Aprendizaje automático en los movimientos de los dedos con visualización en Opensim y diseño inalámbrico para la portabilidad en la adquisición de señales de electromiografía / [recurso electrónico] / José Alejandro Amézquita García ; director, Roberto López Avitia ; codirector, Miguel Enrique Bravo Zanoguera
Tipo de material:
TextoDetalles de publicación: Mexicali, Baja California, 2022Descripción: 1 recurso en línea, 142 p. ; il. col., gráficas, fotsTema(s): Electromiografía -- Tesis y disertaciones académicas -- ManualesClasificación LoC:RC77.5 | A54 2022Recursos en línea: Tesis Digital
Nota de disertación: Tesis (Doctorado)--Universidad Autónoma de Baja California, Facultad de Ingeniería, Mexicali, 2022 Resumen: En este trabajo se desarrolla la identificación de 15 gestos de la mano y la visualización de los
movimientos en un simulador biomecánico, asimismo se diseña la adquisición de señales EMG a
través de un dispositivo portátil, todo esto con el fin de preparar el control de una prótesis
multifuncional de mano-dedos con señales adquiridas en antebrazo. Por lo que se conjuntaron
varios temas de investigación:
• Desarrollo de un dispositivo portátil para la adquisición de señales EMG con el uso de
microcontroladores.
• Transmisión inalámbrica multicanal a la máxima tasa de adquisición de señales EMG.
• Procesamiento de las señales EMG con aprendizaje automático para la identificación de 15
gestos de la mano.
• Visualización del movimiento de los dedos a través de un software de simulación
biomecánica como Opensim.
La experiencia con todos estos trabajos nos brinda una buena herramienta para el diseño práctico
de prótesis de mano o para el control de una interfaz hombre-maquina a través de gestos de la
mano. En especial se obtuvieron los resultados siguientes: una clasificación de 78.36% de
reconocimiento con el clasificador cuadrático, para un grupo muestral de 8 sujetos; también se
demostró que se puede obtener un reconocimiento de 96.16% cuando se usa un clasificador
personalizado con solo 4 electrodos, y usando solo el 18% de las mediciones características de los
EMG; de igual forma se estableció una transmisión inalámbrica de datos, con seis
microcontroladores trabajando simultáneamente, asegurando una captura de mil muestras por
segundo para señales EMG con una resolución de 8 bits por muestra.
| Tipo de ítem | Biblioteca actual | Colección | Signatura | Copia número | Estado | Fecha de vencimiento | Código de barras |
|---|---|---|---|---|---|---|---|
| Tesis | Biblioteca Central Mexicali | Colección de Tesis | RC77.5 A54 2022 (Browse shelf(Abre debajo)) | 1 | Disponible | MXL123589 |
Navegando Biblioteca Central Mexicali Estantes, Código de colección: Colección de Tesis Cerrar el navegador de estanterías (Oculta el navegador de estanterías)
Maestría y Doctorado en Ciencias e Ingeniería
Tesis (Doctorado)--Universidad Autónoma de Baja California, Facultad de Ingeniería, Mexicali, 2022
Incluye referencias bibliográficas
En este trabajo se desarrolla la identificación de 15 gestos de la mano y la visualización de los
movimientos en un simulador biomecánico, asimismo se diseña la adquisición de señales EMG a
través de un dispositivo portátil, todo esto con el fin de preparar el control de una prótesis
multifuncional de mano-dedos con señales adquiridas en antebrazo. Por lo que se conjuntaron
varios temas de investigación:
• Desarrollo de un dispositivo portátil para la adquisición de señales EMG con el uso de
microcontroladores.
• Transmisión inalámbrica multicanal a la máxima tasa de adquisición de señales EMG.
• Procesamiento de las señales EMG con aprendizaje automático para la identificación de 15
gestos de la mano.
• Visualización del movimiento de los dedos a través de un software de simulación
biomecánica como Opensim.
La experiencia con todos estos trabajos nos brinda una buena herramienta para el diseño práctico
de prótesis de mano o para el control de una interfaz hombre-maquina a través de gestos de la
mano. En especial se obtuvieron los resultados siguientes: una clasificación de 78.36% de
reconocimiento con el clasificador cuadrático, para un grupo muestral de 8 sujetos; también se
demostró que se puede obtener un reconocimiento de 96.16% cuando se usa un clasificador
personalizado con solo 4 electrodos, y usando solo el 18% de las mediciones características de los
EMG; de igual forma se estableció una transmisión inalámbrica de datos, con seis
microcontroladores trabajando simultáneamente, asegurando una captura de mil muestras por
segundo para señales EMG con una resolución de 8 bits por muestra.
