في عصرنا الحالي، يعد كشف التعب (Fatigue Detection) ضرورة ملحة في العديد من المجالات، لا سيما في التطبيقات الحساسة مثل الطيران، التعدين، والنقل الطويل. إن تقدير مستوى تعب المشغلين بدقة يساعد على إصدار تحذيرات في الوقت المناسب، وجدولة المهام بشكل يتناسب مع ظروف الأمان، مما يعزز من قرارات الإدارة في أنظمة الإنسان والآلة.

ومع ذلك، يواجه الباحثون تحديًا كبيرًا تمثل في قياس الإشارات المتعلقة بالتعب بموثوقية في بيئات النشر الحقيقية. ورغم أن البيانات التي تم جمعها باستخدام حساسات عالية الجودة قد أظهرت كفاءتها في بيئات مختبرية محكمة، إلا أن أدائها يتناقص بشكل ملحوظ في البيئات الواقعية نتيجة لعوامل مثل الضوضاء وظروف الإضاءة وقيود مجال الرؤية.

تتناول الدراسة الجديدة، المنشورة في arXiv، وضعًا يركز على التحديات الحقيقية في الكشف عن التعب، حيث يعتبر الوصول إلى حساسات ذات جودة عالية أمرًا صعبًا في التطبيقات الميدانية. ومن خلال ذلك، تم تصميم إطار عمل لتكامل بيانات كشف التعب متعدد المصادر، يعتمد على دمج المعرفة من مجالات مصادر مختلفة.

كلما زادت حساسية البيانات، زادت دقتها، لذلك يستفيد هذا النموذج من حساسات عالية الجودة تُستخدم عادةً في بيئات مراقبة محكمة لتساعد في دعم الكشف عن التعب في مجالات التطبيقات عن بعد. تطمح هذه النهج الجديدة إلى استخدام التوجيه نحو مجالات مشتركة لتمكين الكشف عن التعب من خلال استغلال تكوينات متنوعة للمصادر المختلفة، مما يضمن استدامة وفعالية الكشف في الظروف الحقيقية.