СИСТЕМЫ АНАЛИЗА И ОБРАБОТКИ ДАННЫХ

Наступление утомления опасно в сферах деятельности, требующих высокой концентрации внимания человека, например авиадиспетчеров, операторов атомных станций и т.?д. Необходимо отметить, что данные виды деятельности характеризуются тем, что большую часть времени работник сидит на рабочем месте и его взгляд направлен в монитор. В статье представлен метод динамической оценки утомления оператора ПК на основе характеристик глазных движений. Метод динамической оценки утомления реализует сценарий обучения модели определения утомления и сценарий определения утомления. В рамках сценария обучения выполняется вычисление характеристик глазных движений и поиск корреляций с результатами тестов о степени утомления. В рамках сценария определения утомления выбираются характеристики глазных движений, которые наиболее сильно коррелируют с утомлением. Также эти характеристики можно разделить по типам физических событий, на которых они основаны. Можно выделить скоростные, временные, количественные, размерные, процентные, частотные и характеристики отношения. Для поиска корреляций между характеристиками глазных движений и утомлением был проанализирован набор данных глазных движений и результаты тестов и опросников, таких как тест СЗМР, тест «Кольца Ландольта», опросник Visual Analogue Scale to Evaluate Fatigue Severity (VAS-F). Набор данных состоит из записей координат взгляда 15 участников, выполняющих функции оператора ПК. Для определения степени утомления участник заполнял опросник VAS-F. Корректурная проба «Кольца Ландольта» – тест, используемый для измерения концентрации внимания. Размеченный набор данных используется для обучения модели машинного обучения, которая определяет, утомлен или не утомлен оператор ПК. Результаты экспериментов показали, что использование выбранных в рамках исследования характеристик дало наиболее многообещающие результаты. Этот подход позволил добиться самых высоких показателей F-меры и наилучшей средней точности, что говорит об общей надежности модели.

1. Zargari Marandi R. et al. Eye movement characteristics reflected fatigue development in both young and elderly individuals / R. Zargari Marandi, P. Madeleine, Ø. Omland, N. Vuillerme, A. Samani // Scientific Reports. – 2018. – Vol. 8 (1). – P. 1–10. – DOI: 10.1038/s41598-018-31577-1.

2. Real-time identification of eye fixations and saccades using radial basis function networks and Markov chains / R. Lobão-Neto, A. Brilhault, S. Neuenschwander, R. Rios // Pattern Recognition Letters. – 2022. – Vol. 162. – P. 63–70. – DOI: 10.1016/j.patrec.2022.08.013.

3. Driver fatigue detection based on saccadic eye movements / M.C. Catalbas, T. Cegovnik, J. Sodnik, A. Gulten // 2017 10th International Conference on Electrical and Electronics Engineering (ELECO). – IEEE, 2017. – P. 913–917.

4. Di Stasi L. L. et al. Towards a driver fatigue test based on the saccadic main sequence: A partial validation by subjective report data //Transportation research part C: emerging technologies. – 2012. – Т. 21. – №. 1. – С. 122–133.

5. Saccadic velocity as an arousal index in naturalistic tasks / L.L. Di Stasi, A. Catena, J.J. Canas, S.L. Macknik, S. Martinez-Conde // Neuroscience & Biobehavioral Reviews. – 2013. – Vol. 37 (5). – P. 968–975.

6. Saccadic eye movement metrics reflect surgical residents' fatigue / L.L. Di Stasi, M.B. McCamy, S.L. Macknik, J.A. Mankin, N. Hooft, A. Catena, S. Martinez-Conde // Annals of Surgery. – 2014. – Vol. 259 (4). – P. 824–829.

7. Fatigue in the military: towards a fatigue detection test based on the saccadic velocity / C. Diaz-Piedra, H. Rieiro, J. Suárez, F. Rios-Tejada, A. Catena, L.L. Di Stasi // Physiological Measurement. – 2016. – Vol. 37 (9). – P. N62–N75.

8. Fit-for-duty test for estimation of drivers’ sleepiness level: Eye movements improve the sleep/wake predictor / C. Ahlstrom, M. Nyström, K. Holmqvist, C. Fors, D. Sandberg, A. Anund, G. Kecklund, T. Åkerstedt // Transportation Research. Part C: Emerging Technologies. – 2013. – Vol. 26 (4). – P. 20–32. – DOI: 10.1016/j.trc.2012.07.008.

