क्या ड्राइवरों की थकान को वास्तविक समय में लगभग पूर्ण सटीकता के साथ पता लगाया जा सकता है?

गाड़ी चलाते समय नींद आना दुनिया भर में घातक दुर्घटनाओं के प्रमुख कारणों में से एक बना हुआ है। हर साल इससे हज़ारों मौतें होती हैं और आर्थिक नुकसान सौ अरब डॉलर से भी अधिक होता है। कृत्रिम बुद्धिमत्ता और कंप्यूटर विज़न पर आधारित एक नई पद्धति समय रहते थकान के संकेतों को पहचानकर स्थिति को बदल सकती है।

शोधकर्ताओं ने एक ऐसा प्रणाली विकसित किया है जो वास्तविक समय में ड्राइवर में थकान के प्रारंभिक संकेतों को पहचान सकता है। पारंपरिक विधियों के विपरीत, जो वाहन के व्यवहार का विश्लेषण करती हैं या घुसपैठ वाले सेंसर की आवश्यकता होती है, यह समाधान एक साधारण एम्बेडेड कैमरे का उपयोग करता है। यह चेहरे की हलचल जैसे कि आँखें झपकना, जंभाई लेना या सिर का झुकना देखता है। ये संकेत, जो अक्सर सूक्ष्म होते हैं, ड्राइवर के नियंत्रण खोने से बहुत पहले ही सतर्कता में कमी को उजागर करते हैं।

इस प्रणाली का मुख्य आधार दो कृत्रिम बुद्धिमत्ता तकनीकों के संयोजन पर आधारित एक संकर मॉडल है: कन्वोल्यूशनल न्यूरल नेटवर्क और विज़ुअल ट्रांसफॉर्मर। पूर्व स्थानीय विवरणों जैसे आँखों की आकृति या मुंह की स्थिति का विश्लेषण करने में उत्कृष्ट हैं। बाद वाले इन तत्वों के बीच लंबी अवधि में संबंधों को पकड़ते हैं, जिससे थकान के मिनट-दर-मिनट विकास का पता लगाया जा सकता है। यह दोहरी दृष्टिकोण प्रणाली को एक साधारण विचलन और गहरी थकान के बीच अंतर करने के लिए विशेष रूप से प्रभावी बनाता है।

सभी परिस्थितियों में विश्वसनीय पता लगाने की गारंटी देने के लिए, मॉडल को एक मिलियन से अधिक ड्राइविंग वीडियो पर प्रशिक्षित किया गया है। यह कम रोशनी, अचानक हलचल या आंशिक बाधाओं जैसे धूप का चश्मा होने पर भी थकान के संकेतों को पहचानना सीखा है। एक अनलेबेल्ड डेटा पर स्व-अधिगम तकनीक ने इसकी मजबूती को और बढ़ाया है, जबकि एक टेम्पोरल अटेंशन मैकेनिज्म माइक्रो-एक्सप्रेशंस और कई मिनटों तक के रुझानों दोनों का विश्लेषण करता है।

परिणाम प्रभावशाली हैं: प्रणाली 99.3% की सटीकता प्राप्त करती है, जिसमें केवल 42 मिलीसेकंड की देरी होती है। यह वास्तविक समय में स्वायत्त वाहनों में उपयोग किए जाने वाले एम्बेडेड कंप्यूटरों पर काम करता है, बिना धीमा हुए या अधिक ऊर्जा की खपत किए। विज़ुअल व्याख्या उपकरण दिखाते हैं कि यह वास्तव में प्रासंगिक संकेतों जैसे कि पलकों का धीरे-धीरे बंद होना या सिर का झुकना पर आधारित है, न कि थकान से असंबंधित कृत्रिम तत्वों पर।

यह प्रणाली अन्य ऐसे क्षेत्रों में भी अनुकूलित हो सकती है जहां सतर्कता महत्वपूर्ण है, जैसे विमानन या औद्योगिक निगरानी। इसका मुख्य लाभ यह है कि यह थकान को खतरनाक होने से पहले ही चेतावनी देता है, एक गैर-घुसपैठ और स्केलेबल समाधान प्रदान करता है। छह अलग-अलग डेटाबेस पर किए गए परीक्षण दिन और रात के ड्राइविंग स्थितियों में इसकी प्रभावशीलता की पुष्टि करते हैं।

मुद्दा केवल तकनीकी प्रदर्शन से परे है। नींद से संबंधित दुर्घटनाओं को कम करके, यह तकनीक हर साल जीवन बचा सकती है और अरबों डॉलर के नुकसान से बचा सकती है। हालांकि, इसके तैनाती से डेटा सुरक्षा और निष्पक्षता के बारे में सवाल उठते हैं, क्योंकि थकान के संकेत व्यक्तियों के अनुसार भिन्न हो सकते हैं। डिजाइनरों ने गोपनीयता की रक्षा के लिए और पूर्वाग्रहों को सीमित करने के लिए सुरक्षा उपायों को शामिल किया है, लेकिन इसे सार्वभौमिक रूप से विश्वसनीय उपकरण बनाने के लिए निरंतर निगरानी आवश्यक होगी।

एम्बेडेड उपयोग के लिए अनुकूलित, यह प्रणाली अधिक सुरक्षित वाहनों के मार्ग को प्रशस्त करती है, जो ड्राइवरों को उनकी अपनी सीमाओं के खिलाफ भी सुरक्षित रख सकती है। इसका व्यापक अपनाना अब नियमों में इसके एकीकरण और उपयोगकर्ताओं द्वारा स्वीकार्यता पर निर्भर करेगा, जो जानते हैं कि यह तकनीक उनकी गोपनीयता में हस्तक्षेप किए बिना उनकी सुरक्षा का ध्यान रखती है।

दस्तावेज़ी आधार

संदर्भ रिपोर्ट

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

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

जर्नल: Journal of Electrical Systems and Information Technology

प्रकाशक: Springer Science and Business Media LLC

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