logo SBA

ETD

Archivio digitale delle tesi discusse presso l’Università di Pisa

Tesi etd-08262021-140153


Tipo di tesi
Tesi di laurea magistrale
Autore
LUCIANI BRUNINI, MATTEO
URN
etd-08262021-140153
Titolo
Progettazione e sviluppo di un dispositivo applicabile alle scarpe per monitorare la postura degli arti inferiori mediante tecniche di intelligenza artificiale
Dipartimento
INGEGNERIA DELL'INFORMAZIONE
Corso di studi
COMPUTER ENGINEERING
Relatori
relatore Prof.ssa Lazzerini, Beatrice
relatore Prof. Pistolesi, Francesco
Parole chiave
  • arti inferiori
  • attività umana (HAR)
  • cifosi dorsale
  • classificazione
  • colonna vertebrale
  • dispositivo indossabile
  • disturbi muscolo scheletrici
  • ginocchia
  • intelligenza artificiale
  • k-NN
  • lavoratore
  • lombalgia
  • lordosi
  • machine learning
  • mal di schiena
  • posture da seduta scorrette
  • rete neurale (NN)
  • scarpe
  • scoliosi
  • sicurezza e salute sul lavoro
  • SVM
Data inizio appello
24/09/2021
Consultabilità
Non consultabile
Data di rilascio
24/09/2091
Riassunto
La seduta prolungata e l’assunzione di posture scorrette portano a problemi di salute come disturbi muscolo scheletrici e possono comportare il manifestarsi di malattie anche più gravi. Per i datori di lavoro a livello europeo, le malattie muscolo scheletriche risultano essere tra le più costose, seconde solo al cancro. La presente tesi, si pone come obiettivo quello di prevenire l’insorgere di malattie e disturbi muscolo scheletrici tramite, la progettazione e sviluppo di un dispositivo applicabile su scarpe, per monitorare le posture scorrette degli arti inferiori mediante tecniche di intelligenza artificiale. Sono state scelte le tre posizioni degli arti inferiori, risultate essere le più dannose per la salute: accavallamento, allungamento in avanti e allungamento all’indietro. Il dispositivo, composto dal sensore accelerometro, giroscopio e magnetometro, si attiva solamente se viene superata una soglia di accelerazione gravitazionale indicante l’inizio del movimento. Il dispositivo è stato pensato di dimensioni ridotte in modo che risultasse poco invasivo per il lavoratore, oltre che affidabile ed economico. Un classificatore neurale utilizza i segnali registrati dai sensori, per riconoscere le tre posizioni degli arti inferiori scorrette, con un’accuratezza risultante del 99.996%. Il classificatore è stato confrontato con altri due algoritmi di apprendimento k-nearest neighbor (k-NN) e support vector machine (SVM) entrambi, risultanti avere un’accuratezza del 99.0%.

File