Desarrollo de un sistema de adquisición de señales mediante sensores infrarrojos para la detección y clasificación de gestos realizados con la mano usando machine learning

La electromiografía es una técnica no invasiva utilizada para registrar la actividad muscular mediante un sistema electrónico integrado con electrodos superficiales, los cuales pueden perder adherencia con el uso prolongado, disminuyendo la calidad de las señales e incrementando los costos. El objetivo del presente proyecto técnico es desarrollar un sistema de adquisición de señales musculares mediante sensores infrarrojos para la detección y clasificación de gestos realizados con la mano usando Machine Learning. La metodología se centra en seis etapas: la primera para la detección y almacenamiento de las señales musculares mediante una matriz de sensores infrarrojos embebidos en un modelo 3D colocado alrededor de antebrazo; la segunda para el procesamiento de las señales mediante la tarjeta de desarrollo Teensy 4.1; en la tercera etapa los datos son recibidos de forma inalámbrica y almacenados en la unidad computacional; en la cuarta etapa se ha implementado una interfaz gráfica que gestiona los datos para enviarlos a la quinta etapa donde se emplea el modelo de Machine Learning basado en Redes Neuronales Artificiales; en la sexta etapa se ejecuta la clasificación de cuatro gestos en tiempo real. Los datos presentan una distribución normal con un p-valor en la prueba Shapiro-Wilk de 0.92. Además, se ha evaluado la diferencia significativa entre dos ganancias del amplificador para los gestos abrir y cerrar mano con un p-valor superior a 2.09 en la prueba de t-Student, lo que demuestra que se puede diferenciar los gestos mediante las características de las señales. La correlación de Pearson evaluada para las ganancias muestra un valor superior a 0.80. El modelo categórico de Feedforward alcanza una precisión superior a 0.98 durante la clasificación. Por tanto, se concluye que el sistema detecta y clasifica cuatro gestos utilizando sensores infrarrojos mediante el modelo de Machine Learning de forma confiable y coherente.

• Autor principal: Flores Delgado, Joel Josué (author)
• Format: bachelorThesis
• Publicat: 2025
• Matèries: OPTOMIOGRAFÍA; SENSORES INFRARROJOS; MACHINE LEARNING; REDES NEURONALES; CLASIFICACIÓN
• Accés en línia: https://dspace.espoch.edu.ec/handle/123456789/24436