Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.upse.edu.ec/handle/46000/11975
Título: Reconocimiento de gestos manuales basado en aprendizaje de máquina a través de datos EMG
Director: Chuquimarca Jiménez, Luis Enrique
Autor: Serpa Toledo, David Moisés
Palabras clave: SENSOR MIOELÉCTRICO;RECONOCIMIENTO DE GESTOS MANUALES;REDES NEURONALES;EXTRACCIÓN DE CARACTERÍSTICAS
Fecha de publicación: 22-ago-2024
Editorial: La Libertad, Universidad Estatal Península de Santa Elena, 2024
Citación: Serpa Toledo David Moisés (2024). Reconocimiento de gestos manuales basado en aprendizaje de máquina a través de datos EMG. La Libertad UPSE, Matriz. Facultad de Sistemas y Telecomunicaciones. 99p.
Resumen: Este trabajo de investigación se enfoca en el desarrollo de un sistema para el reconocimiento de gestos manuales basado en señales electromiográficas (EMG). Se diseñó y fabricó un sensor mioeléctrico específico para la adquisición precisa de señales EMG, complementado con un prototipo 3D de una prótesis de mano izquierda para el reemplazo de la extremidad. Utilizando una Raspberry Pi y un Arduino UNO, se implementaron algoritmos de aprendizaje de máquina basados en redes neuronales para procesar y clasificar los datos EMG capturados. La metodología incluyó la captura de datos de tres gestos principales: mano cerrada/puño, pinza entre el dedo índice y el pulgar, y posición de descanso natural. Estos gestos fueron registrados mediante electrodos no invasivos ubicados en el antebrazo del usuario. Además, se llevó a cabo un exhaustivo proceso de procesamiento de señales y extracción de características relevantes para entrenar y validar el modelo de aprendizaje de máquina. Los resultados experimentales demostraron una precisión en la clasificación de gestos del 97%, validando la viabilidad y eficacia del sistema propuesto. Este enfoque no solo representa un avance significativo en el campo del reconocimiento de gestos basado en EMG, sino que también promueve aplicaciones prácticas en rehabilitación médica, control de prótesis y tecnologías de interacción hombre-máquina.
URI: https://repositorio.upse.edu.ec/handle/46000/11975
Aparece en las colecciones:Tesis de Electrónica y Automatización

Ficheros en este ítem:
Fichero Descripción TamañoFormato 
UPSE-TEA-2024-0022.pdfTRABAJO DE INTEGRACIÓN CURRICULAR4,43 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons