Big Brother will be bientôt watching you lifting a heavy load. Et si votre profil de soulevé de charges est franchement différent de l’algorithme du levé standard, gare à vos fesses….

Cette étude a pris en compte de multiples aspects caractéristiques des soulevés de charge à l’aide de capteurs inertiels portables. Le joujou, en vente dans le commerce, détecte le début et de la fin du levé, classifie le mouvement vertical de l’objet, la posture utilisée, le poids de l’objet, l’asymétrie du geste. En outre, la durée du geste, la distance horizontale avec l’objet, le déplacement vertical de l’objet et l’angle asymétrique sont calculés comme paramètres de la levée. 

Vingt-quatre participants en bonne santé ont effectué deux répétitions de 30 levées principales différentes. 

Les données de ces essais ont été utilisées pour développer, entraîner et évaluer les algorithmes de caractérisation des levées présentés. 

L’algorithme de détection du levé de charges a certes quelques erreurs de mesure, du style 0,10 s ± 0,21 s d’erreur quant au début du geste pour les 1489 essais de lever, mais pour la posture, l’asymétrie, le mouvement vertical et le poids, rien de rédhibitoire. 

À l’avenir, ces algorithmes pourront être étendus et améliorés pour fonctionner en temps réel disent les auteurs.

Cela permettra de les utiliser dans des applications telles que la surveillance (de la santé) en temps réel et le retour d’information pour les appareils d’assistance.

J’imagine qu’Amazon va investir assez rapidement sur le sujet…

Références bibliographiques 

Steven D Hlucny, Domen Novak. Characterizing Human Box-Lifting Behavior Using Wearable Inertial Motion Sensors. Sensors (Basel). 2020 Apr 18;20(8):E2323. doi: 10.3390/s20082323.

(article en accès libre)