基于脑电的作业人员注意力预警方法、系统、介质和装置与流程
本发明涉及脑机接口与电力安全管控交叉,尤其涉及基于脑电的作业人员注意力预警方法、系统、介质和装置。
背景技术:
1、电力作业环境具有高电压、大电流、高空作业和复杂电磁场等显著危险特征,作业人员在巡检、操作与抢修等过程中,任何注意力涣散、疲劳或警觉度下降都可能导致误操作、漏判设备缺陷或未能及时规避危险源,进而引发人身伤亡、设备损坏或大范围停电事故。随着电力系统规模不断扩大、作业任务日益复杂,单人连续作业时长增加,注意力状态的时变特性对作业安全的影响愈发突出。因此,对电力作业人员的注意力状态进行实时监测与预警,是保障电力安全生产的重要手段之一。
2、现有技术中,电力作业人员的注意力预警主要依赖基于外部行为观测的间接评估方法,但其存在显著缺陷:该方法通过观察作业人员当前的外部表现(如动作规范性、面部朝向、姿态变化或累计作业时长等)来间接推断其内在注意力状态,但人的外部行为与内在注意力水平之间并非严格对应关系,作业人员在保持规范动作的同时注意力可能已经涣散,而暂时性的肢体调整也可能被误判为状态异常,导致预警准确性存在明显不足,难以精准发现作业人员注意力的当前状态是否已发生偏离。
技术实现思路
1、本发明提供了基于脑电的作业人员注意力预警方法、系统、介质和装置,能够解决现有技术无法发现电力作业人员在执行电力作业时注意力发生偏离的问题,以提高作业人员注意力预警的准确性。
2、第一方面,本发明一实施例提供了一种基于脑电的作业人员注意力预警方法,包括:
3、采集作业人员执行电力作业时的原始脑电信号和运动状态数据;
4、利用所述运动状态数据对所述原始脑电信号进行伪迹剔除,得到有效脑电信号,对所述有效脑电信号进行频域分析得到频域特征,提取所述频域特征的注意力空间特征和注意力时序特征;
5、将所述频域特征、所述注意力空间特征和所述注意力时序特征输入预设注意力评估模型以拼接得到注意力特征序列,利用预设个体基线参数标准化所述注意力特征序列得到标准化特征序列,对所述标准化特征序列进行卷积得到卷积特征序列,对所述卷积特征序列进行时序编码,得到隐藏状态向量,对所述隐藏状态向量进行全连接,得到注意力量化分值,其中,所述个体基线参数基于所述作业人员受预设刺激信号刺激后产生的脑电响应和行为响应构建;
6、将所述注意力量化分值与预设预警规则进行匹配,得到所述作业人员的注意力预警措施。
7、这样通过采集作业人员在执行电力作业时的原始脑电信号和运动状态数据,可直接获取反映大脑认知活动的神经生理信号以及头部运动信息,为后续注意力状态的客观量化评估提供真实可靠的数据基础,解决现有技术因缺乏神经生理信号采集能力而无法精准发现注意力偏离的问题,为预警准确性提供数据来源保障;利用运动状态数据对原始脑电信号进行伪迹剔除得到有效脑电信号,可消除运动伪迹对脑电信号的污染,确保后续分析所依据的信号纯净可靠,解决因作业人员自身运动干扰导致信号失真进而影响注意力偏离发现精度的问题,为注意力预警的准确性提供信号质量保障;对有效脑电信号进行频域分析得到频域特征,可将原始脑电信号在频域上的能量分布量化为可计算的频域特征信息,解决现有技术因缺乏频域特征提取手段而难以从频域角度精准识别注意力状态的问题,为提高注意力预警的准确性提供频域特征保障;对频域特征进行特征提取得到作业人员的注意力空间特征和注意力时序特征,可从空间分布和时序变化两个维度进一步挖掘频域特征中蕴含的注意力状态信息,为提高注意力预警的准确性提供空间与时序特征保障;将频域特征、注意力空间特征和注意力时序特征输入预设注意力评估模型以拼接得到注意力特征序列,可将三个维度的特征信息融合为统一的特征表示,使后续模型能够基于完整的特征信息进行综合判断,保障后续注意力预警的准确性;利用作业人员受预设测试刺激后产生的脑电响应和行为响应构建的个体基线参数对注意力特征序列进行标准化处理,可消除不同作业人员之间因生理差异导致的脑电幅值差异,使模型输入特征在个体间具有可比性,为预警准确性提供个体差异消除