Diseño de un sistema de control mioeléctrico con clasificación en tiempo real de movimientos manuales basado en Deep Learning para mejorar la destreza de las prótesis de mano de agarre simple
Descripción del Articulo
En el Perú, las prótesis de mano con alta destreza son adquiridas casi exclusivamente mediante la importación, lo que conlleva altos costos y tiempos de espera. Asimismo, los desarrollos nacionales en el tema han tenido un enfoque de control de agarre simple, limitando el potencial que puede ofrecer...
| Autor: | |
|---|---|
| Formato: | tesis de grado |
| Fecha de Publicación: | 2023 |
| Institución: | Universidad Nacional de Ingeniería |
| Repositorio: | UNI-Tesis |
| Lenguaje: | español |
| OAI Identifier: | oai:cybertesis.uni.edu.pe:20.500.14076/27086 |
| Enlace del recurso: | http://hdl.handle.net/20.500.14076/27086 |
| Nivel de acceso: | acceso abierto |
| Materia: | Sistemas de control Prótesis mioeléctricas EMG Control en tiempo real https://purl.org/pe-repo/ocde/ford#2.03.02 |
| id |
UUNI_d2eaa7154388fc7bc75cd416b05c148c |
|---|---|
| oai_identifier_str |
oai:cybertesis.uni.edu.pe:20.500.14076/27086 |
| network_acronym_str |
UUNI |
| network_name_str |
UNI-Tesis |
| repository_id_str |
1534 |
| dc.title.es.fl_str_mv |
Diseño de un sistema de control mioeléctrico con clasificación en tiempo real de movimientos manuales basado en Deep Learning para mejorar la destreza de las prótesis de mano de agarre simple |
| title |
Diseño de un sistema de control mioeléctrico con clasificación en tiempo real de movimientos manuales basado en Deep Learning para mejorar la destreza de las prótesis de mano de agarre simple |
| spellingShingle |
Diseño de un sistema de control mioeléctrico con clasificación en tiempo real de movimientos manuales basado en Deep Learning para mejorar la destreza de las prótesis de mano de agarre simple Barazorda Rodríguez, Edgard Jesús Sistemas de control Prótesis mioeléctricas EMG Control en tiempo real https://purl.org/pe-repo/ocde/ford#2.03.02 |
| title_short |
Diseño de un sistema de control mioeléctrico con clasificación en tiempo real de movimientos manuales basado en Deep Learning para mejorar la destreza de las prótesis de mano de agarre simple |
| title_full |
Diseño de un sistema de control mioeléctrico con clasificación en tiempo real de movimientos manuales basado en Deep Learning para mejorar la destreza de las prótesis de mano de agarre simple |
| title_fullStr |
Diseño de un sistema de control mioeléctrico con clasificación en tiempo real de movimientos manuales basado en Deep Learning para mejorar la destreza de las prótesis de mano de agarre simple |
| title_full_unstemmed |
Diseño de un sistema de control mioeléctrico con clasificación en tiempo real de movimientos manuales basado en Deep Learning para mejorar la destreza de las prótesis de mano de agarre simple |
| title_sort |
Diseño de un sistema de control mioeléctrico con clasificación en tiempo real de movimientos manuales basado en Deep Learning para mejorar la destreza de las prótesis de mano de agarre simple |
| dc.creator.none.fl_str_mv |
Barazorda Rodríguez, Edgard Jesús |
| author |
Barazorda Rodríguez, Edgard Jesús |
| author_facet |
Barazorda Rodríguez, Edgard Jesús |
| author_role |
author |
| dc.contributor.advisor.fl_str_mv |
Barrera Esparta, Daniel Leonardo |
| dc.contributor.author.fl_str_mv |
Barazorda Rodríguez, Edgard Jesús |
| dc.subject.es.fl_str_mv |
Sistemas de control Prótesis mioeléctricas EMG Control en tiempo real |
| topic |
Sistemas de control Prótesis mioeléctricas EMG Control en tiempo real https://purl.org/pe-repo/ocde/ford#2.03.02 |
| dc.subject.ocde.es.fl_str_mv |
https://purl.org/pe-repo/ocde/ford#2.03.02 |
| description |
En el Perú, las prótesis de mano con alta destreza son adquiridas casi exclusivamente mediante la importación, lo que conlleva altos costos y tiempos de espera. Asimismo, los desarrollos nacionales en el tema han tenido un enfoque de control de agarre simple, limitando el potencial que puede ofrecer el diseño mecánico. Con el fin de aumentar la destreza de este tipo de prótesis, el trabajo de investigación pretende diseñar un sistema de control mioeléctrico con clasificación en tiempo real de movimientos manuales basado en Deep Learning. El sistema de control propuesto consta de 3 subsistemas: adquisición, para capturar señales electromiografías (EMG) de 5 movimientos manuales relacionadas a las actividades de la vida diaria (AVD); procesamiento, para estandarizar, filtrar y convertir las señales en imágenes (escalogramas) utilizando la Transformada Wavelet Compleja (CWT); y clasificación, para entrenar un modelo CNN MobileNet V2 tomando los escalogramas como entrada. Con el fin de mejorar la interacción con el sistema de control, se programó una GUI que adquiera, procese y clasifique las señales en tiempo real; asimismo, para generar una retroalimentación visual en los usuarios se simuló una prótesis de código abierto. Mediante las pruebas experimentales realizadas con 5 voluntarios se obtuvo una precisión media de clasificación en tiempo real de 87.3% y una latencia de control media de 276.97 ms. Estos resultados respaldan una mejora del 30% en la destreza en comparación con los sistemas convencionales de control de agarre simple. |
| publishDate |
2023 |
| dc.date.accessioned.none.fl_str_mv |
2024-05-06T21:26:52Z |
| dc.date.available.none.fl_str_mv |
2024-05-06T21:26:52Z |
| dc.date.issued.fl_str_mv |
2023 |
| dc.type.es.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| format |
bachelorThesis |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/20.500.14076/27086 |
| url |
http://hdl.handle.net/20.500.14076/27086 |
| dc.language.iso.es.fl_str_mv |
spa |
| language |
spa |
| dc.relation.ispartof.fl_str_mv |
SUNEDU |
| dc.rights.es.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.uri.es.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.format.es.fl_str_mv |
application/pdf |
| dc.publisher.es.fl_str_mv |
Universidad Nacional de Ingeniería |
| dc.publisher.country.es.fl_str_mv |
PE |
| dc.source.es.fl_str_mv |
Universidad Nacional de Ingeniería Repositorio Institucional - UNI |
| dc.source.none.fl_str_mv |
reponame:UNI-Tesis instname:Universidad Nacional de Ingeniería instacron:UNI |
| instname_str |
Universidad Nacional de Ingeniería |
| instacron_str |
UNI |
| institution |
UNI |
| reponame_str |
UNI-Tesis |
| collection |
UNI-Tesis |
| bitstream.url.fl_str_mv |
http://cybertesis.uni.edu.pe/bitstream/20.500.14076/27086/6/barazorda_re.pdf.txt http://cybertesis.uni.edu.pe/bitstream/20.500.14076/27086/7/barazorda_re%28acta%29.pdf.txt http://cybertesis.uni.edu.pe/bitstream/20.500.14076/27086/8/carta_de_autorizaci%c3%b3n.pdf.txt http://cybertesis.uni.edu.pe/bitstream/20.500.14076/27086/9/informe_de_similitud.pdf.txt http://cybertesis.uni.edu.pe/bitstream/20.500.14076/27086/5/license.txt http://cybertesis.uni.edu.pe/bitstream/20.500.14076/27086/1/barazorda_re.pdf http://cybertesis.uni.edu.pe/bitstream/20.500.14076/27086/2/barazorda_re%28acta%29.pdf http://cybertesis.uni.edu.pe/bitstream/20.500.14076/27086/3/carta_de_autorizaci%c3%b3n.pdf http://cybertesis.uni.edu.pe/bitstream/20.500.14076/27086/4/informe_de_similitud.pdf |
| bitstream.checksum.fl_str_mv |
7e87ef40b8c707133e96614bd30457db 245e9e2bacea2a265f09b6f47ccf9bac 7c502cdde56a71e58ad598bb13a082f1 d27cf82ca92970fde5c26fc188d371df 8a4605be74aa9ea9d79846c1fba20a33 19c90fba792840206f7afb2e19605853 c2f70c6a416acea0ec72cdaa9ea08402 87824e1c6dfad947cb386d101a8bbd47 be58adcc6bf7146e8a4f5b2873ccdabc |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional - UNI |
| repository.mail.fl_str_mv |
repositorio@uni.edu.pe |
| _version_ |
1840085781257912320 |
| spelling |
Barrera Esparta, Daniel LeonardoBarazorda Rodríguez, Edgard JesúsBarazorda Rodríguez, Edgard Jesús2024-05-06T21:26:52Z2024-05-06T21:26:52Z2023http://hdl.handle.net/20.500.14076/27086En el Perú, las prótesis de mano con alta destreza son adquiridas casi exclusivamente mediante la importación, lo que conlleva altos costos y tiempos de espera. Asimismo, los desarrollos nacionales en el tema han tenido un enfoque de control de agarre simple, limitando el potencial que puede ofrecer el diseño mecánico. Con el fin de aumentar la destreza de este tipo de prótesis, el trabajo de investigación pretende diseñar un sistema de control mioeléctrico con clasificación en tiempo real de movimientos manuales basado en Deep Learning. El sistema de control propuesto consta de 3 subsistemas: adquisición, para capturar señales electromiografías (EMG) de 5 movimientos manuales relacionadas a las actividades de la vida diaria (AVD); procesamiento, para estandarizar, filtrar y convertir las señales en imágenes (escalogramas) utilizando la Transformada Wavelet Compleja (CWT); y clasificación, para entrenar un modelo CNN MobileNet V2 tomando los escalogramas como entrada. Con el fin de mejorar la interacción con el sistema de control, se programó una GUI que adquiera, procese y clasifique las señales en tiempo real; asimismo, para generar una retroalimentación visual en los usuarios se simuló una prótesis de código abierto. Mediante las pruebas experimentales realizadas con 5 voluntarios se obtuvo una precisión media de clasificación en tiempo real de 87.3% y una latencia de control media de 276.97 ms. Estos resultados respaldan una mejora del 30% en la destreza en comparación con los sistemas convencionales de control de agarre simple.In Peru, highly dexterous hand prostheses are primarily acquired through imports, incurring significant costs and lengthy waiting times. Additionally, domestic developments in this field have predominantly focused on simple grip control, thereby limiting the potential of mechanical design. To enhance the dexterity of such prostheses, this research endeavors to design a myoelectric control system with real-time classification of manual movements based on Deep Learning. The proposed control system comprises three subsystems: acquisition, to capture electromyographic (EMG) signals related to five manual movements associated with activities of daily living (ADL); processing, for standardizing, filtering, and