earticle

영어

This study aims to develop a classifier that objectively assesses workers' fatigue using Deep Neural Networks(DNN) models. As the demands of modern work environments increase, workers are experiencing significant physical and mental stress, leading to a higher risk of fatigue-related accidents. While existing methods can assess fatigue both subjectively and objectively, they require expert intervention and are time-consuming, making them impractical for everyday use. To overcome these limitations, this study proposes a DNN model based on speech signals that can evaluate fatigue in real-time. The study involved collecting speech data from participants and classifying fatigue levels into five categories. Using features extracted from the speech signals, the DNN model is trained, and cross-validation is employed to select the optimal model and hyperparameters. The experimental results showed that the selected DNN model could predict the 5-level fatigue states with a high accuracy of 85.39%. This model can be used as a real-time assessment tool applicable to various high-risk occupations. This system not only enhances workplace safety and prevents accidents but also plays an important role in reducing social costs by ensuring individual safety.

한국어

본 연구는 작업자의 피로를 객관적으로 평가하는 분류기를 심층 신경망 모델을 활용하여 개발하는 것을 목표 로 한다. 현대 사회에서 작업 환경의 요구가 증가함에 따라 작업자는 신체적, 정신적 스트레스를 많이 받고 있으며, 이로 인해 피로 관련 안전사고의 위험이 증가하고 있다. 기존의 피로 측정 방법은 주관적인 방법과 객관적인 방식으 로 피로를 평가할 수 있으나, 전문가의 개입과 많은 시간이 요구되어 일상적인 사용에는 한계가 있다. 본 연구에서는 이러한 한계를 극복하고자 음성신호를 기반으로 한 심층 신경망 모델을 제안한다. 본 연구에서는 피험자의 음성 데이 터를 수집하고, 이를 기반으로 피로 수준을 5개 클래스로 분류한다. 음성신호에서 추출한 특징 파라미터를 이용하여 심층 신경망 모델을 학습시키고, 교차 검증을 통해 최적의 모델과 하이퍼파라미터를 선정한다. 실험 결과, 선정된 심 층 신경망 모델은 85.39%의 높은 정확도로 5-레벨 피로 수준을 예측하였다. 이 모델은 피로를 실시간으로 평가할 수 있으며, 다양한 고위험 직종에 적용 가능한 실시간 평가 도구로 사용할 수 있다. 이러한 시스템은 작업장의 안전을 향상시킬 뿐만 아니라 사고를 예방하고 개인의 안전을 보장함으로써 사회적 비용을 줄일 수 있는 중요한 역할을 할 것이다.