هل يمكن الكشف عن إرهاق السائقين في الوقت الفعلي بدقة شبه كاملة؟

النعاس أثناء القيادة يظل أحد الأسباب الرئيسية للحوادث المميتة في جميع أنحاء العالم. كل عام، يتسبب في آلاف الوفيات وخسائر اقتصادية تتجاوز مائة مليار دولار. قد يغير نهج جديد يعتمد على الذكاء الاصطناعي ورؤية الحاسوب قواعد اللعبة من خلال تحديد علامات التعب قبل فوات الأوان.

طور باحثون نظامًا قادرًا على اكتشاف المؤشرات الأولى للتعب لدى السائق في الوقت الفعلي. على عكس الأساليب التقليدية التي تحلل سلوك المركبة أو تتطلب مستشعات متطفلة، يستخدم هذا الحل كاميرا بسيطة مثبتة على المركبة. يراقب النظام حركات الوجه مثل رمش العين، التثاؤب أو ميل الرأس. هذه العلامات، التي غالبًا ما تكون خفية، تكشف عن انخفاض اليقظة قبل أن يفقد السائق السيطرة.

يعتمد قلب النظام على نموذج هجين يجمع بين تقنيتين للذكاء الاصطناعي: الشبكات العصبية التلافيفية والمحولات البصرية. الأولى متميزة في تحليل التفاصيل المحلية مثل شكل العينين أو وضع الفم. الثانية تلتقط الروابط بين هذه العناصر على فترة أطول، مما يسمح بتتبع تطور التعب دقيقة بعد دقيقة. يجعل هذا النهج المزدوج النظام فعالاً بشكل خاص في التمييز بين تشتت بسيط وإرهاق عميق.

لضمان اكتشاف موثوق في جميع الظروف، تم تدريب النموذج على أكثر من مليون فيديو للقيادة. تعلم التعرف على علامات التعب حتى في حالة الإضاءة المنخفضة، الحركات المفاجئة أو العوائق الجزئية مثل نظارات الشمس. حسنت تقنية التعلم الذاتي على بيانات غير مصنفة من robustness النظام، بينما يحلل آلية الانتباه الزمني كلاً من التعبيرات الدقيقة والاتجاهات على مدار دقائق.

النتائج مبهرة: يصل النظام إلى دقة 99.3٪، مع تأخير قدره 42 مللي ثانية فقط. يعمل في الوقت الفعلي على أجهزة كمبيوتر مدمجة مثل تلك المستخدمة في المركبات ذاتية القيادة، دون تباطؤ أو استهلاك كبير للطاقة. تظهر أدوات التوضيح المرئي أنه يعتمد بالفعل على مؤشرات ذات صلة، مثل إغلاق الجفون تدريجياً أو انحناء الرأس، وليس على عناصر غير مرتبطة بالتعب.

يمكن لهذا النظام أن يتكيف مع مجالات أخرى حيث تكون اليقظة حاسمة، مثل الطيران أو المراقبة الصناعية. تكمن ميزته الرئيسية في قدرته على التنبيه قبل أن يصبح التعب خطراً، مما يوفر حلاً غير متطفل وقابل للتوسع. تؤكد الاختبارات التي أجريت على ست قواعد بيانات مختلفة فعاليته في مواقف متنوعة، من القيادة أثناء النهار إلى الغسق.

التحدي يتجاوز الأداء التقني البسيط. من خلال تقليل الحوادث المرتبطة بالنعاس، يمكن لهذه التكنولوجيا أن تنقذ أرواحاً وتجنب مليارات الدولارات من الأضرار كل عام. ومع ذلك، يثير نشرها أسئلة حول حماية البيانات والإنصاف، حيث يمكن أن تختلف علامات التعب بين الأفراد. دمج المطورون ضوابط لضمان سرية الصور وتقليل التحيزات، لكن المراقبة المستمرة ستظل ضرورية لجعله أداة موثوقة عالمياً.

مُحَسّن للاستخدام المدمج، يفتح هذا النظام الطريق أمام مركبات أكثر أماناً، قادرة على حماية السائقين حتى ضد حدودهم الخاصة. يعتمد تبنيه على نطاق واسع الآن على دمجه في اللوائح وقبوله من قبل المستخدمين، الذين يدركون أن التكنولوجيا تراقب سلامتهم دون المساس بخصوصيتهم.

Bases documentaires

Rapport de référence

DOI : https://doi.org/10.1186/s43067-026-00335-z

Titre : Enhancing road safety through deep learning-based drowsiness detection using vision AI

Revue : Journal of Electrical Systems and Information Technology

Éditeur : Springer Science and Business Media LLC

Auteurs : Godfrey Perfectson OISE; Prosper Otega EJENARHOME; Abiodun Samuel OYEDOTUN