Clasificador automático para la detección de carga empleando señales cinéticas de marcha

La detección de sobrecarga es un campo importante en el ámbito de la salud ocupacional, ya que los excesos de carga pueden causar lesiones graves en el cuerpo humano. Por lo tanto, si se tiene en cuenta que el peso adicional es un causante de las lesiones laborales, es esencial identificar cuando un trabajador experimenta una carga extra en alguna parte del cuerpo, con el fin de mejorar su bienestar y prevenir posibles lesiones a futuro. En este contexto, la presente investigación busca clasificar de forma automática la marcha de personas con carga localizada en su cintura y las que no la tienen. Para esto, se realizó un experimento con algunos estudiantes de la comunidad universitaria de la Universidad Pontificia Bolivariana (UPB) del cual se adquirieron señales de aceleración en los diferentes ejes x, y, z a través del acelerómetro de un dispositivo móvil, en dos contextos: con una carga de 3.0 kg localizada en la cintura y sin dicha carga. Luego, se realizó una búsqueda para la arquitectura de una red neuronal con el mejor desempeño para identificar una sobrecarga. En primer lugar, durante el preprocesamiento se extrajeron 33 características en el dominio del tiempo y de la frecuencia. Seguidamente, se procedió a dividir la base de datos, 74 % para el entrenamiento y 26 % para la prueba. La arquitectura obtenida está dada por tres capas densas con 80, 20 y 10 neuronas, y finaliza con una capa de dos neuronas. Del entrenamiento, se obtuvo una exactitud del 91.9 % y un valor F de 0.91; mientras que, en la prueba, se obtuvo una exactitud del 44.48 % y un valor F de 0.53 y 0.33 para la clase “con carga” y “sin carga”, respectivamente. Estos resultados muestran una alternativa para el control automático de la carga manipulada por trabajadores, mediante la integración de señales cinéticas y redes neuronales.