Gesture recognition for prosthesis control using electromyography and force myography based on optical fiber sensors

Página do item simplificado
dc.contributor.advisor-co1Segatto, Marcelo Eduardo Vieira
dc.contributor.advisor-co1IDhttps://orcid.org/0000-0003-4083-992X
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/2379169013108798
dc.contributor.advisor1Díaz, Camilo Arturo Rodríguez
dc.contributor.advisor1IDhttps://orcid.org/0000-0001-9657-5076
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/2410092083336272
dc.contributor.authorRamirez Cortés, Felipe
dc.contributor.authorIDhttps://orcid.org/0009-0008-7465-3887
dc.contributor.authorLatteshttp://lattes.cnpq.br/0873671321556842
dc.contributor.referee1Silveira, Mariana Lyra
dc.contributor.referee1IDhttps://orcid.org/0000-0002-0368-5629
dc.contributor.referee1Latteshttp://lattes.cnpq.br/5307116832176112
dc.contributor.referee2Silva, Jean Carlos Cardozo da
dc.contributor.referee2IDhttps://orcid.org/0000-0003-2310-9159
dc.contributor.referee2Latteshttp://lattes.cnpq.br/9949032159595994
dc.date.accessioned2025-10-23T19:38:47Z
dc.date.available2025-10-23T19:38:47Z
dc.date.issued2025-09-17
dc.description.abstractAmputation is the partial or total loss of a limb. It is a challenging event that affects people worldwide, with an estimated prevalence of 552.45 million in 2019 and a growing rate. The loss of an upper limb, in particular, strongly affects a person’s ability to perform activities of daily living (ADL), communicate, and interact with their environment. To restore lost functionality, assistive devices known as prostheses have been developed. Modern active prostheses can be controlled by interpreting the user’s movement intention through various biological signals, such as Surface Electromyography (sEMG), which measures the electrical activity of muscles. While sEMG is an established and predominant control method, it has limitations. Forcemyography (FMG) is a technique that measures changes in muscle volume and pressure during contraction. It has emerged as a promising alternative, offering advantages such as greater signal stability and reduced sensitivity to skin conditions like sweat. This master’s dissertation proposes and evaluates a hybrid sensor system combining FMG and sEMG to create a more robust and precise method for hand gesture classification. The system integrates a custom-developed FMG sensor, which uses a Fiber Bragg Grating (FBG) embedded within a flexible 3D-printed structure, with a commercial sEMG sensor. The primary goal is to improve the control of real and virtual prosthetic hands for amputees. The study involved recording signals from able-bodied subjects while they performed tasks involving different hand angles and grip forces. Data from the sEMG, FMG, and the combined hybrid system were used to train and test seven different machine learning algorithms, with the dataset split into 80% for training and 20% for testing. Results showed that the optimal sensing strategy is task-dependent. For angle classification, the hybrid FMG-sEMG sensor achieved the highest accuracy of 85.62% with the K-Nearest Neighbors (KNN) classifier. For force classification, the sEMG sensor alone was superior, reaching an accuracy of 92.53% with a Support Vector Machine (SVM). Furthermore, the hybrid system’s feasibility for real-time application was validated in a Virtual Reality (VR) environment, where it achieved 99.83% accuracy in classifying binary open/close hand gestures. This research demonstrates the complementary nature of FMG and sEMG signals, concluding that a multimodal approach can be used to develop more sophisticated, reliable, and intuitive control systems for upper-limb prostheses by selecting the best sensing modality for the desired task
