System bezpieczeństwa wykrywający oznaki senności u operatorów dronów to najlepsza praca inżynierska roku akademickiego 2024/2025. Nagrodzone w Konkursie Rektora rozwiązanie może znacząco zwiększyć bezpieczeństwo lotów. Do grona #młodychinnoWATorów dołącza inż. Adrian Panasiewicz wraz ze swoim innowacyjnym projektem.
Bezpieczeństwo lotnicze to bardzo precyzyjna dziedzina – tutaj liczy się każdy szczegół i nawet najmniejsze uchybienie może prowadzić do niechcianych konsekwencji. Ten realny problem stał się wyzwaniem dla #młodegoinnoWATora.
„Chciałem stworzyć system, który w praktyczny sposób mógłby poprawić bezpieczeństwo lotów dronów. W końcu to czujność operatora jest jego kluczowym elementem” – opowiada autor projektu. „Programowanie bardzo szybko i łatwo mi przychodziło, a także dawało mnóstwo satysfakcji. Dodatkowo zafascynowanie uczeniem maszynowym wydawało mi się świetnym uzupełnieniem drogi, w kierunku której chcę rozwijać nie tylko siebie, ale także ten projekt” – dodaje.
Wyzwanie, z którym się zmierzył, było następstwem drobiazgowej analizy literatury naukowej i statystyk zdarzeń – w USA w 2022 roku w wyniku wypadków samochodowych przez senność kierowców zginęły 693 osoby. Historia lotnictwa zna podobne przypadki, czego tragicznym przykładem jest wypadek lotu Air India Express 812, w którym zmęczenie i senność odegrały kluczową rolę.
Ostatecznie celem pracy stało się opracowanie systemu bezpieczeństwa monitorującego oznaki zmęczenia u operatora Bezzałogowego Statku Powietrznego na podstawie analizy obrazu z kamery. „System zaprojektowałem z myślą o działaniu w czasie rzeczywistym. Chciałem, żeby wykorzystywał wyłącznie parametry behawioralne – dzięki czemu uwaga operatora może skupić się wyłącznie na pilotażu.
„Pan Adrian to niezwykle utalentowany i ambitny student, który nie boi się wyzwań i z zaangażowaniem poszerza swoją wiedzę. Wyróżnia się tym, że uważnie słucha uwag i zawsze potrafi poprzeć swoje tezy solidnymi argumentami. Współpraca z nim była dla mnie ogromną przyjemnością – każdemu życzyłbym takiego studenta” – podkreśla promotor pracy mjr mgr inż. Przemysław Wojciechowski i wspomina pierwsze spotkanie, podczas którego przedstawił temat oraz założenia projektu dyplomantowi. „Zaznaczyłem wtedy, że zależy mi, by praca miała potencjał rozwojowy – na przykład w ramach koła naukowego lub studiów drugiego stopnia. Pan Adrian zareagował entuzjastycznie, mówiąc, że bardzo go to cieszy, bo początkowo obawiał się, że temat może okazać się zbyt prosty. To dobrze oddaje jego podejście – zawsze szuka ambitnych wyzwań”.
System został zaprogramowany w języku Python i wykorzystuje metody uczenia maszynowego do klasyfikacji poziomu senności. Pierwszy czynnik to Eye Aspect Ratio (EAR), czyli wskaźnik oparty na odległościach pomiędzy charakterystycznymi punktami oka, który pozwala wykryć przymykanie lub zamykanie powiek. Drugim jest PERCLOS (Percentage of Eyelid Closure), który określa czas zamknięcia powiek i jest najpopularniejszym wskaźnikiem w literaturze. Następnym jest Mouth Aspect Ratio (MAR), czyli analiza odległości pomiędzy punktami wokół ust – wskazujący na częstotliwość ziewania – typowy objaw senności. Kolejnymi dwoma są kąty Eulera – ruch głowy względem kamery, czyli opadanie, oraz ruchy sakkadowe gałek ocznych, gdzie szybkie, niekontrolowane ruchy oczu są analizowane – ich spowolnienie lub ograniczenie zazwyczaj sygnalizują zmniejszoną czujność.
Na bazie tych parametrów system generuje wektor cech, które podlegają klasyfikacji poprzez dwie niezależne metody. Jest to model lasu losowego, czyli Random Forest – który umożliwia analizę istotności poszczególnych cech, a dodatkowo pozwala ocenić, które parametry mają największy wpływ na decyzję – w przypadku pracy #młodegoinnoWATora określa, czy skupienie operatora jest na odpowiednim poziomie. Drugą metodą jest konwolucyjna sieć neuronowa (CNN), która samodzielnie wydobywa wzorce i jest szczególnie skuteczna w wykrywaniu subtelnych zmian w mimice – świetnie radząc sobie z surowymi danymi wizualnymi.
„Projekt ukończyłem z pełnym sukcesem – stworzyłem działający prototyp systemu, który z powodzeniem wykrywa oznaki senności u operatorów BSP w czasie rzeczywistym. Nie tylko zrealizowałem założenia projektowe, ale też samodzielnie przeprowadziłem dogłębną analizę literatury i eksperymentów, co pozwoliło mi lepiej zrozumieć potencjał i ograniczenia zastosowanych metod” – opowiada inż. Adrian Panasiewicz. I dodaje, że praca inżynierska nauczyła go także skutecznie oceniać wartość artykułów naukowych i unikać powielania treści bez wartości dodanej.
Praca dyplomowa #młodegoinnoWATora pokazuje, że studenci WAT są głodni wiedzy, chętnie rozwijają swoje umiejętności i pragną realnie wpływać na otaczający ich świat. Opracowane rozwiązania oraz ich zastosowanie w tak kluczowych dziedzinach jak bezpieczeństwo lotów bezzałogowych mają ogromny potencjał i znaczący wpływ na przyszłość tej branży.
Sebastian Jurek
fot. Alicja Szulc
—
Artykuł powstał w ramach cyklu #młodziinnoWATorzy, w którym prezentujemy projekty, prace naukowe i dyplomowe, nowoczesne rozwiązania ambitnych studentów Wojskowej Akademii Technicznej, dla których 100% to za mało.