converting these signals into images (spectrograms) using Complex Wavelet Transform (CWT); and classification, to train a CNN MobileNet V2 model utilizing spectrograms as input. To enhance user interaction, a Graphical User Interface (GUI) was programmed to acquire, process, and classify signals in real-time. Furthermore, an open-source prosthesis was simulated to provide visual feedback to users. Experimental tests conducted with five volunteers yielded an average real-time classification accuracy of 87.3% and an average control latency of 276.97 ms. These results substantiate a 30% enhancement in dexterity compared to conventional simple grip control systems.Submitted by Quispe Rabanal Flavio (flaviofime@hotmail.com) on 2024-05-06T21:26:52Z No. of bitstreams: 4 barazorda_re.pdf: 11889719 bytes, checksum: 19c90fba792840206f7afb2e19605853 (MD5) barazorda_re(acta).pdf: 129127 bytes, checksum: c2f70c6a416acea0ec72cdaa9ea08402 (MD5) carta_de_autorización.pdf: 180438 bytes, checksum: 87824e1c6dfad947cb386d101a8bbd47 (MD5) informe_de_similitud.pdf: 248069 bytes, checksum: be58adcc6bf7146e8a4f5b2873ccdabc (MD5)Made available in DSpace on 2024-05-06T21:26:52Z (GMT). No. of bitstreams: 4 barazorda_re.pdf: 11889719 bytes, checksum: 19c90fba792840206f7afb2e19605853 (MD5) barazorda_re(acta).pdf: 129127 bytes, checksum: c2f70c6a416acea0ec72cdaa9ea08402 (MD5) carta_de_autorización.pdf: 180438 bytes, checksum: 87824e1c6dfad947cb386d101a8bbd47 (MD5) informe_de_similitud.pdf: 248069 bytes, checksum: be58adcc6bf7146e8a4f5b2873ccdabc (MD5) Previous issue date: 2023Tesisapplication/pdfspaUniversidad Nacional de IngenieríaPEinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/Universidad Nacional de IngenieríaRepositorio Institucional - UNIreponame:UNI-Tesisinstname:Universidad Nacional de Ingenieríainstacron:UNISistemas de controlPrótesis mioeléctricasEMGControl en tiempo realhttps://purl.org/pe-repo/ocde/ford#2.03.02Diseño de un sistema de control mioeléctrico con clasificación en tiempo real de movimientos manuales basado en Deep Learning para mejorar la destreza de las prótesis de mano de agarre simpleinfo:eu-repo/semantics/bachelorThesisSUNEDUIngeniero MecatrónicoUniversidad Nacional de Ingeniería. Facultad de Ingeniería MecánicaTítulo ProfesionalIngeniería MecatrónicaIngenieríahttps://orcid.org/0000-0003-3465-788X4475965071217350https://purl.org/pe-repo/renati/type#tesishttps://purl.org/pe-repo/renati/level#tituloProfesional713096Munares Tapia, Carlos CésarSotelo Valer, FreedyTEXTbarazorda_re.pdf.txtbarazorda_re.pdf.txtExtracted texttext/plain300456http://cybertesis.uni.edu.pe/bitstream/20.500.14076/27086/6/barazorda_re.pdf.txt7e87ef40b8c707133e96614bd30457dbMD56barazorda_re(acta).pdf.txtbarazorda_re(acta).pdf.txtExtracted texttext/plain1457http://cybertesis.uni.edu.pe/bitstream/20.500.14076/27086/7/barazorda_re%28acta%29.pdf.txt245e9e2bacea2a265f09b6f47ccf9bacMD57carta_de_autorización.pdf.txtcarta_de_autorización.pdf.txtExtracted texttext/plain3037http://cybertesis.uni.edu.pe/bitstream/20.500.14076/27086/8/carta_de_autorizaci%c3%b3n.pdf.txt7c502cdde56a71e58ad598bb13a082f1MD58informe_de_similitud.pdf.txtinforme_de_similitud.pdf.txtExtracted