استفاده از سیگنال الکتریکی مغز به منظور تعیین سطح خواب آلودگی راننده با استفاده از توزیع زمان- فرکانس و شبکه عصبی پیچشی

خواب آلودگی و خستگی ذهنی یکی از عوامل اصلی در حوادت رانددگی و صنعتی در سراسر جهان می باشد که منجر به نقص عضو مرگ و میر و همچنین خسارت های مالی فراوان می گردد. تشخیص خستگی دهنی و خواب آلودگی یکی از چالش های بزرگ در برابر محققان در دو دهه اخیر بوده است، بصورتی که محققان در سراسر جهان با استفاده از روش های مختلفی تلاش در پیش بینی این پدیده و پیشگیری از وقوع حوادث داشته اند. این روش ها به دو دسته کلی بیولوژیک و فیزیکی تقسیم می شوند؛ در روش های فیزیکی، حداقل یک دوربین در مقابل راننده یا اپراتور دستگاه باید قرار بگیرد و در شرایط بسیار خاصی قادر به تشخیص علائم خواب آودگی یا خواب بودن (بسته بودن چشم ها) در افراد است. اما در روش بیولوژیک از سیکنال های حیاتی بدن مثل سیکنال نوار قلب، سیگنال چشم و یا سیگنال مغز استفاده می شود. از آنجایی که منشا خستگی ذهنی, خود مغز می باشد معقولانه و البته دقیق ترین روش تشخیص آن با استفاده از سیگنال قلبی است. در این تحقیق شبیه سازی با استفاده از پایگاه داده drozy که شامل سیگنال های حیاتی مختلف و تصاویر دوربین از افراد حین انجام یک کار خاص و خواب آلودگی است. استفاده شده است. به منظور تشخیص خواب آلودگی از دو توزیع زمان-فرکانس وینگرویل و اسپکتروگرام یک کانال سیکنال مغز با طول پنجره ۱، ۳، ۵، ۷ و ۹ ثانیه در شبکه عصبی پیچشی کلاسیک استفاده شده است و دقت ۹۵۶ درصد با استفاده از روش وینگرویل و طول پنجره ‎۹ ثانیه، بدست آمده است.

کلیدواژه ها:

خواب آلودگی ، سیگنال الکتریکی مغز ، توزیع زمان- فرکانس ، یادگیری عمیق ، شبکه عصبی پیچشی