توسعه سیستم نجات برای اپراتورهای ماشین آلات کشاورزی با استفاده از ماشین بینایی

در این مطالعه، یک سیستم نجات اتوماتیک برای نظارت بر اپراتورهای ماشین آلات کشاورزی با استفاده از ماشین بینایی پیشنهاد شد. سیستم نجات برای شناسایی وضعیت های عدم توجه راننده ، یعنی حواس پرتی و خستگی با تشخیص اقدامات راننده طراحی شده است.یک سنسور Kinect برای جمع آوری تصویرهای متوالی اپراتورها و تشخیص سیستم براساس عملکرد پخش بازیکن سنسور Kinect استفاده شد. روش فرعی هسته ای متقابل هانکل (KMSM) برای نظارت بر رانندگان تراکتور وتشخیص رفتارهای عدم توجه راننده توسعه داده شد. برای ارزیابی عملکرد KMSM پیشنهادی، مجموعه داده های عملکرد راننده که شامل 10 راننده تراکتور و 5 نوع اقدام که نشان دهنده عدم توجه است، تعیین شده است.اقدامات ناخواسته رانندگان به سه سطح خطر تقسیم شدند. هر دو آزمایش آفلاین و آنلاین با استفاده از موضوعات مشابه ومختلف برای ارزیابی الگوریتم ، تشخیص عمل عدم توجه طراحی شده، انجام شده است. در آزمایش آفلاین KMSM مبتنی بر Hankel پیشنهادی نرخ های تشخیص هنگام استفاده از موضوعات مشابه و متفاوت؛ به ترتیب 91.18% و 86/18% به دست آمدند و در آزمایش آنلاین، با استفاده ازروش پیشنهادی نرخ های تشخیص هنگام استفاده ازموضوعات مشابه و متفاوت به ترتیب 87.2 و 79/.97% به دست آمد. متوسط زمان محاسبه KMSM مبتنی بر Hankel در آزمایش آنلاین 0.07 ثانیه بود. بنابراین، روش KMSM مبتنی بر Hankel پیشنهادی هر دوی دقت و الزامات زمان واقعی برای یک سیستم نجات راننده را برآورد می کند.

Keywords:

ماشین آلات کشاورزی , سیستم نجات , عدم توجه راننده , تشخیص عمل , بلوک ماتریس هانکل