Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/35326| Título: | Reconhecimento de padrões em movimentos de extensão dos dedos da mão utilizando dados coletados por redes de bragg em fibras óticas |
| Título(s) alternativo(s): | Pattern recognition in hand finger extension movements using data collected by bragg gratings in optical fibers |
| Autor(es): | Rialto Júnior, Péricles Valera |
| Orientador(es): | Dreyer, Uilian José |
| Palavras-chave: | Sistemas de reconhecimento de padrões Dispositivos optoeletrônicos Detectores ópticos Redes de Bragg Dedos - Movimentos Biomecânica Antebraços Pattern recognition systems Optoelectronic devices Optical detectors Bragg gratings Fingers - Movements Biomechanics Forearm |
| Data do documento: | 27-Set-2024 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Curitiba |
| Citação: | RIALTO JÚNIOR, Péricles Valera. Reconhecimento de padrões em movimentos de extensão dos dedos da mão utilizando dados coletados por redes de bragg em fibras óticas. 2024. Dissertação (Mestrado em Sistemas de Energia) - Universidade Tecnológica Federal do Paraná, Curitiba, 2024. |
| Resumo: | A pesquisa e o desenvolvimento de sensores óticos têm ganhado muita atenção nos últimos anos. A capacidade de multiplexação de sensores em uma mesma fibra ótica, o volume reduzido e a imunidade a interferências eletromagnéticas são alguns dos fatores que contribuem para a popularização da aplicação dessa tecnologia. Dentro desse contexto, esta dissertação busca aplicar dois sensores FBG como strain gauges com a finalidade de capturar sinais que representam a deformação muscular do antebraço causada por movimentos de extensão individual de cada um dos dedos da mão. Esses sinais podem, futuramente, ser utilizados para o tratamento e a melhor compreensão de lesões musculares, bem como para o controle de próteses inteligentes. Os sinais foram, então, tratados e analisados com o intuito de encontrar características que possam distinguilos entre si, utilizando técnicas de reconhecimento de padrões. Quatro classificadores — Support Vector Machine, Decision Tree, Random Forest e k-Nearest Neighbors — foram treinados com mil e duzentos movimentos de extensão dos dedos da mão e, ao final, pôdese comprovar a relação direta entre o acerto dos classificadores — a combinação deles alcançou 92,2% de acerto — e a musculatura do antebraço, mostrando que sensores FBG podem ser uma excelente alternativa às técnicas convencionais, como a eletromiografia, para análise de sinais biomecânicos. |
| Abstract: | Research and development of optical sensors have gained significant attention in recent years. The ability to multiplex sensors within a single optical fiber, the reduced volume, and immunity to electromagnetic interference are some factors contributing to the popularization of this technology. In this context, this dissertation aims to apply two FBG sensors as strain gauges to capture signals representing forearm muscle deformation caused by individual extension movements of each finger. These signals can, in the future, be used for the treatment and better understanding of muscle injuries, as well as for the control of intelligent prosthetics. The signals were then processed and analyzed to find features that could distinguish them from each other, using pattern recognition techniques. Four classifiers - Support Vector Machine, Decision Tree, Random Forest, and k-Nearest Neighbors - were trained with twelve hundred finger extension movements, and, in the end, the direct relationship between the classifiers’ accuracy - their combination achieved 92.2. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/35326 |
| Aparece nas coleções: | CT - Programa de Pós-Graduação em Sistemas de Energia |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| fbgmachinelearningdedos.pdf | 15,55 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
