基于希尔伯特-黄转换的瞳孔变化分析,用于熟练割草的度评估
1School of Computer Science, Tokyo University of Technology, 1404-1 Katakuramachi, Hachioji City, Tokyo, Japan.
Scientific reports
|July 2, 2025
概括
研究人员使用希尔伯特-黄变换 (HHT) 开发了一种新方法,用于分析在斜坡上割草时的瞳孔变化. 这种技术有助于评估工人的集中度,并可以帮助培训和开发安全系统.
科学领域:
- 人与计算机的互动.
- 生物医学工程 生物医学工程
- 人体工程学就是人体工程学.
背景情况:
- 在日本,在的地形上割草依赖于手工劳动.
- 复杂的视觉环境会影响工人的注意力和学生的反应.
- 现有的分析方法可能无法完全捕捉非线性学生动态.
研究的目的:
- 提出一种新的分析方法,用于在不同地形上割草时对人类瞳孔的变化.
- 为了确定与割草行动相关的特定瞳孔频率模式 (IMFs).
- 从瞳孔运动数据推断工人集中状态.
主要方法:
- 在日本广岛的平坦和斜坡地形上进行的实验.
- 希尔伯特-黄变换 (HHT) 的应用,用于动作分解和学生数据的非线性分析.
- 使用多重比较和过框架 (MCFID) 来识别相关的内在模式函数 (IMF).
主要成果:
- 成功识别了与特定的割草行动 (切割,提升) 直接相关的IMF.
- 证明HHT在分析非线性学生变化方面是有效的.
- 通过监测相应的IMF,建立了一种推断集中状态的方法.
结论:
- 提出的基于HHT的方法提供了一种更有效的方式来分析复杂任务期间的学生动态.
- 获得的洞察力可以改善草机操作员在具有挑战性的环境中的培训.
- 该方法为开发先进的摔倒检测系统提供了基础.
