• Repositorio Institucional Universidad de Pamplona
  • Trabajos de pregrado y especialización
  • Facultad de Ingenierías y Arquitectura
  • Ingeniería Electrónica
  • Please use this identifier to cite or link to this item: http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/5280
    Title: Clasificación de señales electro-oculográficas para el control de una pinza mecánica usando máquinas de soporte vectorial y lenguaje de programación PYTHON.
    Authors: Montes Romero, Ricardo Alfonso.
    Keywords: Discapacidad,
    Electro-oculográfias.
    EOG pinza robótica.
    Máquinas de soporte vectorial.
    Python.
    Issue Date: 2020
    Publisher: Universidad de Pamplona- Facultad de Ingenierías y Arquitectura.
    Citation: Montes Moreno, R. A. (2019). Clasificación de señales electro-oculográficas para el control de una pinza mecánica usando máquinas de soporte vectorial y lenguaje de programación PYTHON [Trabajo de Grado Pregrado, Universidad de Pamplona]. Repositorio Hulago Universidad de Pamplona. http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/5280
    Abstract: Inside the group of bio-electrical signals there is a type that is generated on the muscles related to the eyes movement, which can be used for the activation of mechanical and electronic parts that let the ability to realize actions to patients with loss of extremities, by use signal processing and classification methods on the Python programming language. The features extraction techniques provide a number of options that allow to enhance the areas of interest for each of the eye movements, the following movements will be classified: look to the right, look to the left, wink right eye, wink left eye , double wink right eye and will be parametrized to a mechanical clamp that gives the user prehensile ability, making it possible for the user to perform tasks in a personal, academic and professional environment. The techniques that showed the best results in this work are level lines, peak counting, wavelet transform, energy, normalization, feature addiction. All these techniques were applied to improve the classification percentage of the vector support machine (from now on SVM), for the training of the SVM 30 signals were recorded by movements of which 15 were used to train and 15 to classify obtaining thus a classification percentage of 97.78%.
    Description: Dentro del grupo de señales bio-eléctricas existe un tipo que se genera sobre los músculos relacionados con el movimiento de los ojos, las cuales pueden ser aprovechadas para la activación de piezas mecánicas y electrónicas que entreguen la capacidad de efectuar acciones a los pacientes con pérdida de extremidades, mediante el procesamiento de señales y métodos de clasificación sobre el lenguaje de programación Python. Las técnicas de extracción de características entregan un sin número de opciones que permiten realzar las zonas de interés para cada uno de los movimientos oculares, se clasificaron los siguientes movimientos: mirada a la derecha, mirada a la izquierda, guiño ojo derecho, guiño ojo izquierdo, doble guiño ojo derecho y se parametrizaran a una pinza mecánica que otorgue la capacidad prensil al usuario, logrando que el usuario pueda desempeñar tareas en un entorno personal, académico y profesional. las técnicas que mejores resultados mostraron en este articulo son líneas de nivel, conteo de crestas, transformada wavelet, energía, normalización, adicción de características. Todas estas técnicas fueron aplicadas para mejorar el porcentaje de clasificación de la máquina de soporte vectorial (de ahora en adelante SVM), para el entrenamiento de la SVM se registraron 30 señales por movimientos de las cuales 15 se usaron para entrenar y 15 para clasificar obteniendo así un porcentaje de clasificación del 97.78%.
    URI: http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/5280
    Appears in Collections:Ingeniería Electrónica

    Files in This Item:
    File Description SizeFormat 
    Montes_2019_TG.pdfMontes_2019_TG609,06 kBAdobe PDFView/Open


    Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.