【技术实现步骤摘要】
本专利技术涉及驾驶疲劳检测，具体是指一种基于深度学习的拖拉机驾驶员面部疲劳检测方法与系统。
技术介绍
1、拖拉机作为现代农业生产的核心动力装备，其作业环境具有显著的复杂性特征。在实际作业过程中，拖拉机需频繁应对田间地头的不规则地形、持续的机械振动、高噪声环境以及长时间连续作业等多重工况挑战，这些因素共同构成了易引发驾驶员疲劳的特殊工作场景。驾驶员疲劳不仅会直接导致农机生产安全事故风险升高，对驾驶员的身心健康造成潜在危害，更会通过操作精准度下降、反应时间延长等机制，显著影响农业作业效率。
2、当前，针对拖拉机驾驶员疲劳状态的评估，主要依赖于驾驶员自我疲劳感知的主观报告，或基于他人观察的主观性判断等传统方法。然而，此类评估方式存在显著局限性：一方面，受个体感知差异、疲劳耐受度不同等因素影响，主观报告难以准确量化疲劳程度；另一方面，依赖他人观察的评估方式存在实时性不足、观察维度单一等问题，导致对驾驶员驾驶过程中的生理状态、操作行为等关键信息捕捉不全面。这种基于主观判断的评估模式，难以构建全面、科学的疲劳评估体系，无法满足现代农业对...
【技术保护点】
1.一种基于深度学习的拖拉机驾驶员面部疲劳检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于深度学习的拖拉机驾驶员面部疲劳检测方法，其特征在于，所述S100、采集驾驶员的面部图像，并对所述面部图像中拖拉机驾驶员的面部特征进行标注，从而构建面部特征数据集，包括：
3.根据权利要求1所述的一种基于深度学习的拖拉机驾驶员面部疲劳检测方法，其特征在于，所述S200、基于所述面部特征数据集，采用预设的训练配置，构建面部特征检测模型，包括：
4.根据权利要求3所述的一种基于深度学习的拖拉机驾驶员面部疲劳检测方法，其特征在于，...
【技术特征摘要】
1.一种基于深度学习的拖拉机驾驶员面部疲劳检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于深度学习的拖拉机驾驶员面部疲劳检测方法，其特征在于，所述s100、采集驾驶员的面部图像，并对所述面部图像中拖拉机驾驶员的面部特征进行标注，从而构建面部特征数据集，包括：
3.根据权利要求1所述的一种基于深度学习的拖拉机驾驶员面部疲劳检测方法，其特征在于，所述s200、基于所述面部特征数据集，采用预设的训练配置，构建面部特征检测模型，包括：
4.根据权利要求3所述的一种基于深度学习的拖拉机驾驶员面部疲劳检测方法，其特征在于，所述s210、以yolov8s作为第一基线模型，通过对所述第一基线模型的第一主干网络部分、第一颈部网络部分以及对所述基线模型的第一边界框损失函数进行重构融合，从而构建第一检测模型，包括：
5.根据权利要求3所述的一种基于深度学习的拖拉机驾驶员面部疲劳检测方法，其特征在于，所述s220、基于预设的训练集、验证集和测试集比例，对所述检测模型进行训练，并对所述训练后的检测模型进行优化和迭代，包括：
6.根据权利要求1所述的一...
【专利技术属性】
技术研发人员：徐红梅，阳康鑫，李亚林，蒙焌仕，李中鑫，韩志博，龚昊，
申请(专利权)人：华中农业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。