Sistema de controle para prótese ativa de joelho utilizando Deep Learning embarcado

• Ano de defesa: 2024
• Autor(a) principal: YAMASHITA, João Vitor Yukio Bordin
• Orientador(a): LEITE, João Paulo Reus Rodrigues
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Itajubá
• Programa de Pós-Graduação: Programa de Pós-Graduação: Mestrado - Ciência e Tecnologia da Computação
• Departamento: IESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informação
• País: Brasil
• Palavras-chave em Português: Redes neurais convolucionais; TinyML; Sistemas embarcados; Aprendizado de máquina
• Área do conhecimento CNPq: CNPQ::CIÊNCIAS EXATAS E DA TERRA::CIÊNCIA DA COMPUTAÇÃO
• Link de acesso: https://repositorio.unifei.edu.br/jspui/handle/123456789/4201

Este trabalho aborda o desenvolvimento de modelos de Redes Neurais Convolucionais (CNNs) otimizados para a predição do ângulo do joelho em sistemas embarcados, visando aplicações em próteses de membros inferiores. Utilizando Unidades de Medida Inercial (IMUs) de baixo custo e técnicas de otimização multiobjetivo, foram desenvolvidos modelos especializados para diferentes tipos de marcha (curta, natural e longa), associados a um classificador capaz de identificar o padrão de marcha em tempo real. Os resultados demonstram que os modelos especializados superam significativamente um modelo combinado, alcançando um erro médio quadrático (RMSE) de 2, 050◦, uma melhoria de mais de 48% com relação a este último. Além disso, a implementação em um microcontrolador Kendryte K210 validou a viabilidade de implantação em hardware acessível, mantendo a eficiência computacional necessária para aplicações em tempo real. Este estudo contribui para o avanço das tecnologias assistivas, indicando que modelos eficientes de aprendizado profundo podem ser efetivamente implementados em sistemas embarcados, melhorando a qualidade de vida de indivíduos com amputações de membros inferiores. Essa abordagem aumenta ainda a acessibilidade financeira de soluções protéticas avançadas, tornando-as mais viáveis para indivíduos em regiões economicamente desfavorecidas.