dc.description.resumoA amputação é a perda parcial ou total de um membro. É um evento desafiador que afeta pessoas em todo o mundo, com uma prevalência estimada de 552,45 milhões em 2019 e uma taxa crescente. A perda de um membro superior, em particular, afeta fortemente a capacidade de uma pessoa realizar atividades da vida diária (AVD), comunicar-se e interagir com seu ambiente. Para restaurar a funcionalidade perdida, foram desenvolvidos dispositivos auxiliares conhecidos como próteses. As próteses ativas modernas podem ser controladas interpretando a intenção de movimento do usuário por meio de vários sinais biológicos, como a eletromiografia de superfície (sEMG), que mede a atividade elétrica dos músculos. Embora a sEMG seja um método de controle estabelecido e predominante, ela tem limitações. A forcemiografia (FMG) é uma técnica que mede as mudanças no volume e na pressão muscular durante a contração. Ela surgiu como uma alternativa promissora, oferecendo vantagens como maior estabilidade do sinal e menor sensibilidade a condições da pele, como suor. Esta dissertação de mestrado propõe e avalia um sistema de sensores híbrido que combina FMG e sEMG para criar um método mais robusto e preciso para a classificação de gestos com as mãos. O sistema integra um sensor FMG desenvolvido sob medida, que usa uma rede de Bragg de fibra (FBG) incorporada em uma estrutura flexível impressa em 3D, com um sensor sEMG comercial. O objetivo principal é melhorar o controle de próteses de mãos reais e virtuais para amputados. O estudo envolveu a gravação de sinais de indivíduos sem deficiências físicas enquanto realizavam tarefas envolvendo diferentes ângulos das mãos e forças de preensão. Os dados do sEMG, FMG e do sistema híbrido combinados foram usados para treinar e testar sete algoritmos diferentes de aprendizado de máquina, com o conjunto de dados dividido em 80% para treinamento e 20% para teste. Os resultados mostraram que a estratégia de detecção ideal depende da tarefa. Para a classificação de ângulos, o sensor híbrido FMG-sEMG alcançou a maior precisão de 85,62% com o classificador K-Nearest Neighbors (KNN). Para a classificação de força, o sensor sEMG sozinho foi superior, atingindo uma precisão de 92,53% com uma Support Vector Machine (SVM). Além disso, a viabilidade do sistema híbrido para aplicação em tempo real foi validada em um ambiente de Realidade Virtual (VR), onde atingiu 99,83% de precisão na classificação de gestos binários de abrir/fechar a mão. Esta pesquisa demonstra a natureza complementar dos sinais FMG e sEMG, concluindo que uma abordagem multimodal pode ser usada para desenvolver sistemas de controle mais sofisticados, confiáveis e intuitivos para próteses de membros superiores, selecionando a melhor modalidade de detecção para a tarefa desejada
dc.description.sponsorshipFundação de Amparo à Pesquisa e Inovação do Espírito Santo (Fapes)
dc.formatText
dc.identifier.urihttp://repositorio.ufes.br/handle/10/20524
dc.languagepor
dc.language.isopt
dc.publisherUniversidade Federal do Espírito Santo
dc.publisher.countryBR
dc.publisher.courseMestrado em Engenharia Elétrica
dc.publisher.departmentCentro Tecnológico
dc.publisher.initialsUFES
dc.publisher.programPrograma de Pós-Graduação em Engenharia Elétrica
dc.rightsopen access
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectIdentificação de gestos
dc.subjectForça-miografia
dc.subjectEletromiografia de superfície
dc.subjectGrade de Bragg de fibra
dc.subjectControle de próteses
dc.subjectAprendizado de máquina
dc.subjectRealidade virtual
dc.subjectGesture Identification
dc.subjectForcemyography
dc.subjectSurface Electromyography
dc.subjectFiber Bragg Grating
dc.subjectProsthesis Control
dc.subjectMachine Learning
dc.subjectVirtual Reality
dc.subject.cnpqEngenharia Elétrica
dc.titleGesture recognition for prosthesis control using electromyography and force myography based on optical fiber sensors
dc.typemasterThesis
foaf.mboxfelipe.cortes@edu.ufes.br
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
FelipeRamirezCortes-2025-Dissertacao.pdf
Tamanho:
3.51 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar
Coleções
Mestrado em Engenharia Elétrica