Digital ergonomics and AI-based evaluation in agricultural work systems
Raviraj Jegarkal · Sunil Shirwal · Anusha S 等 5 人
综述数字技术与AI在农业工效学评估中的应用，旨在减少肌肉骨骼损伤。
综述可穿戴传感器、IoT、计算机视觉、数字孪生及机器学习等AI技术。
数字工效学可实现客观、连续、预测性评估，但面临技术、数据、接受度等挑战。
未来可研究多传感器融合与轻量级AI模型，实现田间长期验证和智能决策支持系统。
系统综述AI与数字技术在农业人机工程评估中的应用，具前瞻性与实用价值。
农业仍然是体力要求最高的职业之一，劳动者经常暴露于重复性动作、不良姿势、人工物料搬运、振动、热应激及其他环境危害之中，导致职业性肌肉骨骼疾患（WMSDs）的高发。传统的工效学评估方法，如快速上肢评估（RULA）、快速全身评估（REBA）和奥瓦科工作姿势评估系统（OWAS），主要依赖人工观察，常受主观性、耗时性以及在动态田间条件下适用性差等因素的限制。农业4.0的最新进展加速了数字技术的融合，使客观、连续和预测性的工效学评估成为可能。本综述综合了数字工效学和基于人工智能（AI）的工效学评估在农业作业系统中的最新发展。文章考察了可穿戴传感器、物联网（IoT）平台、计算机视觉、动作捕捉系统、数字人体建模（DHM）、数字孪生、机器人技术及机器学习技术在劳动者姿势、生理反应和环境暴露实时监测中的应用。综述进一步讨论了包括机器学习、深度学习和决策支持系统在内的AI驱动方法，用于自动化姿势识别、工效学风险分级及WMSDs的早期预测。文中重点介绍了这些技术在收获、种植、除草、人工物料搬运和拖拉机操作中的实际应用，展示了数字技术在增强劳动者安全、改进工效学设计和提高作业效率方面的潜力。当前面临的挑战，如技术局限性、数据可用性、劳动者接受度、经济约束以及缺乏长期田间验证等问题，也进行了批判性讨论。未来研究应聚焦于具有鲁棒性的田间验证、多传感器集成、轻量化AI模型、以人为本的系统设计以及智能决策支持框架，以推动智能农业向预测性、数据驱动的职业健康管理转型。