲,只有等拥有更多年经验后,他们才能理解经验丰富的行家所采用的微妙、且更安全的技巧。而如果他们没能掌握这种技巧,将很可能会因此受伤并被迫转行。

此外,这种新方法也适用于其它建筑工作,它使得研究人员第一次能够将安全与不安全的定位量化和可视化。位于安阿伯市、参与了过去那份研究的密歇根大学土木工程师SangHyun Lee表示:“这使我们理解了,为什么一个富有经验的泥瓦匠工作起来更高效且更安全。”

最近,研究人员对钢筋捆扎工作也进行了类似的研究,其中包括把数条钢筋捆扎在一起铺设混凝土。SangHyun Lee表示,根据初步数据统计,有一个特定的技巧会使其作用于腰背部的力量降低两倍。

这种技巧可以用来保证员工的健康,这无论对员工还是公司而言都很不错。SangHyun Lee说:“这样做是可行的,而且这一点不仅限于砌砖。”







原文出处:科技行者
转载请与作者联系,同时请务必标明文章原始出处和原文链接及本声明。
目录
相关文章
|
10天前
|
人工智能 安全 测试技术
探索AI在软件开发中的应用:提升开发效率与质量
【10月更文挑战第31天】在快速发展的科技时代,人工智能(AI)已成为软件开发领域的重要组成部分。本文探讨了AI在代码生成、缺陷预测、自动化测试、性能优化和CI/CD中的应用,以及这些应用如何提升开发效率和产品质量。同时,文章也讨论了数据隐私、模型可解释性和技术更新等挑战。
|
8天前
|
机器学习/深度学习 人工智能 搜索推荐
AI与娱乐产业:电影制作的新工具
随着科技的发展,人工智能(AI)逐渐渗透到电影制作中,带来了前所未有的创新。本文探讨了AI在剧本创作、场景构建、特效制作、动作捕捉、音频处理、剪辑及市场调研等领域的应用,以及其对提升效率、激发创意和拓宽视野的影响,展望了AI在未来电影产业中的重要作用。
|
16天前
|
人工智能 小程序
【一步步开发AI运动小程序】五、帧图像人体识别
随着AI技术的发展,阿里体育等公司推出的AI运动APP,如“乐动力”和“天天跳绳”,使云上运动会、线上健身等概念广受欢迎。本文将引导您从零开始开发一个AI运动小程序,使用“云智AI运动识别小程序插件”。文章分为四部分:初始化人体识别功能、调用人体识别功能、人体识别结果处理以及识别结果旋转矫正。下篇将继续介绍人体骨骼图绘制。
|
16天前
|
人工智能 小程序 vr&ar
AI运动小程序开发常见问题集锦二
截至当前,我们的AI运动识别小程序插件已迭代至第23个版本,广泛应用于健身、体育、体测、AR互动等场景。本文针对近期用户咨询,汇总了常见问题,帮助用户减少开发成本,提高效率。主要涵盖计时与计数模式的区别、综合排行榜生成方法、全屏模式适配及无开发能力用户的解决方案。
|
20天前
|
机器学习/深度学习 人工智能 自然语言处理
NotebookLM与NotebookLlama 了解下 | AI工具
在AI技术飞速发展的今天,Google和Meta分别推出了基于大型语言模型的笔记本应用——NotebookLM和NotebookLlama。这两款产品不仅提供了强大的文档处理和编码支持,还在文档和编码领域引领了创新。NotebookLM强调个性化和隐私保护,而NotebookLlama则以开源和高度定制性著称。本文将深入解析这两款产品并进行对比分析。【10月更文挑战第16天】
99 2
|
27天前
|
人工智能 编解码 小程序
【一步步开发AI运动小程序】四、小程序如何抽帧
随着AI技术的发展,阿里体育等公司推出的“乐动力”、“天天跳绳”等APP使云上运动会、线上健身等概念备受关注。本文将引导您从零开始开发一个AI运动小程序,利用“云智AI运动识别小程序插件”。文中详细介绍了微信小程序抽帧的相关API、设置及注意事项,帮助开发者更好地实现AI运动功能。下篇将介绍人体识别技术,敬请期待。
|
29天前
|
机器学习/深度学习 人工智能 监控
利用AI进行代码审查:提升代码质量和开发效率
【10月更文挑战第12天】本文探讨了AI在代码审查中的应用及其优势,介绍了AI辅助代码审查工具如何通过自动化和持续学习提升代码质量和开发效率。文章还提供了实施AI辅助代码审查的具体步骤和实战技巧,帮助团队更好地利用这些工具。
|
28天前
|
机器学习/深度学习 人工智能 小程序
【一步步开发AI运动小程序】三、运动识别处理流程
随着人工智能技术的发展,阿里体育等公司推出的“乐动力”、“天天跳绳”等AI运动APP备受关注。本文将引导您从零开始开发一个AI运动小程序,使用“云智AI运动识别小程序插件”。文章介绍了视频帧、帧率FPS、抽帧和人体识别等基本概念,并详细说明了处理流程,包括抽帧、人体识别检测、骨骼图绘制和运动分析等步骤。下篇将介绍如何在小程序中实现抽帧。
|
4天前
|
机器学习/深度学习 人工智能 自然语言处理
当前AI大模型在软件开发中的创新应用与挑战
2024年,AI大模型在软件开发领域的应用正重塑传统流程,从自动化编码、智能协作到代码审查和测试,显著提升了开发效率和代码质量。然而,技术挑战、伦理安全及模型可解释性等问题仍需解决。未来,AI将继续推动软件开发向更高效、智能化方向发展。
|
8天前
|
机器学习/深度学习 人工智能 自然语言处理
AI在医疗领域的应用及其挑战
【10月更文挑战第34天】本文将探讨人工智能(AI)在医疗领域的应用及其面临的挑战。我们将从AI技术的基本概念入手,然后详细介绍其在医疗领域的各种应用,如疾病诊断、药物研发、患者护理等。最后,我们将讨论AI在医疗领域面临的主要挑战,包括数据隐私、算法偏见、法规合规等问题。
28 1

热门文章

最新文章