Implementación en hardware de un clasificador de señales electromiográficas de miembro superior

Este trabajo presenta el desarrollo e implementación en hardware de un modelo de clasificación de señales electromiográficas (EMG), a través de la selección de un método de preprocesamiento y una arquitectura de red neuronal convolucional (CNN), evaluados tanto en un PC como en una Raspberry Pi 4. La selección de estos elementos responde a una función de desempeño global propuesta, que integra índices de desempeño en software y hardware, como la precisión, el tiempo de ejecución y el uso de CPU, permitiendo identificar el método de preprocesamiento y los parámetros de la CNN que presentan los mejores resultados obtenidos. El clasificador de señales EMG para miembro superior se implementa en hardware y se valida mediante un PC que emula una pulsera MYO, enviando la señal del gesto seleccionado a través de Wi-Fi hacia la Raspberry Pi 4 para la clasificación de gestos en tiempo real.

• Autores: Díaz Moreno, Nicolás Daniel; Moreno Cortes, William Santiago
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2024
• Institución: Universidad Distrital Francisco José de Caldas
• Repositorio: RIUD: repositorio U. Distrital
• Idioma: spa
• OAI Identifier: oai:repository.udistrital.edu.co:11349/94288
• Acceso en línea: http://hdl.handle.net/11349/94288
• Palabra clave: Clasificación; Señales EMG; Red Neuronal Convolucional; Hardware; Raspberry Pi; Ingeniería Electrónica -- Tesis y disertaciones académicas; Classification; EMG Signals; Convolutional Neural Network; Hardware; Raspberry Pi
• License: Abierto (Texto Completo)