El papel de los controladores de tráfico aéreo es dirigir y gestionar vuelos altamente dinámicos. Su trabajo requiere tanto eficiencia como precisión. Estudios previos han demostrado que la fatiga en los controladores de tráfico aéreo puede afectar su capacidad laboral e incluso amenazar la seguridad de los vuelos, lo que hace necesario realizar investigaciones sobre cómo detectar óptimamente la fatiga en los controladores. En comparación con los métodos de detección de fatiga de modalidad única, los métodos de detección multimodal pueden aprovechar completamente la complementariedad entre diversos tipos de información. Considerando los impactos negativos de los métodos de detección de fatiga basados en contacto en el trabajo realizado por los controladores de tráfico aéreo, este documento propone una nueva arquitectura de red neuronal convolucional (CNN) de doble flujo AF que extrae simultáneamente características de fatiga de la radiofonía de los controladores y características de fatiga facial, y realiza una discriminación de fusión de características de dos clases. Este estudio diseñó dos procesos convolucionales independientes para imágenes faciales y datos de radiofonía, y realizó una fusión a nivel de características de las características extraídas de la radiofonía y de las imágenes faciales en la capa completamente conectada, con las características fusionadas transmitidas al clasificador para la discriminación del estado de fatiga. Los resultados experimentales muestran que la precisión de detección de características de radiofonía bajo una única modalidad fue del 62.88%, la precisión de detección de imágenes faciales fue del 96.0%, y la precisión de detección de la arquitectura de red CNN de doble flujo AF propuesta alcanzó el 98.03% y también convergió más rápido. En resumen, se propone una arquitectura de red de doble flujo basada en datos faciales y datos de radiofonía para la detección de fatiga que es más rápida y precisa que los otros métodos evaluados en este estudio.