4月19日，机械工程学院在3613教室举办“基于深度学习的疲劳驾驶监测系统”项目学术报告会。本次报告会由机械工程学院付宇老师主讲，机械工程学院、计算机学院等40余名师生聆听了报告会。

报告会上，付宇老师聚焦道路交通安全核心痛点，点明疲劳驾驶是引发交通事故的主要诱因，针对传统监测方法精度不足、实时性差、复杂驾驶场景适配性弱等行业难题，系统介绍了项目研发背景与核心意义。随后，围绕项目技术方案、实现路线、研发成果及应用前景展开全面分享，并与现场师生开展深入交流研讨。

据悉，“基于深度学习的疲劳驾驶监测系统”项目以YOLOv8目标检测算法为核心，结合时间维度分析策略，构建专属驾驶员疲劳数据集，通过数据增强与迁移学习优化模型性能，基于Qt框架完成交互界面开发，实现复杂光照与环境下驾驶员疲劳状态的精准检测与实时预警。该系统可有效识别闭眼、打哈欠等典型疲劳特征，具备视频流实时监测、静态图片检测、阈值动态调整与全量日志记录等功能，能够全面提升疲劳检测的准确性与响应速度，为智慧交通体系建设提供关键技术支撑，切实保障公共出行安全。

此次报告会既展现了学院在深度学习、计算机视觉与智慧交通领域跨学科融合的科研积累，也为跨学院学术交流搭建了平台。参会师生表示，报告内容紧贴产业现实需求，兼具理论深度与工程实践价值，为自身科研学习提供了切实启发。

图/付宇