基于眼球跟踪和EEG特征,识别钻井人员的情境意识

科学领域:

• 神经科学是一个神经科学.
• 人与计算机的交互
• 工业安全 工业安全 工业安全

背景情况:

• 在石油和天然气钻探中,情况意识至关重要,但目前的生理监测方法有限.
• 单模态方法无法捕捉整个认知过程,从感知到决策.

研究的目的:

• 开发一种多式联络方法,用于识别钻井人员的情境意识.
• 结合眼睛跟踪指标和脑电图 (EEG) 功能,以增强情境意识识别.

主要方法:

• 进行了一个模拟钻井监测实验.
• 机器学习模型是使用融合的眼睛跟踪和EEG数据来构建的.
• 性能与单模模式模型进行了比较.

主要成果:

• 在不同的情境意识水平中,观察到眼睛跟踪和EEG特征的显著差异.
• 多式联络融合模型实现了89.33%的识别精度.
• 融合模型显著优于单一模式的方法.

结论:

• 眼睛跟踪和EEG融合对于识别钻井员的情况意识是有效的.
• 这种方法为培训提供科学支持,并提高高风险行业的安全性.