Multi-class Classification of Industrial Fall from Height based on Machine Learning Algorithm
Bummo Koo, Jong-Man Kim, Yejin Nam, Dong-Jin Sung, Jae-Woo Shim, Sumin Yang, Youngho Kim · Transactions of the Korean Society of Mechanical Engineers A · 2022
본 연구에서는 웨어러블 관성센서를 사용하여 산업현장 추락에 대한 기계학습 기반의 다집단 분류를 시도하였다. 20명의 건강한 성인 남성을 모집하였으며, 15가지 non-FFH 동작과 5가지 low-hazard-FFH 동작 그리고 한 가지 high-hazard-FFH 동작을 3회씩 반복 측정하였다. 5개의 기계학습 기법(SVM, k-NN, LDA, QDA, MLP)에 대하여 two-class 분류성능과 three-class 분류성능을 비교하였다. 분석 결과 SVM이 two-class 분류와 three-class 분류에서 각각 99.5%와 98.2%의 가장 높은 정확도를 보였다. 또한, 세 가지 전처리 기법들(SMOTE, min-max 정규화, univariant feature selection) 역시 알고리즘 성능 향상에 기여함을 볼 수 있었다.