| dc.contributor | Maia Peixoto, Helton | |
| dc.contributor | http://lattes.cnpq.br/2235385284637561 | |
| dc.contributor | Santana Junior, Orivaldo Vieira de | |
| dc.contributor | Silva, Bruno Marques Ferreira da | |
| dc.creator | Alves, Erika Costa | |
| dc.date | 2023-01-10T13:24:55Z | |
| dc.date | 2023-01-10T13:24:55Z | |
| dc.date | 2022-12-14 | |
| dc.date.accessioned | 2023-09-04T13:43:25Z | |
| dc.date.available | 2023-09-04T13:43:25Z | |
| dc.identifier | ALVES, Erika Costa. Classificação de gestos da mão utilizando sinais sEMG: uma abordagem com tensorflow lite. 2022. 59 f. Orientador: Helton Maia. Trabalho de Conclusão de Curso (Graduação em Engenharia Mecatrônica) - Departamento de Engenharia de Computação e Automação, Universidade Federal do Rio Grande do Norte, Natal, 2022. | |
| dc.identifier | https://repositorio.ufrn.br/handle/123456789/50899 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/8602920 | |
| dc.description | Nowadays, the use of Machine Learning has become essential to automate and facilitate people's lives, and this is no different in the health field. Then, a classifier of hand gestures was studied and implemented based on spectrograms of sEMG signals to be embedded in a low-power microcontroller. For this, a study was carried out on analyzing and processing biological signals, involving digital signal processing and modeling a neural classifier using modern machine learning techniques. In addition, the creation of the model aims at its operation in an embedded form in a low-power microcontroller. In this way, its use in real-time is desired for several applications, and one of them would be to aid the use of hand prostheses built from 3D printers. The good results achieved show the viability of the project. | |
| dc.description | Hoje em dia a utilização de Machine Learning se tornou essencial para automatizar e facilitar a vida das pessoas, e na área da saúde isso não é diferente. Então, foi estudado e implementado um classificador dos gestos de mão, baseado no espectrograma dos sinais sEMG com propósito ser embarcado em um microcontrolador de baixa potência. Para tal, foi realizado um estudo de sobre análise e processamento de sinais biológicos, envolvendo processamento digital de sinais e a modelagem de um classificador neural utilizando técnicas modernas de machine learning. Além disso, a criação do modelo tem como objetivo o seu funcionamento de forma embarcada em um microcontrolador de baixa potência. Desta forma, deseja-se sua utilização em tempo real para diversas aplicações, e uma delas seria para auxiliar a utilização de próteses de mão construídas a partir de impressoras 3D. Os bons resultados alcançados mostram a viabilidade do projeto. | |
| dc.format | application/pdf | |
| dc.language | pt_BR | |
| dc.publisher | Universidade Federal do Rio Grande do Norte | |
| dc.publisher | Brasil | |
| dc.publisher | UFRN | |
| dc.publisher | Engenharia Mecatrônica | |
| dc.publisher | Departamento de Engenharia de Computação e Automação | |
| dc.rights | Attribution-NonCommercial 3.0 Brazil | |
| dc.rights | http://creativecommons.org/licenses/by-nc/3.0/br/ | |
| dc.rights | LOCKSS system has permission to collect, preserve, and serve this Archival Unit | |
| dc.subject | Processamento digital de sinais | |
| dc.subject | Sinais sEMG | |
| dc.subject | Machine learning | |
| dc.subject | Sistemas embarcado | |
| dc.subject | CNPQ::ENGENHARIAS | |
| dc.title | Classificação de gestos da mão utilizando sinais sEMG: uma abordagem com TensorFlow Lite | |
| dc.type | bachelorThesis | |
