O artigo “Automatic drowsiness detection for safety-critical operations using ensemble models and EEG signals”, de autoria de pesquisadores da UFPE, foi aceito para publicação no journal: Process Safety and Environmental Protection, um periódico internacional de alto fator de impacto.

Os autores do trabalho são Plínio Ramos, doutorando em Engenharia de Produção pela UFPE e bolsista do PRH 38.1; Caio Souto Maior, professor do Departamento de Engenharia de Produção UFPE campus CAA; Márcio Moura, professor do Departamento de Engenharia de Produção da UFPE e coordenador do PRH 38.1; e Ísis Lins, professora do Departamento de Engenharia de Produção da UFPE e membro do PRH 38.1.

Os pesquisadores propuseram dois modelos em conjunto de aprendizado de máquina que consideram diferentes fontes de dados de sinais de Eletroencefalograma (EEG) para detecção da sonolência em operadores de processos críticos de segurança ocupacional e ambiental. Setores industriais que realizam tarefas críticas, como a indústria de petróleo e gás, têm se interessado em monitorar parâmetros biológicos para prevenir erros humanos e aumentar a segurança de processos com preparação e resposta a emergências. Assim, a confiabilidade humana desempenha um papel fundamental para evitar possíveis acidentes catastróficos desencadeados pelo fator humano, por exemplo, a fadiga dos trabalhadores. Os resultados do trabalho mostram que é possível reconhecer a sonolência com altos níveis de acurácia, e reforçam que esquemas que usam muitos canais de sinais de EEG não levam necessariamente a melhores desempenhos, além de que coletar muitos desses sinais pode ser complicado para humanos.

O estudo apresenta resultados iniciais do projeto de pesquisa para defesa da Tese do doutorando Plínio Ramos, e, além disso, contribui como uma importante divulgação do Programa de Recursos Humanos 38.1 administrado pela Agência Nacional de Petróleo, Gás Natural e Biocombustíveis (ANP) e pela Financiadora de Estudos e Projetos (FINEP).