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
dc.contributor.author | Amézquita García, José Alejandro | |
dc.contributor.codirector | Bravo Zanoguera, Miguel Enrique | |
dc.contributor.director | López Avitia, Roberto | |
dc.coverage.placeofpublication | Mexicali, Baja California. | |
dc.date.accessioned | 2025-09-05T05:09:15Z | |
dc.date.available | 2025-09-05T05:09:15Z | |
dc.date.created | 2022 | |
dc.degree.deparment | Universidad Autónoma de Baja California, Facultad de Ingeniería | |
dc.degree.grantor | Tesis Doctorado / doctoral Thesis. | |
dc.degree.name | Maestría y Doctorado en Ciencias e Ingeniería | |
dc.description.abstract | 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. | |
dc.format.extent | 142 p. | |
dc.format.mimetype | ||
dc.identifier.uri | https://hdl.handle.net/20.500.12930/12549 | |
dc.language.iso | spa | |
dc.publisher | Universidad Autónoma de Baja California. | |
dc.relation.url | https://drivegooglecom/file/d/1tm9KOtPBca0GeqnUXyFy8gF_PdhInbRu/view?usp=sharing | |
dc.rights | openAccess | |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4 | |
dc.subject | Electromiografía||lemb||Tesis y disertaciones académicas||Manuales | |
dc.subject.lcc | RC77.5 A54 2022 | |
dc.title | 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 | |
dc.uabc.bibliographycNote | Incluye referencias bibliográficas | |
dc.uabc.bilbioteca | MEXICALI | |
dc.uabc.identifier | 251150 | |
dc.uabc.numInventario | MXL123589 | |
dc.uabc.typeMaterial | TESIS |
Archivos
Bloque original
1 - 1 de 1
Cargando...
- Nombre:
- MXL123589.pdf
- Tamaño:
- 4.44 MB
- Formato:
- Adobe Portable Document Format
- Descripción: