抽象的
日常活动中最常用的身体区域之一是上肢，许多有效的肌肉骨骼障碍发生在该地区，主要是手。我们强调了学习在工作中执行的手动运动的重要性，以及它们如何影响工作人员的健康和生产力。从六个惯性测量单元和手指移动的六个惯性测量单元和六个电阻力传感器的手动捕获系统收集数据。使用腕部屈曲 - 伸展分析了两种常见的手动运动，其中一个小（-15°至15°）和中等（<-15°和> 15°）的运动和屈曲 - 伸展运动，手动纯合体。数据由传统方法分类。还记录了一种涉及3手指球形夹子的更复杂的运动。结果发现，来自六个惯性传感器和六个力电阻传感器的讲座显示了一种通过绘制数据的视觉分析识别基本和更复杂的运动（屈曲 - 延伸和球形手柄），即使在不同的范围内运动。
关键词
手腕屈曲 - 延伸 手腕旋转 球形夹子 惯性测量单位 电阻力传感器参考
-
1。Lee，K.S.，Jung，M.C。：符合人体工程学的生物力学手功能评价。SAF。健康工作6.（1），9-17（2015）。https://doi.org/10.1016/j.shaw.2014.09.002 十字架谷歌学术
-
2。Armstrong，T.J.，Foulke，J.A.，Joseph，B.S.，Goldstein，S.A .:累积植物加工厂累积创伤障碍的调查。是。IND。HYG。assoc。j。43.（2），103-116（1982）。https://doi.org/10.1080/15298668291409433 十字架谷歌学术
-
3.
-
4。王，J.，Chen，Y.，Hao，S.，Peng，X.，Hu，L .:深度学习传感器的活动识别：调查。模式识别。吧。119.，3-11（2019）。https://doi.org/10.1016/j.patrec.2018.02.010 十字架谷歌学术
-
5。Nweke，H.F.，Teh，Y.W.，Al-Garadi，M.A.，Alo，U.R .:使用移动和可穿戴传感器网络的人类活动识别的深度学习算法：最先进的艺术和研究挑战。专家系统。苹果。105.，233-261（2018）。https://doi.org/10.1016/j.eswa.2018.03.056 十字架谷歌学术
-
6。
-
7。薛，y。，ju，z.，xiang，k。，陈，j.，刘，h .:多峰人手运动传感和分析 - 评论。IEEE Trans。Cogn。开发。系统。11.（2），162-175（2019）。https://doi.org/10.1109/tcds.2018.2800167 十字架谷歌学术
-
8。PAPAFOTIS，K.，SOTIRIADIS，P.P：加速度计和磁力计接头校准和轴对齐。技术8.（1），11（2020）。https://doi.org/10.3390/technologies8010011 十字架谷歌学术
-
9。
-
10。SAEZ，Y.，Baldominos，A.，Isasi，P .:对分类器算法进行跨人物体育识别的比较研究。传感器17.（1），66（2016）。https://doi.org/10.3390/S17010066 十字架谷歌学术
版权信息
©作者，根据斯特普尔自然瑞士股份有限公司的独家许可beplay登入