具有疲勞反饋調節的電力調度員疲勞監測系統設計

作者簡介：程正（1992— ），男，工程師，碩士；研究方向：電氣工程。

摘要：疲勞嚴重影響電力調度員在電力作業中的專注力，從而導致意外發生。為此，文章提出了一種基于YOLOv5的具有疲勞反饋調節的電力調度員疲勞監測系統。研究通過面部檢測算法獲取人眼開合度，利用疲勞監測算法得到疲勞閾值，比較一定時間內的人眼開合度平均值，從而做出人員精神狀態判斷，最后利用模擬椅子升降提示并控制按摩器對調度員進行反饋調節。該系統具有較高的準確率，能夠實時有效地監測人員疲勞狀態并及時給予反饋調節。基于YOLOv5的疲勞監測系統在預防因疲勞造成調度員誤操作等危害方面具有廣闊的應用前景，為實現安全、高效的工作環境提供有力的支持。

關鍵詞：疲勞檢測；眼睛開合度；疲勞反饋調節

中圖分類號：TP391.41" 文獻標志碼：A

0" 引言

電力調度員是電網系統中的一線操作員，在進行電力作業的過程中，疲勞的增加會降低調度員的操作注意力，導致調度員出現工作失誤進而發生電力事故，造成嚴重經濟損失。這就要求調度員在作業時需要保持清醒，以避免意外的發生。因此，通過對電力調度員進行疲勞監測并調節反饋，對于減少事故的發生具有實際應用價值。

目前，人體疲勞檢測方法主要分為基接觸式檢測和非接觸式檢測2種。基于腦電、心電、肌電等接觸式檢測方法通常用于臨床人體監測，Tuncer等［1］開發了一種將特征提取、特征選擇和機器學習方法結合的系統，使用單通道腦電圖信號檢測疲勞；Rahim等［2］使用脈沖傳感器得到脈搏波信號以此研究佩戴人員心率，從而檢測其疲勞度；Sahayadhas等［3］開發了一種可以使用心電圖（EMG）和肌電圖（EMG）信號檢測疲勞的系統，通過k近鄰、線性判別分析和二次判別分析對特征進行分類，分類準確率達到96%。非接觸式檢測方法通過機器視覺技術獲取人體生理反應特征信息，現階段常見的非接觸式檢測方法有眼睛特征檢測、嘴部狀態檢測、頭部位置檢測等。Muhammad等［4］通過攝像頭檢測人眼開合度進行疲勞檢測，對眼睛進行定位檢測眼瞼曲率進而檢測疲勞；Moujahid等［5］通過捕捉局部和全局信息的主要特征的多尺度金字塔人臉表示，實現了一種基于緊湊的人臉紋理描述的人臉檢測系統，通過檢測人臉實現疲勞判斷。然而，現有的疲勞檢測均未有完整的疲勞監測反饋調節系統，難以保障調度員作業過程中的精神狀態。本文針對調度員作業過程中的疲勞監測問題，制作了一個具有疲勞反饋調節的疲勞監測系統。

1" 系統設計

1.1" 方案設計

系統總體設計如圖1所示，使用大量的人臉圖片對人眼以及打哈欠等動作進行標注，訓練出能夠準確識別人眼的YOLO模型。通過對長時間在電腦前工作的人眼開合度數據的采集進行研究，提出算法實現通過人眼開合度的變化判斷人體精神狀態，根據人體的精神狀態，系統能夠做出提醒休息或者幫助提神等操作，系統設計分為硬件和軟件2部分設計。

1.2" 硬件設計

本系統硬件設計主要由疲勞調節模塊、疲勞提醒模塊組成，實現與PC端通信及疲勞反饋調節等功能。

1.2.1" 疲勞調節模塊

疲勞調節模塊使用繼電器模塊與按摩器完成，繼電器模塊擁有常開與常閉端，通過主控芯片控制繼電器模塊的通斷實現按摩器的開關功能。當主控芯片接收到PC端傳來的疲勞信號時，就會向繼電器模塊發送控制信號，此時繼電器模塊被接通，按摩器將開啟，經過一定時間后，疲勞狀態得到緩解，模塊斷開，完成疲勞狀態調節。

