一个可穿戴的力量基于神经图的腕带,用于识别上肢手势
Mustafa Ur Rehman1, Kamran Shah1,2, Izhar Ul Haq1
1Department of Mechatronics Engineering, University of Engineering and Technology Peshawar, Peshawar 25000, Pakistan.
Sensors (Basel, Switzerland)
|December 9, 2023
概括
使用强力肌图 (FMG) 传感器的新可穿戴腕带改善了对生物机器人手的控制. 这款FMG腕带在识别上肢手势方面实现了95.4%的准确性,超过了以前的设计.
科学领域:
- 生物医学工程 生物医学工程
- 康复技术 康复技术 康复技术
- 人与计算机的交互
背景情况:
- 表面电肌图 (EMG) 是一种用于控制假肢设备的常见方法.
- 强迫肌肉学 (FMG) 为生物机器人手掌控提供了一个有希望的EMG替代方案.
- 之前的研究已经探索了FMG,需要进一步开发可穿戴传感器技术.
研究的目的:
- 引入和评估一种新型可穿戴的腕带,该腕带使用了FMG的强度敏感电阻 (FSR) 传感器.
- 为了评估两个不同的FMG传感器装置的性能,用于上肢手势识别.
- 使用支持矢量机 (SVM) 和K-近邻 (KNN) 算法比较基于FMG的手势分类的准确性.
主要方法:
- 开发了一个可穿戴的腕带,集成了新设计的FSR传感器.
- 评估的传感器特性,包括负载电压关系和信号稳定性.
- 收集了六名参与者的数据 (三名有跨辐射截肢),他们使用两种传感器 (A和B) 进行了九种上肢手势.
- 使用SVM和KNN算法对两个安排进行分类的手势.
主要成果:
- FSR传感器表现出非线性行为和取决于力量的灵敏度.
- 排列B,传感器均分布在前臂,优于排列A (4.5厘米间距).
- 排列B实现了95.4 ± 2.1%的平均手势分类准确度,比排列A (91.3 ± 2.3%) 提高4.5%.
结论:
- 新型的FMG腕带,特别是与Arrangement B一起,显著提高了上肢手势识别的准确性.
- 这种FMG技术显示出改善生物机器人手和假肢设备控制的巨大潜力.
- 进一步的研究可以优化传感器放置和算法,以获得更高的假肢控制精度.
