ระบบตรวจจับท่านั่งและวิเคราะห์ท่าทางด้วยปัญญาประดิษฐ์จากภาพและวิดีโอ
Sitting Pose Estimation and Ergonomic Analysis System Using AI from Images and Videos
ผู้จัดทำ: นายปุญญาพัฒน์ จันทะคุณ
อาจารย์ที่ปรึกษา: อาจารย์ธิติพร ประมวล
ที่มาและความสำคัญ
ในชีวิตประจำวันและการทำงาน หลายคนมีท่านั่งที่ไม่เหมาะสมจนก่อให้เกิดอาการปวดเมื่อยและปัญหากล้ามเนื้อและกระดูก เช่น ออฟฟิศซินโดรมหรืออาการปวดหลังเรื้อรัง การตรวจสอบและปรับท่านั่งให้ถูกต้องจึงเป็นสิ่งสำคัญต่อสุขภาพและคุณภาพชีวิต แต่กระบวนการประเมินด้วยวิธีแบบเดิมมักต้องใช้เวลาและจำเป็นต้องพึ่งพาผู้เชี่ยวชาญเฉพาะทางเท่านั้น
จากปัญหาดังกล่าว โครงงานนี้จึงได้นำเทคโนโลยีปัญญาประดิษฐ์และการประมวลผลภาพเข้ามาประยุกต์ใช้ เพื่อตรวจจับและวิเคราะห์ท่านั่งแบบอัตโนมัติจากภาพถ่ายหรือวิดีโอ กลไกนี้จะช่วยให้ผู้ใช้งานสามารถประเมินท่านั่งของตนเองได้อย่างสะดวกรวดเร็ว ช่วยลดความเสี่ยงต่อปัญหาสุขภาพในระยะยาว และสนับสนุนการปรับพฤติกรรมการนั่งในชีวิตประจำวันได้อย่างมีประสิทธิภาพ
วัตถุประสงค์
-
เพื่อออกแบบและพัฒนาระบบตรวจจับท่านั่งและวิเคราะห์ท่าทางของมนุษย์โดยใช้เทคโนโลยีปัญญาประดิษฐ์จากภาพและวิดีโอ
-
เพื่อประเมินความถูกต้องของท่านั่งและลดความเสี่ยงต่อสุขภาพที่เกิดจากท่าทางที่ไม่เหมาะสม
-
เพื่อสร้างเครื่องมือที่ช่วยให้ผู้ใช้งานสามารถตรวจสอบและปรับปรุงท่านั่งของตนเองได้อย่างสะดวกและรวดเร็ว
-
เพื่อทดสอบประสิทธิภาพของระบบกับผู้ใช้งานจริงและปรับปรุงระบบตามข้อเสนอแนะเพื่อให้ตอบโจทย์การใช้งานและความพึงพอใจของผู้ใช้งาน
วิธีการดำเนินงาน (Methodology)
กระบวนการและหลักการทำงานของระบบแบ่งออกเป็นขั้นตอนตามผังการไหลของโปรแกรม (Process Flow) ดังนี้:
-
Pre-processing & Image Processing: เริ่มต้นจากการรับข้อมูลเข้า (Input) โดยผู้ใช้สามารถเลือกใช้เป็นรูปภาพหรือกล้องวิดีโอ จากนั้นทำการรันโปรแกรมเพื่อเข้าสู่ส่วนประมวลผลรูปภาพ
-
ตัดกรีดและหาคลาสของวัตถุ (Object Classification): ระบบจะประมวลผลภาพอินพุตเพื่อตัดกรีดและค้นหาคลาสของวัตถุที่ต้องการวิเคราะห์
-
ประมวลผลจุดสำคัญ (Keypoints Detection): ชุดข้อมูลภาพจะถูกส่งเข้าสู่กระบวนการประมวลผลหลักด้วยเทคโนโลยี YOLO และ OpenPose เพื่อทำการตรวจจับจุดสำคัญ (Keypoints) บนโครงสร้างร่างกายของมนุษย์
-
คำนวณและประเมินผลคะแนน (Ergonomic Scoring): ระบบจะนำพิกัดจุดสำคัญที่ตรวจจับได้มาคำนวณและจัดระดับคะแนนความเสี่ยงทางสรีรศาสตร์ตามเกณฑ์มาตรฐาน RULA และ ROSA
-
แสดงผลลัพธ์ (Output Display): สิ้นสุดกระบวนการทำงานโดยระบบจะแสดงกล่องขอบเขต Bounding box บนตัวแบบ พร้อมแสดงหน้าต่างสรุปคะแนนและให้คำแนะนำในการปรับเปลี่ยนท่านั่ง (Ergonomic Advice) ให้ถูกต้อง
ผลการดำเนินงาน (Results)
-
ความถูกต้องในการตรวจจับ: จากการทดสอบการทำงานของระบบตรวจจับท่านั่งด้วย AI พบว่าโดยรวมระบบมีประสิทธิภาพดี สามารถตรวจจับท่านั่งและคำนวณระดับคะแนนความเสี่ยงทางสรีรศาสตร์ได้อย่างถูกต้องแม่นยำ
-
ฟีเจอร์แนะแนวและการจัดการข้อมูล: ระบบมีหน้าต่างสรุปผลและแสดงคำแนะนำเกี่ยวกับการจัดสรีระที่ใช้งานง่าย (User-friendly interface) ควบคู่ไปกับระบบจัดการข้อมูลผลลัพธ์ที่อำนวยความสะดวกให้แก่ผู้ใช้ โดยสามารถส่งออกและบันทึกข้อมูลคะแนนทั้งหมดลงในไฟล์ Excel เพื่อจัดเก็บประวัติข้อมูลพฤติกรรมการนั่งได้อย่างสะดวก
สรุปผล (Conclusion)
โครงงานระบบตรวจจับท่านั่งด้วย AI ประสบความสำเร็จในการพัฒนาเครื่องมือที่สามารถประเมินท่านั่งได้โดยอัตโนมัติ ผ่านกระบวนการดำเนินงานที่เป็นระบบ ตั้งแต่การรวบรวมความต้องการ การวิเคราะห์เทคโนโลยี การออกแบบระบบ ตลอดจนการพัฒนาและทดสอบประสิทธิภาพร่วมกับผู้ใช้จริง ผลการดำเนินงานเชิงประจักษ์พบว่าระบบสามารถตรวจจับท่านั่งและคำนวณคะแนนความเสี่ยงตามหลัก RULA/ROSA ได้อย่างแม่นยำ มีฟีเจอร์สำหรับจัดการข้อมูลผลลัพธ์ที่สะดวก และสามารถแสดงผลคะแนนควบคู่กับคำแนะนำการปรับท่านั่งได้อย่างชัดเจน ซึ่งถือว่าบรรลุวัตถุประสงค์ของโครงการในการสร้างเครื่องมือที่มีประสิทธิภาพและพร้อมตอบโจทย์การใช้งานจริงเพื่อการดูแลสุขภาพของผู้ใช้งาน