1.2.2" 疲勞提醒模塊

疲勞提醒模塊以L9110為驅動電路控制電機進行疲勞提醒。當PC端檢測到人體疲勞時，L9110電路控制電機與法蘭盤升起椅子給予疲勞警報，調度員在接收到提醒后通過按鍵做出回應，使椅子下降到原來的位置，完成疲勞提醒。

1.3" 軟件設計

1.3.1" 人眼開合度計算模塊

本設計使用YOLOv5框架進行人眼檢測，當檢測到人眼后，存儲眼眶坐標，并通過計算坐標點計算人眼開合度。

P=（y2-y1）+（y4-y3）2（x2-x1）（1）

式（1）中，P為人眼開合度；x1與x2為眼眶的橫向坐標，計算人眼橫向寬度；y表示左右眼眶的縱向坐標，計算人眼縱向高度。

P隨著人眼開合的大小而改變，閉合時達到最小。大量研究表明，隨著時間的推移，在人體進入疲勞狀態后，人眼開合度會低于一定閾值，因此，更精確地獲取人眼開合度數據對本系統判斷疲勞狀態尤為重要。通常，同一個人的眼睛橫向寬度是一定的，開合度的計算可以重點關注人眼的縱向變化。在不斷拍攝人眼獲取數據后，通過長時間人眼開合度變化進行疲勞判斷，并發出警告。

1.3.2" 疲勞監測算法

使用MATLAB對人眼開合度P進行處理，并繪圖對數據變化情況進行觀察，對于數據的處理方式主要包括求平均值、方差等，使用PERCLOS檢測疲勞。PERCLOS指在一定時間內眼睛閉合所占的時間比例，在具體的試驗中有P70、P80、EM 3種測量方式，其中，P80指眼睛閉合超過本身的80%則認為眼睛處于閉合狀態，并以此統計一定時間內眼睛的閉合時間所占總時間的比例［6］。

式（1）為一幀的人眼開合度計算，為了分析評價實時監測的疲勞狀態，可以通過式（2）計算一定時間內人眼開合度平均值。

PERCLOS=∑PN（2）

其中，N表示一定時間內拍攝眼睛圖片的總幀數。

經過長時間的測試計算，可以發現PERCLOS值會趨于一個穩定值，把該值作為疲勞判斷的閾值tired。式（3）通過判斷PERCLOS值是否低于疲勞閾值，并根據PERCLOS值連續低于疲勞閾值的次數判斷疲勞狀態。

eyes_tired=1，PERCLOSlt;tired

0，PERCLOSgt;=tired（3）

2" 系統集成驗證

2.1" 人眼識別

本設計使用了以YOLOv5s.pt為權重模型、數據集圖片數量為280張、訓練次數為300次所訓練出來的模型進行識別檢測。如表1所示是對使用不同訓練方式進行訓練得到的模型數據對比。其中，對比模型1為改變實驗模型數據集圖片為 100張；對比模型2為改變實驗模型訓練次數為600次；對比模型3為改變實驗模型訓練權重。

通過改變訓練次數和訓練權重模型，對識別精度等沒有太大的影響，而對比模型1的精度數據雖然較高，但是丟失率相較于其他模型更高。在實際應用中，對比模型1的識別精度非常低且存在較大誤差，可得出實驗模型訓練精度低于對比模型1是因為數據集的增大而導致。如圖2—3所示，可以看出2個訓練模型的驗證數據基本相同，但在檢測“close”（閉眼）時，使用280張圖片作為數據集訓練出來的模型擁有更高的精度。