texttext/plain2078http://cybertesis.uni.edu.pe/bitstream/20.500.14076/27086/9/informe_de_similitud.pdf.txtd27cf82ca92970fde5c26fc188d371dfMD59LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://cybertesis.uni.edu.pe/bitstream/20.500.14076/27086/5/license.txt8a4605be74aa9ea9d79846c1fba20a33MD55ORIGINALbarazorda_re.pdfbarazorda_re.pdfapplication/pdf11889719http://cybertesis.uni.edu.pe/bitstream/20.500.14076/27086/1/barazorda_re.pdf19c90fba792840206f7afb2e19605853MD51barazorda_re(acta).pdfbarazorda_re(acta).pdfapplication/pdf129127http://cybertesis.uni.edu.pe/bitstream/20.500.14076/27086/2/barazorda_re%28acta%29.pdfc2f70c6a416acea0ec72cdaa9ea08402MD52carta_de_autorización.pdfcarta_de_autorización.pdfapplication/pdf180438http://cybertesis.uni.edu.pe/bitstream/20.500.14076/27086/3/carta_de_autorizaci%c3%b3n.pdf87824e1c6dfad947cb386d101a8bbd47MD53informe_de_similitud.pdfinforme_de_similitud.pdfapplication/pdf248069http://cybertesis.uni.edu.pe/bitstream/20.500.14076/27086/4/informe_de_similitud.pdfbe58adcc6bf7146e8a4f5b2873ccdabcMD5420.500.14076/27086oai:cybertesis.uni.edu.pe:20.500.14076/270862024-05-07 02:26:12.559Repositorio Institucional - UNIrepositorio@uni.edu.peTk9URTogUExBQ0UgWU9VUiBPV04gTElDRU5TRSBIRVJFClRoaXMgc2FtcGxlIGxpY2Vuc2UgaXMgcHJvdmlkZWQgZm9yIGluZm9ybWF0aW9uYWwgcHVycG9zZXMgb25seS4KCk5PTi1FWENMVVNJVkUgRElTVFJJQlVUSU9OIExJQ0VOU0UKCkJ5IHNpZ25pbmcgYW5kIHN1Ym1pdHRpbmcgdGhpcyBsaWNlbnNlLCB5b3UgKHRoZSBhdXRob3Iocykgb3IgY29weXJpZ2h0Cm93bmVyKSBncmFudHMgdG8gRFNwYWNlIFVuaXZlcnNpdHkgKERTVSkgdGhlIG5vbi1leGNsdXNpdmUgcmlnaHQgdG8gcmVwcm9kdWNlLAp0cmFuc2xhdGUgKGFzIGRlZmluZWQgYmVsb3cpLCBhbmQvb3IgZGlzdHJpYnV0ZSB5b3VyIHN1Ym1pc3Npb24gKGluY2x1ZGluZwp0aGUgYWJzdHJhY3QpIHdvcmxkd2lkZSBpbiBwcmludCBhbmQgZWxlY3Ryb25pYyBmb3JtYXQgYW5kIGluIGFueSBtZWRpdW0sCmluY2x1ZGluZyBidXQgbm90IGxpbWl0ZWQgdG8gYXVkaW8gb3IgdmlkZW8uCgpZb3UgYWdyZWUgdGhhdCBEU1UgbWF5LCB3aXRob3V0IGNoYW5naW5nIHRoZSBjb250ZW50LCB0cmFuc2xhdGUgdGhlCnN1Ym1pc3Npb24gdG8gYW55IG1lZGl1bSBvciBmb3JtYXQgZm9yIHRoZSBwdXJwb3NlIG9mIHByZXNlcnZhdGlvbi4KCllvdSBhbHNvIGFncmVlIHRoYXQgRFNVIG1heSBrZWVwIG1vcmUgdGhhbiBvbmUgY29weSBvZiB0aGlzIHN1Ym1pc3Npb24gZm9yCnB1cnBvc2VzIG9mIHNlY3VyaXR5LCBiYWNrLXVwIGFuZCBwcmVzZXJ2YXRpb24uCgpZb3UgcmVwcmVzZW50IHRoYXQgdGhlIHN1Ym1pc3Npb24gaXMgeW91ciBvcmlnaW5hbCB3b3JrLCBhbmQgdGhhdCB5b3UgaGF2ZQp0aGUgcmlnaHQgdG8gZ3JhbnQgdGhlIHJpZ2h0cyBjb250YWluZWQgaW4gdGhpcyBsaWNlbnNlLiBZb3UgYWxzbyByZXByZXNlbnQKdGhhdCB5b3VyIHN1Ym1pc3Npb24gZG9lcyBub3QsIHRvIHRoZSBiZXN0IG9mIHlvdXIga25vd2xlZGdlLCBpbmZyaW5nZSB1cG9uCmFueW9uZSdzIGNvcHlyaWdodC4KCklmIHRoZSBzdWJtaXNzaW9uIGNvbnRhaW5zIG1hdGVyaWFsIGZvciB3aGljaCB5b3UgZG8gbm90IGhvbGQgY29weXJpZ2h0LAp5b3UgcmVwcmVzZW50IHRoYXQgeW91IGhhdmUgb2J0YWluZWQgdGhlIHVucmVzdHJpY3RlZCBwZXJtaXNzaW9uIG9mIHRoZQpjb3B5cmlnaHQgb3duZXIgdG8gZ3JhbnQgRFNVIHRoZSByaWdodHMgcmVxdWlyZWQgYnkgdGhpcyBsaWNlbnNlLCBhbmQgdGhhdApzdWNoIHRoaXJkLXBhcnR5IG93bmVkIG1hdGVyaWFsIGlzIGNsZWFybHkgaWRlbnRpZmllZCBhbmQgYWNrbm93bGVkZ2VkCndpdGhpbiB0aGUgdGV4dCBvciBjb250ZW50IG9mIHRoZSBzdWJtaXNzaW9uLgoKSUYgVEhFIFNVQk1JU1NJT04gSVMgQkFTRUQgVVBPTiBXT1JLIFRIQVQgSEFTIEJFRU4gU1BPTlNPUkVEIE9SIFNVUFBPUlRFRApCWSBBTiBBR0VOQ1kgT1IgT1JHQU5JWkFUSU9OIE9USEVSIFRIQU4gRFNVLCBZT1UgUkVQUkVTRU5UIFRIQVQgWU9VIEhBVkUKRlVMRklMTEVEIEFOWSBSSUdIVCBPRiBSRVZJRVcgT1IgT1RIRVIgT0JMSUdBVElPTlMgUkVRVUlSRUQgQlkgU1VDSApDT05UUkFDVCBPUiBBR1JFRU1FTlQuCgpEU1Ugd2lsbCBjbGVhcmx5IGlkZW50aWZ5IHlvdXIgbmFtZShzKSBhcyB0aGUgYXV0aG9yKHMpIG9yIG93bmVyKHMpIG9mIHRoZQpzdWJtaXNzaW9uLCBhbmQgd2lsbCBub3QgbWFrZSBhbnkgYWx0ZXJhdGlvbiwgb3RoZXIgdGhhbiBhcyBhbGxvd2VkIGJ5IHRoaXMKbGljZW5zZSwgdG8geW91ciBzdWJtaXNzaW9uLgo= |
| score |
13.774068 |
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
