Sheikah arm

Matheus, Ricardo H. A.; Araki, Daniel K. S.; Nunes, Rafael O.; Leal, Gustavo N.

Sheikah arm

dc.contributor.advisor	Castro, Maria Claudia F.
dc.contributor.advisorLattes	http://lattes.cnpq.br/7429780004238103
dc.contributor.author	Matheus, Ricardo H. A.
dc.contributor.author	Araki, Daniel K. S.
dc.contributor.author	Nunes, Rafael O.
dc.contributor.author	Leal, Gustavo N.
dc.date.accessioned	2023-08-29T15:57:21Z
dc.date.available	2023-08-29T15:57:21Z
dc.date.issued	2023-06-14
dc.description.abstract	O presente trabalho tem como objetivo o desenvolvimento de um protótipo de prótese mioelétrica de mão desenvolvida em uma impressora 3D, cuja intensão do usuário seja detectada pela utilização de técnicas de aprendizado de máquina para o reconhecimento de padrões de sinais mioelétricos. Foram estudados os principais componentes e conceitos da solução, partindo do modelo de prótese open source, da leitura de sinais mioelétricos coletados pela Myo Armband, do processamento dos sinais através de aprendizado de máquina utilizando a ferramenta Classification Learner e do Matlab e, por fim, comunicação Wi-Fi com o Raspberry Pi Zero W, responsável pelo controle do movimento final, realizado através do acionamento dos servomotores do protótipo. Utilizando como classificador o SVM Quadrático, a acurácia média obtida nos teste,s com aquisição de dados online, foi de 90,8%, para distinguir cinco movimentos: mão aberta, preensão, pinça, extensão do indicador e extensão do polegar.	pt_BR
dc.description.abstract	The present work aims to develop a prototype of a hand myoelectric prosthesis developed in a 3D printer, whose user intention is detected by using machine learning techniques for the recognition of myoelectric signal patterns. The main components and concepts of the solution were studied, starting from the open-source prosthesis model, the myoelectric signals collected by the Myo Armband, the signal processing through machine learning using the Classification Learner App from Matlab, and, finally, the Wi-Fi communication to the Raspberry Pi Zero W, microcontroller responsible for controlling the final movement, performed by activating the prototype’s servomotors. Using the Quadratic SVM as a classifier, with online data acquisition, was 90.8%, to distinguish five movements: open hand, grasp, pinch, index finger extension, and thumb extension.	en
dc.format.extent	81
dc.identifier.uri	https://repositorio.fei.edu.br/handle/FEI/5078
dc.language.iso	pt_BR
dc.rights	Aberto
dc.subject	myo armband
dc.subject	prótese mioelétrica
dc.subject	aprendizado de máquina
dc.subject	myoelectric prosthesis
dc.subject	machine learning
dc.title	Sheikah arm
dc.title.alternative	prótese mioelétrica com reconhecimento de padrões de EMG por aprendizado de máquina
dc.type	Trabalho de Conclusão de Curso
fei.date.entrega	2023