SISTEMA DE IDENTIFICAÇÃO DE PADRÕES EM SINAIS DE ELETROMIOGRAFIA UTILIZANDO INTELIGÊNCIA ARTIFICIAL PARA CONTROLE DE PRÓTESE

Resumo

Este artigo apresenta o desenvolvimento de um sistema de identificação de padrões em sinais de eletromiografia (EMG) utilizando inteligência artificial (IA) para o controle de próteses. A EMG é uma ferramenta promissora para interpretar os sinais musculares e promover o controle preciso de próteses, melhorando a mobilidade e qualidade de vida de indivíduos com amputações. O sistema desenvolvido utiliza o sensor AD8232, um microcontrolador ESP32 e eletrodos de superfície, seguindo as diretrizes SENIAM para aquisição de sinais EMG do bíceps. As amostras de dados foram processadas e analisadas com o uso de machine learning, especificamente o modelo Ridge Classifier, visando identificar padrões musculares de forma eficiente. Embora o protótipo inicial tenha enfrentado desafios, como a má transferência de dados e variações biológicas entre os usuários, ajustes no posicionamento dos eletrodos resultaram em leituras mais precisas. Os resultados demonstram o potencial da EMG para controle de próteses, destacando a necessidade de contínuas calibrações e aprimoramentos no sistema para atender diferentes biotipos e proporcionar um controle mais intuitivo e eficaz.