AI Summary & Key Takeaways
AI InsightBy systematically evaluating recent YOLO variants, the prototype demonstrates a balanced trade‑off between accuracy and processing speed on resource‑constrained embedded hardware, offering a practical solution for real‑time driver monitoring.
📌 3 Key Takeaways
Abstract
This study presents a plug‑and‑play prototype capable of detecting driver drowsiness in real time on a low‑cost NVIDIA Jetson Nano platform. State‑of‑the‑art (SOTA), parameter‑efficient models from the YOLO family are employed to identify the eye‑open/eye‑closed state and are ported to the Jetson Nano for inference. The trained network is housed in a compact 3D‑printed enclosure that can be powered from the vehicle’s cigarette‑lighter socket, does not obstruct the driver’s view, and issues an audible alert when drowsiness is detected. By systematically evaluating recent YOLO variants, the prototype demonstrates a balanced trade‑off between accuracy and processing speed on resource‑constrained embedded hardware, offering a practical solution for real‑time driver monitoring.
Özet
Bu çalışma, sürücü yorgunluğunu düşük maliyetli NVIDIA Jetson Nano üzerinde gerçek zamanlı olarak saptayabilen tak‑çalıştır bir prototip geliştirmeyi amaçlamaktadır. Gözün açık‑kapalı durumunu tespit etmek için YOLO ailesinin güncel modelleri kullanılmış ve NVIDIA Jetson Nano’ya aktarılmıştır. Geliştirilen prototip 3B yazıcıyla üretilmiş kompakt bir muhafaza kutusuna yerleştirilerek araç çakmak prizinden beslenen, sürücünün gsörüşünü engellemeyen ve sesli ikaz veren tam entegre bir modül hâline getirilmiştir. Böylece çalışma, YOLO serisinin parametre‑verimli sürümlerini sistematik olarak değerlendirerek gömülü donanımda yüksek doğruluk‑hız dengesi sağlayan bir prototip örneği sunmaktadır.