相关实验视频
Updated: May 25, 2025
08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
10.6K
无接触式疲劳水平诊断系统通过多模式传感器数据
Younggun Lee1, Yongkyun Lee2, Sungho Kim3
1Department of Electronics and Communication Engineering, Republic of Korea Air Force Academy, 635 Danjae-ro, Sangdang-gu, Cheongju 28187, Republic of Korea.
Bioengineering (Basel, Switzerland)
|February 26, 2025
概括
本研究介绍了一种使用人工智能和多式联络传感器的新型无接触系统,用于准确诊断高风险工作中的疲劳. 它提供实时监控,以提高关键职业的安全性和绩效.
科学领域:
- 生物医学工程 生物医学工程
- 人工智能的人工智能
- 职业安全 在职业安全.
背景情况:
- 疲劳在航空,消防和医疗保健等高风险职业中构成重大风险,可能导致严重事故.
- 现有的疲劳评估方法 (调查,生理测量) 缺乏实时能力和用户便利性.
- 需要先进的,非侵入性的疲劳监测解决方案.
研究的目的:
- 开发和验证一种新的非接触式疲劳水平诊断系统.
- 将多式传感器数据 (视频,热,音频) 与人工智能集成,用于疲劳评估.
- 为关键部门提供实时,个性化的疲劳监测.
主要方法:
- 使用多式传感器数据 (视频,热成像,音频) 进行非接触式生物识别数据收集.
- 开发了一种人工智能驱动的分类模型,以在1-5级别上诊断疲劳水平.
- 集成的自适应性再培训与用户反,以提高个性化的准确性.
主要成果:
- 在诊断疲劳水平方面达到89%的平均准确性.
- 通过基于用户反的再培训,证明了对分类准确度的11个百分点的提高.
- 在各种操作条件下验证硬件稳定性,包括温度和电磁干扰.
结论:
- 开发的无接触系统为精确的疲劳监测提供了实用和高效的解决方案.
- 实时反和适应性再培训显著提高了诊断准确度.
- 这项创新通过非侵入性疲劳管理提高了关键行业的运营安全和性能.
