Electromyography based multi fingered movement recognition for hand prosthesis
El protezi için elektromiyografi tabanlı çok parmaklı hareket tanıma
- Tez No: 793468
- Danışmanlar: PROF. DR. TÜLAY YILDIRIM
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektronik Bilim Dalı
- Sayfa Sayısı: 102
Özet
Uzuv kaybı insanların hayatını farklı yönlerden etkileyen ciddi bir problemdir. Bu probleme duyulan çözüm ihtiyacıysa protetik alanını yaratmıştır. On yıllardır aşırı derecede üzerinde çalışılmış bir alan olmasına rağmen, alanın gitmesi gereken halen uzun bir yol vardır. Prostetik alanı günümüzde yaşanılan elektronik, robotik ve malzeme bilimindeki gelişmelerden faydalanmıştır, ancak günümüzde yaygın şekilde üretilen protezler taklit etmeye çalıştıkları uzuvların işlevselliğinden ve içgüdüselliğinden yoksunlardır. Ticari olarak üretilen protezler bile yalnızca tutma ve işaret etme gibi hareketleri sınırlı çeşitlilikte taklit edebilmektedir.Bazı en gelişmiş protez cihazlarsa doğrudan motor nöronlar ile kontrol edilebilmektedir, ancak bu tür protezler cerrahi müdahale gerektirmektedir ve oldukça pahalıdır. İdeal çözüm olduklarını ispatlayabilseler bile uzunca bir süre maliyetleri dolayısıyla yaygın şekilde ulaşılabilir olmayacaklardır. Bu süreçte yüzey elektromiyografisini ve yapay zekayı kullanan elektronik protezler boşluğu doldurmaya çalışmaktadır. Oldukça gelişmiş olsalar da, bu tür protezler halen ihtiyaç sahiplerinin gereksinimlerini karşılayamamaktadır. Buna ek olarak, çok pahalıdırlar ve işlevsellikten öylesine yoksundurlar ki bazı kullanıcılar halen mekanik protezleri tercih etmektedir. Bu tezin hedefi maliyet ve işlevsellik problemlerini çözmeyi amaçlayan, göreceli olarak ucuz ve daha işlevsel bir kontrol yöntemi yaratmaktır. Önerilen kontrol metodu yüzey elektromiyografi sinyalinin içgüdüselliğinden ve yapay zekadan faydalanmaktadır. Bu tezde parmak hareketlerinin sınıflandırılması çalışılmıştır. Bu hedefe ulaşmak için sinyal yakalama amacıyla Myoware Muscle Sensor1, öznitelik çıkartma, sınıflandırma ve motor kontrolü için Raspberry Pi Model 4 B kullanılmıştır. Bu tezde toplamda üç farklı ama benzer metot test edilmiştir. İlk metodun testi %74 doğruluk oranı ile sonuçlanmıştır. İkinci metot, ilk metodun sonuçlarını iyileştirmek için geliştirilmiş ve ikinci test %76 doğruluk oranı ile sonuçlanmıştır. Üçüncü metodun testi ise metotların performanslarını değerlendirmek ve literatürle karşılaştırmak için yapılmış, %84 doğruluk oranı ile sonuçlanmıştır. Umut vadedici olsa da, kontrol sisteminin daha etkin ve güvenilir kontrol elde edilebilmesi için geliştirilmesi gerekmektedir. Önerilen metodlar pratik olarak da test edilmiş ve benzer sonuçlar elde edilmiştir. Tezin sonucu olarak, ikinci metodun testi düşük maliyetle daha yüksek işlevselliğe erişilebileceğini ve üçüncü metodun testi ise önerilen metotların literatürde önerilen metotlara karşı geçerliliğini göstermiştir.
Özet (Çeviri)
Limb loss is a serious problem which can impact a persons life in different aspects. Requirement of a solution for this problem created the field of prosthetics. Despite being a field which has been studied excessively for decades, the field still has a great length to go. The field took advantage of today's developments on electronics, robotics and material sciences, but the prosthetic devices which are being widely produced today still lack the functionality and intuitiveness of the real limb they try to imitate. Even the commercially produced prostheses can only imitate basic gestures like grasping and pointing with limited variety. Some of the most improved experimental prosthetic devices can be controlled directly with motor neurons, but these kind of prostheses require surgical intervention and are very expensive. Even if they prove to be an optimal solution, they won't be widely available because of their costs for a long time. In the meantime, the electronic prosthetic devices which utilize surface electromyography and machine learning try to fill the gap. Even though they are very advanced, these kind of prosthetic devices still cannot satisfy the requirements of the people in need. Furthermore, they are too expensive and they lack the functionality so much so that some of the users still prefer mechanical prosthesis. The aim of this thesis is to create a relatively cheap and more functional control method which addresses to solve the cost and functionality problems. Proposed control method takes advantage of the intuitiveness of sEMG signal and artificial intelligence. In this thesis, classification of the finger movements was studied. In order to achieve this goal, Myoware Muscle Sensor v1 was used for signal acquisition and Raspberry Pi Model 4 B was used for feature extraction, classification and motor control. Three different but similar methods were tested in this thesis in total. The first method's test resulted with 74% accuracy rate. The second method's test was carried out to improve the results of the first test and resulted with 76% accuracy rate. The third method's test was carried out to evaluate the performance of the methods and compare it with the literature and resulted with 84% accuracy rate. Despite being promising, the control system needs further development for a more robust and reliable control. Proposed methods were practically tested and resulted similarly. As a result of this thesis, the second method's test showed that a higher number of movement sets can be reached with a low cost and the third method's test showed the validity of proposed methods in comparison with other methods proposed in the literature.
Benzer Tezler
- EMG kontrollü pnömatik eyleyicili insansı endüstriyel kol tasarımı
EMG controlled industrial multi grasp humanoid arm design with pneumatic actuation
MURAT TONGAOĞLU
Yüksek Lisans
Türkçe
2014
Mekatronik MühendisliğiMarmara ÜniversitesiMekatronik Ana Bilim Dalı
YRD. DOÇ. DR. ERKAN KAPLANOĞLU
- Data acquisition and feature extraction for classification of prehensile SEMG signals for control of a multifunctional prosthetic hand
Çok işlevli protez elin kontrolü için kavrayabilme özellikli YEMG sinyalinin sınıflandırılması amacıyla veri toplama ve öznitelik çıkarma
ELİF HOCAOĞLU
Yüksek Lisans
İngilizce
2007
Mühendislik BilimleriSabancı ÜniversitesiElektronik Mühendisliği ve Bilgisayar Bilimi Ana Bilim Dalı
YRD. DOÇ. DR. KEMALETTİN ERBATUR
- Perception estimation and torque control for hand prostheses using EEG and EMG signals
El protezleri için EEG ve EMG sinyalleriyle algı kestirimi ve tork kontrolü
NEDİME KARAKULLUKCU
Doktora
İngilizce
2024
Elektrik ve Elektronik MühendisliğiAbdullah Gül ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT YILMAZ
- A surface electromyography based serious computer game for physiotherapy and rehabilitation
Fizyoterapi ve rehabilitasyon için yüzeyel elektromiyografi bazlı ciddi bilgisayar oyunu
TUĞBA GÜNAYDIN
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ REİS BURAK ARSLAN
- Machine learning techniques for surface electromyography based hand gesture recognition
Yüzey elektromiyografi temelli el jesti tanıma için makine öğrenmesi teknikleri
ENGİN KAYA
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR