EMF疲劳检测模型

识别率达93.9%

相比传统机器学习模型，该模型利用PSO优化的CNN直接对面部特征进行学习，在飞行学员疲劳识别上性能更优。

Shang, Lei · 司海青 · Wang, Haibo · Pan, Ting · Liu, Haibo · Yixuan, Li · Qiu, Jingxuan · Xu, Mengyue

Scientific Reports 2024

参数信息

识别率

93.9 %

技术优势

识别率高达93.9%

提出的PSO-CNN算法在测试集上达到93.9%的识别率，能高效判断飞行学员的疲劳程度。

性能优于传统机器学习

通过与传统机器学习模型对比，验证了所提算法的可靠性，性能更优。

应用场景

• 飞行员疲劳监测：实时识别飞行员疲劳状态，预防因疲劳导致的人为事故。
• 可穿戴疲劳检测：基于面部特征，可与可穿戴设备集成实现无接触监测。
• 操作员状态监控：监控操作员疲劳状态，保障关键岗位操作安全。