Clasificación de posturas mediante uso de redes neuronales y dispositivo IOT

Abstract

El tiempo que la población pasa sentada ha aumentado en las últimas décadas debido al incremento del uso del ordenador personal. Paralelamente, también han aumentado las dolencias musculoesqueléticas. Gran parte de estas son consecuencia directa de pasar largos periodos sentados en posturas estáticas. En este trabajo se ha desarrollado un sistema IoT de monitorización de la postura, consistente en un asiento equipado con 6 sensores de fuerza resistivos (FSR). La información de los sensores es clasificada por una red neuronal entrenada mediante técnicas de aprendizaje automático para diferenciar entre 7 posturas; 6 de ellas consideradas de mayor riesgo de causar dolencia. Se han recogido datos de 12 participantes y se han evaluado diferentes modelos de red neuronal en busca de la mayor efectividad de la red. El mejor modelo obtenido tiene una precisión media del 81% y consiste en dos capas ocultas de 128 neuronas cada una. Este resultado demuestra posible la distinción entre las posturas estudiadas con un uso mínimo de sensores, lo cual implica menor complejidad y coste que otros estudios similares.