保障;对标准化特征序列进行卷积处理得到卷积特征序列,可提取注意力状态在多个时间尺度上的局部变化模式,使模型能够同时感知快速波动和长期趋势,避免仅关注单时间尺度特征而忽略注意力状态多尺度变化规律的问题,为预警准确性提供多尺度特征提取保障;对卷积特征序列进行时序编码得到隐藏状态向量,可将分散在各时间窗口的时序依赖关系聚合并压缩为包含完整历史信息的全局特征,使模型能够基于注意力状态的发展趋势而非孤立时刻进行判断,避免因缺乏长时序编码能力而无法精准判断注意力是否已发生偏离的问题,为预警准确性提供时序趋势感知保障;对隐藏状态向量进行全连接处理得到注意力量化分值,可将高维时序特征映射为直观连续的量化指标,实现注意力状态的连续量化评估而非离散分类,解决现有技术评估粒度粗糙且无法支撑精细化分级管控的问题,为预警准确性提供精细化量化保障;将注意力量化分值与预设预警规则进行匹配得到注意力预警措施,可根据注意力分值的具体区间触发分级预警,使预警方式与注意力偏离程度精准匹配,最终实现对电力作业人员在执行电力作业时注意力发生偏离的精准预警。本技术能够解决现有技术无法发现电力作业人员在执行电力作业时注意力发生偏离的问题,以提高作业人员注意力预警的准确性。
8、进一步的,所述对所述有效脑电信号进行频域分析得到频域特征,具体包括:
9、对所述有效脑电信号按通道维度进行时频转换处理,得到各通道对应的频域信号;
10、针对各通道,将当前通道对应的所述频域信号中各频率点的功率值进行求和,得到当前通道对应的全频段总功率;
11、将当前通道对应的所述频域信号在若干个预设频段内的各频率点的功率值分别进行求和,得到当前通道在各所述预设频段对应的子带绝对功率;
12、将当前通道对应的各所述子带绝对功率分别与所述全频段总功率进行比值运算,得到若干个频段相对功率;
13、基于当前通道对应的各所述子带绝对功率,计算得到若干个频段功率比;
14、将各通道对应的各所述频段相对功率和各所述频段功率比进行汇总,得到所述频域特征。
15、这样对有效脑电信号进行频域分析得到频域特征,可将原始脑电信号在频域上的能量分布量化为可计算的频域特征信息,解决现有技术因缺乏频域特征提取手段而难以从频域角度精准识别注意力状态的问题,为提高注意力预警的准确性提供频域特征保障。
16、进一步的,所述预设频段包括α频段、β频段和θ频段,所述子带绝对功率包括α频段对应的α频段绝对功率、所述β频段对应的β频段绝对功率和所述θ频段对应的θ频段绝对功率,所述基于当前通道对应的各所述子带绝对功率,计算得到若干个频段功率比,具体包括:
17、基于所述θ频段绝对功率和所述β频段绝对功率,计算得到第一功率比;
18、基于所述α频段绝对功率和所述β频段绝对功率,计算得到第二功率比;
19、基于所述α频段绝对功率和所述θ频段绝对功率,计算得到中间值;
20、利用所述中间值和所述β频段绝对功率,计算得到第三功率比;
21、将所述第一功率比、所述第二功率比和所述第三功率比作为各所述频段功率比。
22、这样基于α频段、β频段和θ频段对应的绝对功率计算得到三个频段功率比,可从频域组合角度提取与注意力状态密切相关的特征信息,避免仅关注单一频段功率而难以从频域组合角度精准刻画注意力状态的问题,为预警准确性提供频域特征保障。
23、进一步的,所述通道包含第一前额叶通道、第二前额叶通道、第一枕叶通道和第二枕叶通道,所述频段相对功率包含所述第一前额叶通道对应的第一相对功率、所述第二前额叶通道对应的第二相对功率、所述第一枕叶通道对应的第三相对功率和所述第二枕叶通道对应的第四相对功率,所述提取所述频域特征的注意力空间特征和注意力时序特征,具体包括:
24、基于所述第一相对功率和所述第二相对功率,计算得到前额叶不对称系数,并基于所述第三相对功率和所述第四相对功率,计算得到枕叶不对称系数;
25、对所述第一相对功率和所述第二相对功率进行求平均计算,得到前额叶相对功率均值,并对所述第三相对功率和所述第四相对功率进行求平均计算,得到枕叶相对功率均值;
