【技术实现步骤摘要】
本专利技术涉及电力防护，尤其是涉及一种基于多生理信号的电力作业人员疲劳状态检测方法。
技术介绍
1、电力行业是一个高风险行业，电力作业人员不仅需要处理高电压电力、危险设备、设备操作和维护等任务，同时须确保电力供应的稳定性。因此需要电力作业人员保持高度的警觉性和专注力。而长时间的工作、夜班轮班和高强度的工作负荷会导致工作人员出现疲劳，这严重危及工作人员的安全和生产效率。
2、1)传统的疲劳状态检测方法大多基于面部视频图像，提取眨眼、打哈欠等面部特征来表征疲劳，但基于面部的方法易受光照影响，在阳光反射和眼镜反射的情况下，性能可能会下降30％。而且遮挡面部的物体或口罩可能导致面部视频图像检测的失效，同时面部活动存在一定的主观性，因此这些方法具有一定的局限性。
3、2)基于单一生理信号的疲劳检测可能导致准确性降低、增加误报和漏报风险。疲劳是一个多维度的生理和心理现象，单一生理信号无法全面表征疲劳状态的复杂性。
技术实现思路
1、本专利技术的目的是提供一种基于多生理信号的电力作业人员疲劳状态检测方法，提高了特征提取的准确性和有效性，弥补传统深度学习在疲劳检测方面的不足。
2、为实现上述目的，本专利技术提供了一种基于多生理信号的电力作业人员疲劳状态检测方法，步骤包括：
3、s1、基于cnn网络模型提取多生理信号疲劳特征，所述多生理信号包括脑电信号和眼电信号；
4、s2、将提取到的脑电信号和眼电信号的特征输入transformer模型，
5、优选的，所述步骤s1具体内容包括：
6、s11、将脑电信号和眼电信号作为两种模态数据输入cnn网络，所述脑电信号大小为1416000*17；所述眼电信号为885000*7；
7、s12、通过空间尺度卷积提取脑电信号和眼电信号空间特征；
8、s13、采用分组卷积进行时间尺度卷积，提取脑电信号和眼电信号时序特征。
9、优选的，所述步骤2基于transformer模型对生理信号疲劳特征融合包括：
10、s21、第一层为输入层，由所述步骤s1得到的脑电疲劳特征和眼电疲劳特征，在输入模型前，在第一维度上进行拼接，形成一个新的向量，输入模型中；
11、s22、第二层为编码层,输入序列通过线性变换得到q、k、v三个矩阵，计算公式为
12、q＝wqx#(1)
13、k＝wkx#(2)
14、v＝wvx#(3)
15、计算q与k的点积，得到权重矩阵，权重矩阵与值矩阵v相乘，得到加权求和后的输出，公式为
16、
17、对脑电信号和眼电信号进行卷积操作，并将输出的张量维度进行转换，然后再进行拼接，重复所述步骤s21；
18、s23、设置编码器层值，输出其隐藏层表征；
19、s24、引入残差连接和层归一化技术，再对第一维度进行平均池化，使脑电信号和眼电信号特征转化成一个向量，得到特征向量；
20、s25、对得到的特征向量通过多层感知机或线性层映射数据维度。
21、优选的，所述步骤s21输入层输入模型时包括设置全连接网络的隐藏层维度、编码层的数量。
22、优选的，所述步骤s25中数据维度包括正常与疲劳状态两种状态的维度。
23、因此，本专利技术采用上述一种基于多生理信号的电力作业人员疲劳状态检测方法，通过提取脑电信号和眼电信号特征，然后对两种模态的特征拼接，将拼接后的多模态特征放入transformer融合模型中，实现了两两模态间的局部交互，获取包含不同生理信号特征的多模态融合特征，用于疲劳分类，提高了特征提取的准确性和有效性，弥补传统深度学习在疲劳检测方面的不足。
24、下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。
本文档来自技高网...【技术保护点】
1.一种基于多生理信号的电力作业人员疲劳状态检测方法，其特征在于，步骤包括：
2.根据权利要求1所述的一种基于多生理信号的电力作业人员疲劳状态检测方法，其特征在于，所述步骤S1具体内容包括：
3.根据权利要求1所述的一种基于多生理信号的电力作业人员疲劳状态检测方法，其特征在于，所述步骤2基于Transformer模型对生理信号疲劳特征融合包括：
4.根据权利要求3所述的一种基于多生理信号的电力作业人员疲劳状态检测方法，其特征在于，所述步骤S21输入层输入模型时包括设置全连接网络的隐藏层维度、编码层的数量。
5.根据权利要求3所述的一种基于多生理信号的电力作业人员疲劳状态检测方法，其特征在于：所述步骤S25中数据维度包括正常与疲劳状态两种状态的维度。
【技术特征摘要】
1.一种基于多生理信号的电力作业人员疲劳状态检测方法，其特征在于，步骤包括：
2.根据权利要求1所述的一种基于多生理信号的电力作业人员疲劳状态检测方法，其特征在于，所述步骤s1具体内容包括：
3.根据权利要求1所述的一种基于多生理信号的电力作业人员疲劳状态检测方法，其特征在于，所述步骤2基于transformer模型对生理信号...
【专利技术属性】
技术研发人员：奚洋，王文静，曲朝阳，曹杰，王蕾，兰竹，陈营，
申请(专利权)人：东北电力大学，
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。