TECNOLOGIA ASSISTIVA PARA AMPUTADOS: PRÓTESE MIOELÉTRICA CONTROLADA POR REDES NEURAIS ARTIFICIAIS

O objetivo deste trabalho é prototipar um sistema embarcado para controle de uma prótese mioelétrica de mão, via rede neural, alimentada por sinais de tensão provenientes dos músculos do antebraço e braço, com interessante grau de confiabilidade e que seja de baixo custo quando comparada a média do mercado, de forma a comprovar a possibilidade de democratizar o acesso a esta tecnologia para a população de países de baixa renda. Para a aquisição dos sinais de controle deve ser utilizado um sensor eletro miógrafo, conectado a pele por meio de eletrodos de contato, que envia estes dados para um conversor analógico-digital, antes de serem enfim processados pelo microcomputador Raspberry Pi4, o qual deve processar um modelo tensorflow lite, treinado para identificar 3 classes de saída (descanso, flexão e extensão) e ativar os servomotores de acordo com o movimento correspondente, utilizando as GPIOs do Raspberry. São apresentados resultados de treinamento do modelo de deep learning, como curva ROC, e graficos de perda e acuracia pelo número de epocas, comprovando acuracia de 95% na predição dos movimentos, e ausencia de treinamento excessivo, comprovando a viabilidade de aplicação do projeto em tempo real. Além disso, busca-se prever possíveis melhorias e ajustes para a continuidade e otimização do sistema.