矿业研究与开发

作者：周鸿森 ,栗继祖

关键词：煤矿 VDT作业;眼动追踪技术;FCM 聚类;机器学 习算法;视觉疲劳

准确预测智能化煤矿中视觉显示终端(VDT)作业员 的视觉疲劳程度,是降低 VDT 作业失误、确保智能化煤矿 安全的关键.通过煤矿 VDT 作业试验,收集被试者眼动指 标数据和主客观视觉疲劳评价指标值,采用主成分分析法(PCA)计算各评价指标的权重,并利用 FCM 聚类算法计算 最佳视觉疲劳分类数.在此基础上,将 VDT 作业视觉疲劳 程度阈值作为输出信息,被试者的眼动数据作为输入信息,构建了一个综合了５种机器学习算法的视觉疲劳程度综合 预测模型.结果表明:最佳视觉疲劳分类数为３,所构建的 预测模型的准确率为９４．４％,对３类视觉疲劳程度预测的平 均误差率为３．７％,相较于５种单个机器学习算法,综合模型 的预测准确性和稳定性均明显提升.

来源：2023年第8期

《矿业研究与开发》期刊编辑部

查看矿业研究与开发杂志2023年第8期