26、基于所述前额叶相对功率均值和所述枕叶相对功率均值,计算得到前额枕叶功率差比值;
27、基于各通道的各所述子带绝对功率,计算得到若干个跨通道相干系数;
28、将所述前额叶不对称系数、所述枕叶不对称系数、所述前额枕叶功率差比值和各所述跨通道相干系数进行汇总,得到所述注意力空间特征;
29、对各所述频段相对功率进行时序分析,得到所述注意力时序特征。
30、这样对频域特征进行特征提取得到作业人员的注意力空间特征和注意力时序特征,可从空间分布和时序变化两个维度进一步挖掘频域特征中蕴含的注意力状态信息,为提高注意力预警的准确性提供空间与时序特征保障。
31、进一步的,所述对各所述频段相对功率进行时序分析,得到所述注意力时序特征,具体包括:
32、针对各通道,基于当前通道在预设时间窗口内的各所述频段相对功率,计算得到相对均值;
33、基于当前通道在所述时间窗口内的各所述频段相对功率,计算得到相对标准差;
34、对所述相对均值和所述相对标准差进行计算,得到当前通道对应的注意力持续稳定系数;
35、将各通道对应的所述注意力持续稳定系数进行汇总,得到所述注意力时序特征。
36、这样通过计算各通道在预设时间窗口内频段相对功率的均值和标准差,并进一步计算二者的比值得到注意力持续稳定系数,可量化注意力在时间维度上的波动程度,避免仅关注单点时刻的频域特征而忽略注意力状态的时序变化规律,为预警准确性提供时序波动特征保障。
37、进一步的,所述注意力评估模型包括若干个卷积分支,所述对所述标准化特征序列进行卷积处理得到卷积特征序列,具体包括:
38、针对各所述卷积分支,利用当前卷积分支对所述标准化特征序列进行时序卷积处理,得到时序卷积结果;
39、对所述时序卷积结果进行逐点卷积处理,得到逐点卷积结果;
40、将各所述卷积分支对应的所述逐点卷积结果进行拼接,得到所述卷积特征序列。
41、这样对标准化特征序列进行卷积处理得到卷积特征序列,可提取注意力状态在多个时间尺度上的局部变化模式,使模型能够同时感知快速波动和长期趋势,避免仅关注单时间尺度特征而忽略注意力状态多尺度变化规律的问题,为预警准确性提供多尺度特征提取保障。
42、进一步的,所述利用所述运动状态数据对所述原始脑电信号进行伪迹剔除,得到有效脑电信号,具体包括:
43、基于所述运动状态数据,计算得到所述作业人员在各时刻对应的运动加速度合值,并基于所述运动状态数据,计算得到所述作业人员在各时刻对应的状态变化率;
44、针对各时刻,若当前时刻对应的所述运动加速度合值和所述状态变化率满足预设干扰条件,则标记当前时刻为运动伪迹时刻;
45、利用各所述运动伪迹时刻在所述原始脑电信号中识别得到若干个运动伪迹段;
46、对所述原始脑电信号中的各所述运动伪迹段进行修复,以基于修复结果和所述原始脑电信号中的非伪迹段,得到所述有效脑电信号。
47、这样利用运动状态数据对原始脑电信号进行伪迹剔除得到有效脑电信号,可消除运动伪迹对脑电信号的污染,确保后续分析所依据的信号纯净可靠,解决因作业人员自身运动干扰导致信号失真进而影响注意力偏离发现精度的问题,为注意力预警的准确性提供信号质量保障。
48、第二方面,本发明一实施例提供了一种基于脑电的作业人员注意力预警系统,所述基于脑电的作业人员注意力预警系统用于执行基于脑电的作业人员注意力预警方法。
49、第三方面,本发明另一实施例提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备或装置执行基于脑电的作业人员注意力预警方法。
50、第四方面,本发明另一实施例提供了一种装置,所述装置包括安全帽本体和设置于所述安全帽本体上的采集电极、惯性测量单元、电池和主控芯片,其中:
51、所述电池与所述采集电极、所述惯性测量单元和所述主控芯片连接;
52、所述主控芯片与所述采集电极和所述惯性测量单元连接,用于执行基于脑电的作业人员注意力预警方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com