Analiza sygnałów elektromiograficznych (EMG) stanowi istotną część projektu, którego celem jest stworzenie modelu uczenia maszynowego do rozpoznawania gestów dłoni na podstawie danych z opaski EMG. Projekt rozpoczął się w 2022 roku i przeszedł przez kilka etapów, rozwijając się o nowe metody klasyfikacji sygnałów, włączając w to bardziej zaawansowane podejścia, takie jak rekurencyjne. Obecnie skupiamy się na tworzeniu narzędzia dydaktycznego, które ma pomóc nowym członkom koła naukowego w pracy badawczej. Nasze inspiracje opierają się na metodzie traktowania sygnałów EMG jako obrazów, co zostało przedstawione w artykule naukowym. Poprzez przekształcenie sygnałów EMG z opaski w obrazy, zachowując ich przestrzenną zależność, możemy wykorzystać techniki z dziedziny Computer Vision oraz sieci neuronowe do rozpoznawania gestów dłoni. Dodatkowo, możliwe jest zastosowanie procedur wstępnego przetwarzania sygnałów w celu poprawy jakości danych przed ich konwersją na obrazy.
Zachęcamy do zapoznania się z pełną dokumentacją projektu, dostępną na naszym repozytorium GitHub.
Analysis of electromyographic (EMG) signals is a significant component of the project aimed at creating a machine learning model for recognizing hand gestures based on data from EMG armbands. The project commenced in 2022 and has progressed through several stages, evolving with new methods of signal classification, including more advanced approaches such as recursive ones. Currently, our focus lies on developing an educational tool to assist new members of the scientific community in their research work. Our inspiration stems from treating EMG signals as images, as presented in a scientific article. By transforming EMG signals from the armband into images while preserving their spatial relationship, we can leverage techniques from the field of Computer Vision and neural networks for hand gesture recognition. Additionally, preprocessing procedures can be applied to enhance data quality before converting them into images.
We encourage you to explore the full documentation of the project available on our GitHub repository.
