Nonconventional methods of assessing fatigue – practical aspects

• Autorzy: Szczepaniak Oskar , Sawicki Dariusz

Identyfikatory

DOI

10.15199/48.2021.10.33

Warianty tytułu

PL

Niekonwencjonalne metody oceny zmęczenia – aspekty praktyczne

• Języki publikacji: EN

Abstrakty

EN

An analysis of selected modern methods of human fatigue assessment was carried out, taking into account various aspects, including non-metrological ones. We took into account 11 publications from recent years. We analysed application possibility of the methods using a common set of criteria. We correlated the result of this analysis with four selected professional groups. The paper is an attempt to answer the question about the possibility of practical use of nonconventional methods at selected workplaces.

PL

Przeprowadzono analizę wybranych nowoczesnych metod oceny zmęczenia człowieka z uwzględnieniem różnych aspektów, w tym nie-metrologicznych. Wzięliśmy pod uwagę 11 publikacji z ostatnich lat. Przeanalizowaliśmy możliwości praktycznego wykorzystania metod, biorąc pod uwagę wspólny zestaw kryteriów. Wynik tej analizy skorelowaliśmy z czterema wybranymi grupami zawodowymi. Artykuł jest próbą odpowiedzi na pytanie o możliwość praktycznego wykorzystania metod niekonwencjonalnych na wybranych stanowiskach pracy.

Słowa kluczowe

EN

fatigue assessment; reduced attention; work safety; PERCLOS

PL

ocena zmęczenia; obniżenie poziomu uwagi; bezpieczeństwo pracy; PERCLOS

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2021
• Tom: R. 97, nr 10
• Strony: 157--160
• Opis fizyczny: Bibliogr. 16 poz., tab.

Twórcy

autor

Szczepaniak Oskar

• Warsaw University of Technology, Institute of Theory of Electrical Engineering, Measurement and Information Systems, Koszykowa 75, 00-662 Warsaw Poland

• https://orcid.org/0000-0002-8876-9548

autor

Sawicki Dariusz

• Warsaw University of Technology, Institute of Theory of Electrical Engineering, Measurement and Information Systems, Koszykowa 75, 00-662 Warsaw Poland

• https://orcid.org/0000-0003-3990-0121

Bibliografia

• [1] Sadeghniiat-Haghighi K., Yazdi Z., Fatigue management in the workplace, Industrial Psychiatry Journal, 24 (2015), 12-17, https://doi.org/10.4103/0972-6748.160915
• [2] Balkin T.J., Horrey W.J., Graeber R.C., Czeisler C.A., Dinges D.F., The challenges and opportunities of technological approaches to fatigue management, Accid Anal Prev. 43 (2011), no 2, 565-572, https://doi.org/10.1016/j.aap.2009.12.006
• [3] Sikander G., Anwar S., Driver Fatigue Detection Systems: A Review, IEEE Transactions on Intelligent Transportation Systems, 20 (2019), no. 6, Jun. 2019, 2339-2352, https://doi.org/10.1109/TITS.2018.2868499
• [4] Hu X., Lodewijks G., Detecting fatigue in car drivers and aircraft pilots by using non-invasive measures: The value of differentiation of sleepiness and mental fatigue. Journal of Safety Research, 72 (2020), 173-187, https://doi.org/10.1016/j.jsr.2019.12.015
• [5] Wang Q., Yang J., Ren M., Zheng Y., Driver Fatigue Detection: A Survey, Proc. of 6th World Congress on Intelligent Control and Automation, Dalian, China, 2006, pp. 8587-8591, https://doi.org/10.1109/WCICA.2006.1713656
• [6] Zhao Q., Jiang J., Lei Z., Yi J., Detection method of eyes opening and closing ratio for driver's fatigue monitoring, IET Intell. Transp. Syst., 15 (2021), no. 1, 31-42, https://doi.org/10.1049/itr2.12002
• [7] Li K., Gong Y., Ren Z., A Fatigue Driving Detection Algorithm Based on Facial Multi-Feature Fusion, IEEE Access, 8 (2020), 101244-10125, https://doi.org/10.1109/ACCESS.2020.2998363
• [8] Savaş B.K., Becerikli Y., Real Time Driver Fatigue Detection System Based on Multi-Task ConNN, IEEE Access, 8 (2020), 12491-12498, https://doi.org/10.1109/ACCESS.2020.2963960
• [9] Liu Z., Peng P., Hu W., Wykrywanie zmęczenia kierowcy w oparciu o głęboko wyuczoną reprezentację wyrazu twarzy, J. Vis. Commun. Image Represent., 71 (2020), 102723, https://doi.org/10.1016/j.jvcir.2019.102723
• [10] Poursadeghiyan M., Mazloumi A., Nasl Saraji G., Niknezhad A., Akbarzadeh A., Ebrahimi M.H., Określenie poziomów subiektywnej i obserwatorskiej oceny senności i ich związków ze zmianami dynamiki twarzy, Iran. J. Public Health, 46 (2017), no. 1, 93-102
• [11] Chandra S., Hayashibe M., Thondiyath A., Muscle Fatigue Induced Hand Tremor Clustering in Dynamic Laparoscopic Manipulation, IEEE Trans. Syst. Man, Cybern. Syst., 50 (2020), no. 12, 5420–5431, https://doi.org/10.1109/TSMC.2018.2882957
• [12] Jie Z., Mahmoud M., Stafford-Fraser Q., Robinson P., Dias E., Skrypchuk L., Analysis of yawning behavior in spontaneous expressions of dsleepsy drivers, Proc. of 13th IEEE Int. Conf. Autom. Rozpoznawanie gestów twarzy, FG 2018, s. 571-576, https://doi.org/10.1109/FG.2018.00091
• [13] Chen L., Zhi X., Wang H., Wang G., Zhou Z., Yazdani A., Zheng X., Driver Fatigue Detection via Differential Evolution Extreme Learning Machine Technique, Electronics, 9(11) (2020), no. 1850, 2020, https://doi.org/10.3390/electronics9111850
• [14] Bando S., Oiwa K., Nozawa A., Ocena dynamiki temperatury skóry czoła pod indukowaną sennością, IEEJ Trans. Electr. Elektron. Eng., 12 (2017), S104-S109, https://doi.org/10.1002/tee.22423
• [15] Mao L., Gong T., Ai Q., Hong Y., Guo J., He Y., Huang W., Yu B., Morfologicznie modulowane laserowo czujniki odkształcenia zredukowanego tlenku grafenu do rozpoznawania zmęczenia człowieka, Smart Mater. Struct., 29 (2020), nr 1, 015009, https://doi.org/10.1088/1361-665X/ab52c0
• [16] Cogswell F.D., Huang F., Dietze B., The Effects of Upper-Body and Lower-Body Fatigue on Standing Balance, West. Licencjat. Res. J. Heal. Nat. Sci., 7 (2016), nr 1, 1-5, https://doi.org/10.5206/wurjhns.2016-17.11

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2021).