针对在超高海拔矿山严苛驾驶环境下,现有防疲劳预警系统精度不足95％、易受干扰等问题,研发了基于视觉与脑电(EEG)特征融合的疲劳检测系统.采用FastICA算法去眼电伪迹,提取脑电波能量比值及样本熵;应用YOLOX进行人脸检测,结合改进的PFLD算法提取眼状态、哈欠及头部姿态特征;设计了一种基于DＧS证据理论与SVM 的多源信息融合决策算法,有效整合视觉与脑电特征的概率分类结果.秘鲁拉斯邦巴斯超高海拔矿山的应用表明,基于多源信息融合的检测系统的检测准确率显著提升至97.6％,并能可靠捕捉关键疲劳特征.融合视觉与脑电特征可显著提升超高海拔环境下疲劳检测的精度与鲁棒性;D-S证据理论与SVM 融合算法是实现97.6％高精度的关键;该系统为高海拔矿山的运输安全提供了可靠的技术支撑,可降低事故风险约15％,同时,为极端环境下的防疲劳研究提供了新思路.