摘要：为了快速准确地识别飞行员在驾驶舱内的异常行为,以保证航空安全,设计了一种基于改进YOLOv5算法的驾驶舱内飞行员异常行为识别方法。在YOLOv5的骨干网络中加入坐标注意力机制,获取在位置和方向上的特征信息,增强对注意力信息的敏感程度;改良交并比作为损失函数,提高模型计算速度和精度。训练自制飞行员异常行为原始数据集,实验结果表明,在模拟飞行驾驶舱中进行测试,能够准确快速识别飞行员的3种异常行为,平均精度达到98.3%,满足了识别要求。

摘要：单飞行员驾驶作为未来航空运输业发展的趋势,与之对应的民航客机驾驶舱设计也成为研究热点。考虑到飞行员数量的减少,驾驶舱的设计不仅要采用最前沿的人机交互技术,更需要将一系列新兴的科技和设计理念融入驾驶舱的设计中,最大限度地增强飞行员的态势感知能力与综合控制能力,降低其工作负荷以及心理压力,以保证民航客机的安全运行。