Universitas Dian Nuswantoro (UDINUS), melalui peneliti Giap, Yo Ceng; Muljono; Affandy; Basuki, Ruri Suko; Azies, Harun Al; Isnanto, R. Rizal; dan Dewi, Deshinta Arrova, mengkaji rancangan jaringan saraf konvolusional ringan berbantuan atensi berbasis MobileNetV2 untuk deteksi kantuk pengemudi secara real-time. Kegiatan ini membahas kebutuhan deteksi yang akurat dan cepat pada platform Edge-IoT dengan sumber daya terbatas. Kantuk pengemudi dijelaskan sebagai salah satu penyebab utama kecelakaan lalu lintas.
Studi tersebut membandingkan MobileNetV2 yang diperkuat Squeeze-and-Excitation dengan model dasar dan versi yang dioptimalkan secara struktural. Versi yang dioptimalkan menggunakan Depthwise Separable Convolution, Bottleneck blocks, dan Expansion layers. Eksperimen dilakukan pada 500 citra. Hasilnya menunjukkan bahwa atensi kanal meningkatkan diskriminasi fitur, sedangkan optimasi struktural menghasilkan keseimbangan paling tangguh antara akurasi dan latensi. Validasi statistik menggunakan interval kepercayaan 95% dan two-proportion Z-tests untuk mendukung signifikansi peningkatan tersebut.
Model yang diusulkan mendukung inferensi real-time meskipun berukuran kecil, yaitu sekitar 2,6 juta parameter dan 315 juta FLOPs. Temuan menunjukkan bahwa optimasi struktural lebih penting daripada mekanisme atensi dalam perancangan jaringan saraf konvolusional ringan untuk pemantauan pengemudi tertanam. Kegiatan penelitian UDINUS ini membahas deteksi kantuk pengemudi dan perancangan model ringan untuk sistem Edge-IoT dengan sumber daya terbatas. Sumber tidak memberikan informasi lebih lanjut mengenai konteks penerapan, keluaran institusional, atau tindak lanjut yang terdokumentasi.