9. Dynamics of saccade parameters in multiple sclerosis patients with fatigue / C. Finke, L.M. Pech, C. Sömmer, J. Schlichting, S. Stricker, M. Endres, F. Ostendorf, C.J. Ploner, A.U. Brandt, F. Paul // Journal of Neurology. – 2012. – Vol. 259 (12). – P. 2656–2663. – DOI: 10.1007/s00415-012-6565-8.

10. Galley N. An enquiry into the relationship between activation and performance using saccadic eye movement parameters // Ergonomics. – 1998. – Vol. 41 (5). – P. 698–720.

11. Investigation on the correlation between eye movement and reaction time under mental fatigue influence / V. Renata, F. Li, C.-H. Lee, C.-H. Chen // 2018 International Conference on Cyberworlds (CW). – IEEE, 2018. – P. 207–213. – DOI: 10.1109/CW.2018.00046.

12. Fatigue and arousal modulations revealed by saccade and pupil dynamics / J.-T. Chen, Y.-C. Kuo, T.-Y. Hsu, C.-A. Wang // International Journal of Environmental Research and Public Health. – 2022. – Vol. 19 (15). – P. 9234. – DOI: 10.3390/ijerph19159234.

13. Blinks and saccades as indicators of fatigue in sleepiness warnings: looking tired? / R. Schleicher, N. Galley, S. Briest, L. Galley // Ergonomics. – 2008. – Vol. 51 (7). – P. 982–1010. – DOI: 10.1080/00140130701817062.

14. Measuring neurophysiological signals in aircraft pilots and car drivers for the assessment of mental workload, fatigue and drowsiness / G. Borghini, L. Astolfi, G. Vecchiato, D. Mattia, F. Babiloni // Neuroscience & Biobehavioral Reviews. – 2014. – Vol. 44. – P. 58–75. – DOI: 10.1016/J.NEUBIOREV.2012.10.003.

15. Eye movement characteristics reflected fatigue development in both young and elderly individuals / R. Zargari Marandi, P. Madeleine, Ø. Omland, N. Vuillerme, A. Samani // Scientific Reports. – 2018. – Vol. 8. – P. 13148. – DOI: 10.1038/s41598-018-31577-1.

16. Shifts in attention during mental fatigue: Evidence from subjective, behavioral, physiological, and eye-tracking data / J.F. Hopstaken, D. van der Linden, A.B. Bakker, M.A.J. Kompier, Y.K. Leung // Journal of Experimental Psychology: Human Perception and Performance. – 2016. – Vol. 42 (6). – P. 878–889. – DOI: 10.1037/xhp0000189.

17. Schweizer T., Wyss T., Gilgen-Ammann R. Detecting soldiers’ fatigue using eye-tracking glasses: practical field applications and research opportunities // Military Medicine. – 2022. – Vol. 187 (11–12). – P. e1330–e1337. – DOI: 10.1093/milmed/usab509.

18. Identification and classification of construction equipment operators' mental fatigue using wearable eye-tracking technology / J. Li, H. Li, W. Umer, H. Wang, X. Xing, S. Zhao, J. Hou // Automation in Construction. – 2020. – Vol. 109. – P. 103000. – DOI: 10.1016/j.autcon.2019.103000.

19. Millodot M. Dictionary of optometry and visual science E-Book. – Elsevier Health Sciences, 2014.

20. Яндекс игры. Классический тетрис. – URL: https://yandex.ru/games/app/165620 (дата обращения: 26.11.2024).

21. OperatorEYEVP: operator dataset for fatigue detection based on eye movements, heart rate data, and video information / S. Kovalenko, A. Mamonov, V. Kuznetsov, A. Bulygin, I. Shoshina, I. Brak, A. Kashevnik // Sensors (Basel). – 2023. – Vol. 23 (13). – P. 6197. – DOI: 10.3390/s23136197.

22. Landolt E. Méthode optométrique simple // Bulletins et Mémoires de la Société Française d'Ophtalmologie. – 1888. – Vol. 6. – P. 213–214.