Por favor, use este identificador para citar o enlazar este ítem:
http://dspace.espoch.edu.ec/handle/123456789/13706
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.advisor | Hernández Ambato, Jorge | - |
dc.contributor.author | Ñacato Estrella, Ana María | - |
dc.date.accessioned | 2020-02-04T20:57:51Z | - |
dc.date.available | 2020-02-04T20:57:51Z | - |
dc.date.issued | 2019-11-13 | - |
dc.identifier.citation | Ñacato Estrella, Ana María. (2019). Diseño e implementación de una interfaz para la traducción de caracteres del alfabeto dactilológico a palabras utilizando sensores musculares y reconocimiento de patrones. Escuela Superior Politécnica de Chimborazo. Riobamba. | es_ES |
dc.identifier.uri | http://dspace.espoch.edu.ec/handle/123456789/13706 | - |
dc.description | En el presente trabajo de titulación se desarrolló un sistema dirigido a personas con discapacidad auditiva que hacen uso del alfabeto dactilológico para su comunicación. Este dispositivo permite la traducción de los símbolos del alfabeto convencional representadas en señas a letras utilizando modelos de aprendizaje automático supervisado. La implementación, procesamiento y clasificación se ejecuta sobre una plataforma embebida FPGA PYNQ-Z1, la misma que es desarrollada bajo el sistema de código abierto Linux compatible con el programa Python y sus diferentes librerías. El proceso se desarrolla inicialmente con la adquisición de los datos por medio del sensor muscular Myo Armband, luego se realiza el procesamiento de las señales electromiográficas EMG a través del Análisis Multirresolución de la Transformada Wavelet Discreta, con su wavelet madre Daubechies 4 y nivel de descomposición 2. Una vez procesadas las señales se extrae información útil, por medio de la extracción de características Valor Absoluto Medio (MAV), Raíz Cuadratica Media (RMS) y Longitud de la forma de Onda (WL) de cada uno de los subconjuntos de datos. Posteriormente, con las características obtenidas, se prepara el conjunto de datos para los modelos de aprendizaje supervisado seleccionados: red neuronal Multi Layer Perceptron, Árbol de decisión y Random Forest. El porcentaje de datos bien clasificados para los tres modelos es del 91%, 82% y 94%, respectivamente. El diseño de la interfaz de traducción es amigable con el usuario ya que consta de 4 botones claramente identificados con la función que cumplen. | es_ES |
dc.description.abstract | This research developed a system aimed to people with hearing disabilities who use the fingerprint alphabet for their communication. This device allows the translation of the conventional alphabet symbols represented in signs to letters using supervised machine Learning models. The implementation, processing and classification is executed on an embedded FPGA platform PYNQ-Z1, which is developed under the Linux open source system compatible with the Python program and its different bookstores. The process is initially developed with the adquisition of data through the myo armband muscle sensor. The electromiographic signals (EMG) are then processed through the Multiresolution Analysis of the Discrete Wavelet transformed with its mother wavelet Daubechies 4 and the level of decomposition 2. Once the signals are processed, useful information is extracted through the extraction of characteristics Mean Absolute Value (MVA), Root Mean Squared (RMS) and Waveform Length (WL) of each of the data subsets. Subsequently, with the characteristics obtained, the data set is prepared for the Learning models, supervised and selected: Multi Layer Perceptron neural network, Decision tree and Random Forest. The percentage of well-classified data for the three models is 91%, 82%, and 94% respectively. The design of the translation interface is user friendly as it consists of 4 buttons clearly identified with the function they fulfill. | es_ES |
dc.language.iso | spa | es_ES |
dc.publisher | Escuela Superior Politécnica de Chimborazo | es_ES |
dc.relation.ispartofseries | UDCTFIYE;108T0319 | - |
dc.rights | info:eu-repo/semantics/openAccess | es_ES |
dc.subject | TECNOLOGÍA Y CIENCIAS DE LA INGENIERÍA | es_ES |
dc.subject | INTELIGENCIA ARTIFICIAL | es_ES |
dc.subject | DISCAPACIDAD AUDITIVA | es_ES |
dc.subject | SENSORES MUSCULARES | es_ES |
dc.subject | SEÑALES ELECTROMIOGRÁFICAS (EMG) | es_ES |
dc.subject | TRANSFORMADA WAVELET DISCRETA | es_ES |
dc.subject | WAVELET MADRE DAUBECHIES 4 | es_ES |
dc.subject | FPGA PYNQ-Z1 (SOFTWARE - HARDWARE) | es_ES |
dc.title | Diseño e implementación de una interfaz para la traducción de caracteres del alfabeto dactilológico a palabras utilizando sensores musculares y reconocimiento de patrones. | es_ES |
dc.type | bachelorThesis | es_ES |
dc.contributor.miembrotribunal | Altamirano, Edwin | - |
dc.rights.uri | https://creativecommons.org.//licenses/by-nc-sa/3.0/ec/ | es_ES |
Aparece en las colecciones: | Ingeniero en Electrónica, Control y Redes Industriales; Ingeniero/a en Electrónica y Automatización |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
108T0319.pdf | 3,85 MB | Adobe PDF | ![]() Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons