深度可分离压力识别模型

矿工压力识别准确率88%

针对深井矿工工作压力识别场景，采用轻量化深度可分离卷积网络，在保持较高识别准确率的同时降低计算复杂度，适用于部署在资源受限的矿山安全监测系统中。

Chen, Ying · Yuehan, Liu · 卢才武 · Peishuo, Chai · Shengwei, Li · Yuan, Zou

Journal of Loss Prevention in the Process Industries 2024

参数信息

总体准确率

0.843

压力状态识别正确率

88 %

愉悦状态识别正确率

91 %

正常状态识别正确率

74 %

技术优势

识别压力状态

模型对压力状态的识别正确率达到88%，能够有效判断矿工是否处于高压状态。

心情好也识别

对愉悦状态的识别正确率达到91%，有助于全面评估矿工的心理状态。

轻量可部署

采用深度可分离卷积神经网络，在保证精度的同时降低计算复杂度，适合矿山监控系统集成。

应用场景

• 矿山作业安全监测：实时识别矿工压力，预防因高压导致的不安全行为。
• 矿工健康监测：监测矿工心理压力水平，辅助健康管理干预。
• 工业安全监测：集成到工业监控系统，自动预警高压状态，提升整体安全。