| metadataTrad.dc.contributor.author | Mirovski, Jonas Miguel Stanislau Beal; |
| metadataTrad.dc.contributor.advisor | Souza, João Olegário de Oliveira de; |
| metadataTrad.dc.contributor.advisorLattes | http://lattes.cnpq.br/4888175103572971; |
| metadataTrad.dc.publisher | Universidade do Vale do Rio dos Sinos; |
| metadataTrad.dc.title | Processamento embarcado de sinais mioelétricos aplicado ao controle de próteses de mão; |
| metadataTrad.dc.description.resumo | Apesar dos constantes avanços no desenvolvimento de próteses com sistemas microprocessados, as próteses de membros superiores ainda não são capazes de suprir com satisfação as funções de um membro natural. Evoluções recentes no campo do aprendizado de máquina e inteligência artificial, além da divulgação pública de bancos de dados de sinais mioelétricos, promovem novos sistemas capazes de controlar próteses multifunção com cada vez mais confiança. Nesse trabalho são utilizadas técnicas de aprendizado de máquina em cima do banco de dados público Ninapro (Non-Invasive Adaptive Hand Prosthetics) visando a correta classificação de movimentos para controle de uma prótese mioelétrica de mão. É utilizado o algoritmo de redes neurais, sendo apresentado todo o seu desenvolvimento, ajuste de parâmetros, validação e teste. O sistema é posteriormente embarcado em uma plataforma Raspberry PI Zero, sendo realizada também a análise de desempenho do classificador de forma numérica e gráfica, visando um melhor entendimento do funcionamento prático do mesmo; |
| metadataTrad.dc.subject | Prótese de mão; Sinal mioelétrico; Redes neurais; Raspberry Pi; |
| metadataTrad.dc.type | TCC; |
| metadataTrad.dc.date.issued | 2018-11-28; |
| metadataTrad.dc.identifier.uri | http://www.repositorio.jesuita.org.br/handle/UNISINOS/11688; |
| metadataTrad.dc.audience.educationLevel | Graduação; |
| metadataTrad.dc.curso | Engenharia Eletrônica; |