MétaCan
Menu
Retour à la cohorte
Enregistrement W4221099347 · doi:10.18280/ts.390101

Interaction Model of the Cabin of Combined Sugarcane Harvesters

2022· article· en· W4221099347 sur OpenAlexvenueno aff
Sha Liu, Tan Yu, Chunyang Wu

Notice bibliographique

RevueTraitement du signal · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueQuality Function Deployment in Product Design
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceALARMMode (computer interface)Warning systemChannel (broadcasting)Speech recognitionSimulationComputer visionArtificial intelligenceLatency (audio)Dual modeReal-time computingEngineeringHuman–computer interactionElectronic engineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

Owing to visual blind spot areas and occasional negligence, combined sugarcane harvester drivers often make mistakes in field operation, some of which evolve into major accidents. To improve drivers’ perception of and response to warning information, this paper explores the optimal interaction mode of warning information for the cabin of combined sugarcane harvesters. A series of experiments were carried out on a stationary driving simulator to verify the driver experience and alarm efficiency of three modes of warning information, namely, text, audio, and image, as well as their dual-channel modes. The physiological data, such as electrodermal activity (EDA), photoplethysmography (PPG), and electroencephalogram (EEG), of eight subjects were collected through the experiments. On this basis, the cognitive load of drivers was analyzed under different modes of warning information. The motion feedback time was recorded to parse the driver’s recognition rate and reaction speed to the warning information, and the eye movement was captured to analyze the driver’s attention distribution. The results show that the recognition rate under the dual-channel mode of visual and audio is higher than that of the single-channel mode of text or image. The addition of the visual warning information (text or image) to the audio information reduces the attention distribution time, and the best reduction effect is achieved in the image plus voice mode. The EDA indices of latency, amp sum, and mean half decay time fully reflect the effect of alarm information modes on the subjects’ reaction speed and emotional stimulation. The image plus voice mode has the fastest response speed, smallest response to stimuli, and the best ability for emotional recovery than the other modes. The eye movement, some EDA indices, and EEG are more sensitive to stress reaction, while the HRV is not sensitive for analyzing drivers’ stress to the stimuli of warning information in a short time. The research results lay the basis for designing a more efficient and accurate reminder mode of warning information for combined sugarcane harvesters.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,081

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,042
Tête enseignante GPT0,224
Écart entre enseignants0,183 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTraitement du signalMême sujetQuality Function Deployment in Product DesignTravaux en français237 207