Αναγνώριση κινήσεων άνω άκρων με τη χρήση επιφανειακών ηλεκτρομυογραφημάτων.
Ημερομηνία
2020-04-22
Συγγραφείς
Τίτλος Εφημερίδας
Περιοδικό ISSN
Τίτλος τόμου
Εκδότης
ΕΛ.ΜΕ.ΠΑ., Σχολή Μηχανικών (ΣΜΗΧ), ΔΠΜΣ Προηγμένα Συστήματα Παραγωγής, Αυτοματισμού και Ρομποτικής
H.M.U., School of Engineering (ScENG) MSc in Advanced Manufacturing Systems, Automation and Robotics
H.M.U., School of Engineering (ScENG) MSc in Advanced Manufacturing Systems, Automation and Robotics
Επιβλέπων
Περίληψη
Ένα από τα προβλήματα της κοινωνίας που χρειάζεται βοήθεια από την τεχνολογία, είναι η προσφορά βοήθειας σε άτομα με ειδικές ανάγκες. Μία κατηγορία τέτοιων ατόμων είναι εκείνα με ακρωτηριασμένα μέλη. Η τεχνολογία σήμερα είναι σε τέτοιο βαθμό που να μπορεί να προσφέρει βοήθεια στα άτομα αυτά με την κατασκευή πρόσθετων εξωσκελετικών ρομποτικών (βιονικών) μελών για την αντικατάσταση του χαμένου μέλους. Για τον έλεγχο ρομποτικών προθέσεων απαιτείται μια διεπαφή η οποία θα επιτρέπει την αναγνώριση των επιθυμητών κινήσεων από το κολόβωμα (εναπομένον μέλος) του χρήστη και την προ-τροφοδότηση των κινήσεων αυτών στην ρομποτική πρόθεση. Για την αποκωδικοποίηση ή αναγνώριση των επιθυμητών κινήσεων χρησιμοποιούνται συνήθως σήματα Ηλεκτρομυογραφίας (EMG) ή και Ηλεκτροεγκεφαλογραφίας (EEG). Στόχος της παρούσας εργασίας είναι η ανάπτυξη αλγορίθμου αναγνώρισης των βασικών χειρονομιών, με τη χρήση Επιφανειακών Ηλεκτρομυογραφημάτων (sEMG), από την περιοχή του πήχη. Η χρησιμότητα αυτού είναι η προσφορά βοήθειας σε άτομα με ακρωτηριασμένο καρπό, όταν όμως παραμένουν υγιείς οι μύες του πήχη τους. Ο αλγόριθμος της αναγνώρισης στηρίζεται στη μέθοδο Ανάλυσης Κυρίων Συνιστωσών (Principal Component Analysis – PCA) και για την αξιολόγησή του, χρησιμοποιήθηκε η βάση δεδομένων Ninapro η οποία περιέχει τα δείγματα sEMG που έχουν εξαχθεί από 10 αισθητήρες τοποθετημένους στον πήχη 27 Υποκειμένων (ατόμων). Τα άτομα αυτά είχαν εκτελέσει 52 κινήσεις του χεριού (από 10 επαναλήψεις την κάθε μία) που χρησιμεύουν σε εργασίες της καθημερινής ζωής.
Έπειτα, αναπτύσσεται μια νέα βάση δεδομένων sEMG με λιγότερους αισθητήρες (δηλαδή τέσσερις), ελέγχεται η αναγνωρισιμότητα των 4ων βασικών κινήσεων του καρπού (πάνω, κάτω, αριστερά, δεξιά) και γίνεται σύγκριση της με την προηγούμενη βάση δεδομένων.
Τέλος, γίνεται σύγκριση του ποσοστού αναγνωρισιμότητας, μεταξύ διαφόρων τρόπων εκπαίδευσης του αλγορίθμου, διαφόρων διατάξεων λήψης του Ηλεκτρομυογραφήματος και συσχέτισή του ποσοστού με σωματικά χαρακτηριστικά των Υποκειμένων, όπως πχ το φύλο, ηλικία, ποσού λίπους του σώματος κλπ.
Among the most important issues that nowadays the society faces is asking technology’s support to ameliorate the quality of life of the people with special needs. One special group of disabled people are those with amputated limps. Nowadays technology has the means to help those people by constructing robotic (bionic) limps to substitute the amputated limp. To control the bionic limp, it is necessary to develop an interface that can recognize the desired movement (or gesture) from the intact parts of the user’ s body. To recognize, or to decode the desired movement, there are usually used Electromyographic signals (EMG), or Electroencephalographic signals (EEG). The purpose of this thesis is to develop an algorithm to recognize the basic gestures using Surface Electromyographic (sEMG) signals received from the user’s forearm. The use of this algorithm is to help people with amputated hand and intact forearm. The recognition algorithm is based on Principal Component Analysis (PCA) method. For the method evaluation it was used Database from Ninapro project that concludes sEMG signals from 10 sensors placed on 27 Subjects. Those Subjects had performed 52 hand gestures (with 10 repetitions every gesture) that are useful in everyday needs. Then, it is developed a new Database sEMG with fewer (4) sensors and it is recognised the 4 basic wrist movements (Up, Down, Left, Right) and concluding in comparing the results with the Ninapro Database. Finally, it is checked how the percentage of the right recognised gestured, varies in accordance with different ways of EMG acquisition and its correlation with Subject’s features such as gender, age, body fat etc.
Among the most important issues that nowadays the society faces is asking technology’s support to ameliorate the quality of life of the people with special needs. One special group of disabled people are those with amputated limps. Nowadays technology has the means to help those people by constructing robotic (bionic) limps to substitute the amputated limp. To control the bionic limp, it is necessary to develop an interface that can recognize the desired movement (or gesture) from the intact parts of the user’ s body. To recognize, or to decode the desired movement, there are usually used Electromyographic signals (EMG), or Electroencephalographic signals (EEG). The purpose of this thesis is to develop an algorithm to recognize the basic gestures using Surface Electromyographic (sEMG) signals received from the user’s forearm. The use of this algorithm is to help people with amputated hand and intact forearm. The recognition algorithm is based on Principal Component Analysis (PCA) method. For the method evaluation it was used Database from Ninapro project that concludes sEMG signals from 10 sensors placed on 27 Subjects. Those Subjects had performed 52 hand gestures (with 10 repetitions every gesture) that are useful in everyday needs. Then, it is developed a new Database sEMG with fewer (4) sensors and it is recognised the 4 basic wrist movements (Up, Down, Left, Right) and concluding in comparing the results with the Ninapro Database. Finally, it is checked how the percentage of the right recognised gestured, varies in accordance with different ways of EMG acquisition and its correlation with Subject’s features such as gender, age, body fat etc.