實驗模型評估中對各目標檢測的精度均在80％以上，在實際實驗應用中沒有發現較大識別誤差，擁有較高的準確率，該模型能夠滿足設計要求。

綜上所述，本次實驗研究中使用的模型具有較高的檢測精度，能夠很好地進行人眼識別并獲取人眼開合度的數據，能滿足實驗要求。

2.2" 疲勞反饋調節

通過實驗獲取研究人員從不斷工作增加疲勞程度到系統對研究人員進行疲勞調節的數據，經數據處理并繪制折線圖，得到如圖4所示的疲勞反饋調節。

在長時間工作下，人眼開合度逐漸趨于穩定，在150 s左右出現疲勞，經疲勞調節裝置的調節后，人眼開度平均值逐漸上升并高于疲勞閾值，即研究人員逐漸脫離疲勞狀態，表明該系統有著一定的疲勞調節能力，不僅能夠提醒工作人員已處于疲勞狀態，還能夠幫助其在一定程度上緩解疲勞。

3" 結語

本系統基于YOLOv5網絡用于疲勞檢測模塊，通過既定數據集進行訓練，與攝像頭相結合，實時對電力調度員進行疲勞狀態監測，并使用升降椅、按摩器對調度員進行反饋調節，設計并實現了一個具有疲勞反饋調節的電力調度員疲勞監測系統。經過實驗檢測，系統能夠以較高準確率識別出調度員的精神疲勞狀態，并對調度員進行合理的警示與疲勞調節。

參考文獻

［1］TUNCER T， DOGAN S， SUBASI A. EEG-based driving fatigue detection using multilevel feature extraction and iterative hybrid feature selection［J］. Biomedical Signal Processing and Control， 2021（68）： 102591.1-102591.11.

［2］RAHIM H A， DALIMI A， JAAFAR H. Detecting drowsy driver using pulse sensor［J］. Jurnal Teknologi， 2015（3）： 5-8.

［3］SAHAYADHAS A，SUNDARAJ K，MURUGAPPAN M，et al. Physiological signal based detection of driver hypovigilance using higher order spectra［J］. Expert Systems with Application，2015（22）：8669-8677.

［4］MUHAMMAD T K，HAFEEZ A，FARMAN U，et al. Smart real-time video surveillance platform for drowsiness detection based on eyelid closure［J］. Wireless Communications and Mobile Computing，2019（1）：2036818.1-2036818.9.

［5］MOUJAHID A，DORNAIKA F，ARGANDA C I，et al. Efficient and compact face descriptor for driver drowsiness detection［J］. Expert Systems with Application， 2021（4）：114334.1-114334.9.

［6］姜兆普，許勇，趙檢群.基于眼部特征的疲勞檢測算法［J］.計算機系統應用，2014（8）：90-96.

（編輯" 沈" 強）

Design of a fatigue monitoring system for power dispatchers with fatigue feedback regulation

Cheng" Zheng， Yang" Fan

（Guangdong power grid limited liability company Jiangmen power supply bureau， Jiangmen 529000， China）

Abstract：" Fatigue seriously affects the power dispatcher’s concentration in power operation， which leads to accidents. Therefore， a fatigue monitoring system for power dispatcher with fatigue feedback adjustment based on YOLOv5 is proposed in this paper. In this study， the face detection algorithm was used to obtain the open and close degree of the human eye， the fatigue monitoring algorithm was used to obtain the fatigue threshold， and the average value of the open and close degree of the human eye within a certain period of time was compared to judge the mental state of the human eye. Finally， the simulated chair lifting cue was used to control the massager for feedback adjustment of the dispatcher. The system has a high accuracy rate， and can effectively monitor the fatigue state of personnel in real time and give feedback adjustment in time. The fatigue monitoring system based on YOLOv5 has broad application prospects in preventing the misoperation of dispatchers and other hazards caused by fatigue， and provides strong support for achieving a safe and college working environment.

Key words： fatigue testing; eye opening and closing; fatigue feedback regulation