Bilgisayarlı görü ve makine öğrenmesi ile ergonomik risk değerlendirme uygulaması
Notice bibliographique
Résumé
Kas-iskelet sistemi rahatsızlıkları (KİSR), endüstride işle ilgili ölümcül olmayan hastalıkların büyük bölümünü oluşturmaktadır. Literatürde, KİSR bağlantılı hastalıkları önlemek için basit kontrol listelerinden karmaşık değerlendirmelere kadar birçok ergonomik risk değerlendirme yöntemleri ve bunları uygulayan yazılımlar mevcuttur. Ancak bu uygulamalarda genellikle açılar otomatik hesaplanırken, kol tutuş başarısı, omuz ve kolun destek alması gibi göreceli soruları kullanıcıya bir arayüz ile yöneltmeleridir. Bu çalışmada, MediaPipe makine öğrenmesi kütüphanesi ile REBA, RULA ve OWAS metotları için aynı anda ergonomik risk değerlendirme (ERD) raporu sunabilen web tabanlı bir platform geliştirilmiştir. Platformda yer alan değerlendirme ve kıyaslama algoritması ile ERD metotları içerisindeki göreceli sorular da geliştirilen uygulama tarafından cevaplanarak tutarlılık ve kullanım kolaylığı sağlanacaktır. Çalışmanın bu yönüyle literatürdeki boşluğu doldurması hedeflenmiştir. Önerilen platformun validasyonu amacıyla, poz tahmini algoritmalarında kullanılan Anahtar Nokta Benzerliği (OKS) testi uygulanmıştır. Test, 32 vücut anahtar noktasının her birine uygulanmış ve genel ortalamada %92 doğruluk oranı elde edilmiştir. Diğer test sürecinde ise ERD metotlarında kullanılmak üzere ölçülen vücut eklem açılarının doğruluğu hesaplanmıştır. 13 vücut eklemi açısının her biri gerçek olarak baz alınan açılarla karşılaştırılmış ve ortalamada 7,7°’lik RMSE (kök ortalama karesel hata) değeri elde edilmiştir. Elde edilen RMSE değeri ve OKS sonucu güncel literatür ile kıyaslandığında değerlerin tutarlı olduğu belirlenmiştir.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,005 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».