一种基于人工智能的飞行员疲劳检测方法与流程

本发明属于航空救生，具体涉及一种基于人工智能的飞行员疲劳检测方法。

背景技术：

1、现役空军飞行员疲劳检测方法还没有规范的方法，原因在于即使通过耳脉搏、心电等监测设备获取到飞行员的身体参数，由于没有疲劳判定方法，无法通过数据直接分辨飞行员处于清醒还是疲劳状态。为了提高飞行员的安全性保障，按照主机厂提出的生理检测设备的研制需求，对生理检测系统提出了分类更快，更准确的要求。

技术实现思路

1、本发明的目的在于，提供一种基于人工智能的飞行员疲劳检测方法，采用k-means算法对数据进行更为准确的分类，更好地实现飞行员生理参数的分类判别，同时更加智能化。

2、为解决上述技术问题，本发明的技术方案为：一种基于人工智能的飞行员疲劳检测方法，包括以下步骤：

3、获取飞行员的心率数据和脉搏信号数据并进行去噪；

4、对去噪后的数据进行特征提取，得到心搏间期数据；

5、对心搏间期数据进行均方根和标准差计算，得到相邻心搏间期数据差值的均方根数据rmssd，全部窦性心搏间期数据的标准差数据sdnn和相邻心搏间期数据之差>50ms的个数占总窦性心搏个数的百分比数据pnn50；

6、对rmssd、sdnn和pnn50进行特征提取，得到特征数据；

7、通过k-means算法建立k-means聚类模型，将特征数据作为k-means聚类模型数据集的输入，在数据集中选取80％的特征数据作为k-means算法的训练集，随机选取若干特征数据作为数据集质心，对数据集进行训练，迭代得到按序排列的不同簇类，其中，不同簇类代表不同等级的疲劳程度，簇类按照疲劳程度由低到高进行排列；

8、将数据集中剩下20％的特征数据作为测试集，进行测试，对测试结果进行验证，验证其与主观判断和客观判断中较高的疲劳等级是否接近，若接近则判断测试结果准确，将该测试结果作为预测结果；其中，主观判断为飞行员本人对自身心理疲劳程度的判断，客观判断为根据飞行员完成预设操作的完成度高低得出的生理疲劳程度的判断，测试结果、心理疲劳程度和生理疲劳程度的评级均与不同簇类对应的不同等级的疲劳程度的评级相对应；当测试结果的评级与主观判断和客观判断中较高的疲劳等级的评级相差小于或等于2个不同簇类对应不同等级的疲劳程度的评级等级差时，判定为测试结果与主观判断和客观判断中较高的疲劳等级接近；

9、对预测结果进行输出。

10、还包括以下步骤：在得到预测结果之后，将预测结果转换为类别标签，用于表征飞行员的疲劳状态。

11、采用平均轮廓系数法对k-means算法进行聚类分析k值的取值。

12、通过接触式设备对飞行员的心率数据和脉搏信号数据进行采集。

13、接触式设备至少包括耳脉搏ppg检测设备和ecg心电机检测设备。

14、心率数据和脉搏信号数据进行去噪的方法为小波去噪和三次样条插值法去噪。

15、k-means聚类模型至少包含7个代表不同等级的疲劳程度的簇类。

16、通过python对心搏间期数据进行均方根和标准差计算。

17、还提供一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一项所述方法的步骤。

18、还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述方法的步骤。

19、与现有技术相比，本发明的有益效果为：

20、本发明采用k-means算法对数据进行更为准确的分类，更好地实现飞行员生理参数的分类判别，同时更加智能化。

技术特征：

1.一种基于人工智能的飞行员疲劳检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于人工智能的飞行员疲劳检测方法，其特征在于，还包括以下步骤：在得到预测结果之后，将预测结果转换为类别标签，用于表征飞行员的疲劳状态。

3.根据权利要求1所述的一种基于人工智能的飞行员疲劳检测方法，其特征在于，采用平均轮廓系数法对k-means算法进行聚类分析k值的取值。

4.根据权利要求1所述的一种基于人工智能的飞行员疲劳检测方法，其特征在于，通过接触式设备对飞行员的心率数据和脉搏信号数据进行采集。

5.根据权利要求4所述的一种基于人工智能的飞行员疲劳检测方法，其特征在于，接触式设备至少包括耳脉搏ppg检测设备和ecg心电机检测设备。

6.根据权利要求1所述的一种基于人工智能的飞行员疲劳检测方法，其特征在于，心率数据和脉搏信号数据进行去噪的方法为小波去噪和三次样条插值法去噪。

7.根据权利要求1所述的一种基于人工智能的飞行员疲劳检测方法，其特征在于，k-means聚类模型至少包含7个代表不同等级的疲劳程度的簇类。

8.根据权利要求1所述的一种基于人工智能的飞行员疲劳检测方法，其特征在于，通过python对心搏间期数据进行均方根和标准差计算。

9.一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-8任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-8任一项所述方法的步骤。

技术总结
本发明公开了一种基于人工智能的飞行员疲劳检测方法，包括：获取飞行员的心率数据和脉搏信号数据并进行去噪；对去噪后的数据进行特征提取，得到心搏间期数据；进行均方根和标准差计算，得到RMSSD、SDNN和PNN50；对RMSSD、SDNN和PNN50进行特征提取，得到特征数据；将特征数据作为数据集的输入，在数据集中选取80％的特征数据作为K‑means算法的训练集，随机选取若干特征数据作为数据集质心，对数据集进行训练，迭代得到按序排列的不同簇类；将数据集中剩下20％的特征数据作为测试集，进行测试，对测试结果进行验证，若判断测试结果准确，将该测试结果作为预测结果；对预测结果进行输出。本发明采用K‑means算法对数据进行更为准确的分类，更好地实现飞行员生理参数的分类判别。

技术研发人员：黄朝睿,徐剑,史洪亮,王居豪
受保护的技术使用者：航宇救生装备有限公司
技术研发日：
技术公布日：2024/1/22