Redes neurais artificiais aplicadas à classificação de gestos da mão através de sinais eletromiográficos

• Autor(a) principal: Fonseca, Michelle Gusmão Burgos da
• Data de Publicação: 2019
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFBA
• Texto Completo: http://repositorio.ufba.br/ri/handle/ri/29351
• topic: Engenharia Elétrica; Redes neurais artificiais; Sinais eletromiográficos; Reconhecimento e classificação de gestos

Este trabalho visa o reconhecimento e classificação dos gestos da mão a partir de sinais eletromiográficos (EMG) obtidos através de uma braçadeira Myo®, que possui oito eletrodos de classe médica. Cada eletrodo fornece uma informação referente à contração muscular realizada na execução do movimento. Esses sinais serão processados para a obtenção de uma “assinatura” padrão para possibilitar o treinamento da rede neural artificial (RNA). Essas assinaturas serão extraídas para cada tipo de movimento e, em seguida, um método de mapeamento adequado é aplicado para classificar os sinais EMG. É realizada uma comparação entre os algoritmos Resilent Backpropagation (Rprop) e Levenberg-Marquardt (LM) em todos os conjuntos de dados treinados. Foram escolhidos cinco movimentos para classificação e utilizados conjuntos de dados com até sete características. Dentre os 144 testes executados, o melhor resultado obtido foi de 88,2% com o Rprop e de 88,4% com o LM. Porém, de forma geral, o algoritmo Rprop apresentou melhor desempenho na maioria dos testes, quando comparado ao LM, sendo o tempo de treinamento a diferença mais significativa entre ambos. Espera-se com esse trabalho expandir as pesquisas na área de Tecnologia Assistiva (TA) para conquistar formas alternativas de inclusão social e melhorar a autonomia de pessoas com deficiência ou mobilidade reduzida dos membros superiores.