Sistema para la determinación de la puntuación en combates de karate de forma automática

Este documento expone el desarrollo de un sistema de captación y clasificación del movimiento de los brazos como alternativa para tener un sistema de respaldo para la toma de puntuación en combates de karate, se desarrolló con la integración de tecnología utilizando tarjetas de desarrollo basadas en...

Full description

Autores:
Cárdenas Calderón, Simón Alexander
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2020
Institución:
Universidad El Bosque
Repositorio:
Repositorio U. El Bosque
Idioma:
spa
OAI Identifier:
oai:repositorio.unbosque.edu.co:20.500.12495/6740
Acceso en línea:
http://hdl.handle.net/20.500.12495/6740
Palabra clave:
Aprendizaje automático
MEMS
Random forest
Karate, puntuacion
621.381
Machine learning
Random Forest
MEMS
Karate
Score
Impresión 3D
Prototipado rápido
Rights
openAccess
License
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Description
Summary:Este documento expone el desarrollo de un sistema de captación y clasificación del movimiento de los brazos como alternativa para tener un sistema de respaldo para la toma de puntuación en combates de karate, se desarrolló con la integración de tecnología utilizando tarjetas de desarrollo basadas en microcontroladores, acelerómetros tipo MEMS y librerías para el entrenamiento de modelos de aprendizaje automático además de diferentes lenguajes de programación como Python, C#, C++ y técnicas de modelado en 3D, impresión en 3D y electrónica en general. El proyecto se desarrolló de forma modular, divido en tres grandes etapas las cuales fueron adquisición de datos, procesamiento de datos e interfaz de usuario, que permiten reducir su complejidad y poder explicar de forma más clara su funcionamiento, dando la posibilidad de continuar con su desarrollo y mejora. Se diseña e implementa dos brazaletes que se conectan de forma inalámbrica, siendo ergonómicos generando una baja incomodidad al usuario a la hora ser utilizados. Como resultado cuantificable el modelo que se obtuvo con el aprendizaje automático no supervisado utilizando el algoritmo de random forest genero una precisión del 92% el cual se ejecuta en una tarjeta de desarrollo NODEMCU V3 la cual incorpora un módulo wifi para conectarse a los brazaletes de forma inalámbrica y enviar los datos ya procesados por modelo, a la interfaz de usuario por USB. La interfaz de usuario se programó para funcionar en un computador permitiendo la interpretación de los movimientos para ir modificando la puntuación del tablero de acuerdo a como avanza el combate, obteniendo una tasa de éxito del 80% en promedio de una correcta interpretación de los gestos del réferi central.