آقای «علی صحرانشین سامانی» دانشجوی مقطع دکتری تخصصی (Ph.D) ارگونومی در جلسه ای از گزارش پیشرفت پروژه تحقیقاتی خود با عنوان «توسعه و ارزیابی سامانه‌های هوشمند تحلیل حرکات انسانی» و با هدف بررسی دقت و قابلیت کاربرد سامانه‌های مبتنی بر هوش مصنوعی و بینایی ماشین در تحلیل حرکات بدن انسان، عنوان کرد که این پروژه با موفقیت وارد مراحل پیشرفته خود شده است.

به گزارش روابط عمومی دانشکده بهداشت، صحرانشین اظهار کرد: در سال‌های اخیر، تحلیل حرکات انسانی نقش بسیار مهمی در حوزه‌هایی مانند ارگونومی، سلامت شغلی، توانبخشی، علوم ورزشی و مهندسی پزشکی ایفا کرده است. با این حال، سامانه‌های مرسوم ثبت حرکت که مبتنی بر نشانگرهای نوری و تجهیزات آزمایشگاهی پیشرفته هستند، هزینه‌بر بوده و استفاده از آن‌ها محدود به محیط‌های تخصصی آزمایشگاهی است. به همین دلیل، توسعه سامانه‌های هوشمند کم‌هزینه و قابل استفاده در محیط‌های واقعی، به یکی از موضوعات مهم پژوهشی در سطح بین‌المللی تبدیل شده است.

او افزود: در این پروژه، سامانه‌های تشخیص وضعیت بدن مبتنی بر هوش مصنوعی با استفاده از چند دوربین معمولی و الگوریتم‌های پیشرفته بینایی ماشین مورد ارزیابی قرار گرفته‌اند. برای اعتبارسنجی نتایج، داده‌های استخراج‌شده از این سامانه‌ها با داده‌های به‌دست‌آمده از یک سامانه مرجع ثبت حرکت (Motion Capture) که به‌عنوان استاندارد طلایی شناخته می‌شود، به‌صورت هم‌زمان مقایسه شده‌اند.

این دانشجوی رشته ارگونومی گفت:آزمایش‌ها شامل مجموعه‌ای از حرکات ایستا و پویا، از جمله وضعیت‌های مختلف بدن و فعالیت بلند کردن بار بوده است. در این فرآیند، زوایای مفصلی اندام‌های فوقانی و تحتانی مانند شانه، آرنج، لگن و زانو محاسبه و دقت اندازه‌گیری آن‌ها با شاخص‌های آماری معتبر مورد تحلیل قرار گرفته است.

صحرانشین ادامه داد: یافته‌های اولیه پروژه نشان می‌دهد که چیدمان و موقعیت دوربین‌ها تأثیر بسیار مهمی بر دقت سامانه‌های بدون نشانگر دارد. نتایج حاکی از آن است که با انتخاب مناسب زاویه و فاصله دوربین‌ها، سامانه‌های مبتنی بر هوش مصنوعی می‌توانند به دقت قابل قبولی در اندازه‌گیری حرکات مفصلی دست یابند؛ به‌گونه‌ای که در برخی مفاصل اصلی بدن، میزان خطا در محدوده قابل قبول برای کاربردهای ارگونومیکی و پایش حرکات انسانی قرار می‌گیرد. او در پایان گفت: این دستاوردها می‌تواند زمینه‌ساز استفاده گسترده‌تر از سامانه‌های هوشمند تحلیل حرکت در محیط‌های غیرآزمایشگاهی مانند محل کار، مراکز توانبخشی، محیط‌های صنعتی و حتی منازل شود. همچنین، نتایج این پروژه می‌تواند به تدوین راهنماهای عملی برای استفاده صحیح از این فناوری‌ها در پژوهش‌ها و کاربردهای عملی کمک کند.

ایشان در این جلسه بیان داشت که در مراحل بعدی پروژه، تمرکز اصلی بر تحلیل‌های تکمیلی، بهینه‌سازی الگوریتم‌های پردازش داده، بررسی تأثیر عوامل محیطی و ارائه دستورالعمل‌های کاربردی برای استفاده مؤثر از سامانه‌های تحلیل حرکت مبتنی بر هوش مصنوعی خواهد بود. نتایج نهایی این پژوهش پس از تکمیل بررسی‌ها، در قالب مقالات علمی و گزارش‌های تخصصی منتشر خواهد شد.