Person:
BAŞPINAR, ULVİ

Profile Picture

Email Address

Birth Date

Research Projects

Organizational Units

OrgUnit Logo
Organizational Unit

Job Title

Last Name

BAŞPINAR

First Name

ULVİ

Name

Filters

20241
Reset filters

Settings

Subject: Arts & Humanities ×

Search Results

Now showing 1 - 1 of 1
  • Thumbnail Image
    PublicationOpen Access
    Investigation of the effects of different arm positions and angles in sEMG-based hand gesture recognition on classification success
    (2024-01-01) BAŞPINAR, ULVİ; PARLAK E., BAŞPINAR U.
    Günlük yaşamda etkin bir şekilde kullanılması için tasarlanan yüzeysel elektromiyografi (sEMG) sinyal tabanlı kontrol edilen aktif protezler ve insan makine etkileşimli sistemlerin kolun farklı açı ve pozisyonlarında da yüksek doğrulukta çalışması önemlidir. Bu amaçla çalışmada kolun üç farklı pozisyonunda ve üç farklı açıda alınan sEMG kayıtları, ivme ve jiroskop verileri ile desteklenerek dört farklı el hareketinin sınıflandırılması yapılmıştır. Sınıflandırmada kullanılan veri (8 kanal sEMG, ivme ve jiroskop) 13 katılımcının sağ ön kolundan alınmıştır. Çalışmada sEMG sinyallerinden altı adet, ivme ve jiroskop verilerinden de üç adet özellik kullanılarak veri seti oluşturulmuştur. Sonuç olarak, farklı kol pozisyonlarının ve açılarının el hareketlerinin sınıflandırılmasını nasıl etkilediği metodik olarak araştırılmıştır. Hareketin yapıldığı farklı kol pozisyonları ve açılar nedeniyle ortaya çıkan olumsuz etkilerin ivme ve jiroskop verileri kullanılarak giderilip giderilemeyeceği noktasında da değerlendirmeler yapılarak sınıflandırıcı performanslarına etkilerine yer verilmiştir. Sınıflandırıcı olarak Yapay Sinir Ağları (YSA) ve Destek Vektör Makineleri (DVM) tercih edilmiştir. Beş farklı kategoride yapılan incelemelerde DVM sınıflandırıcıları ortalama %83 başarı sağlarken YSA sınıflandırıcıları ortalama %82 başarı sağlamaktadır. Farklı pozisyonlarda ivme ve jiroskop verilerinin hareket sınıflama performansına çok az bir katkı sunduğu belirlenmiştir. Yapılan değerlendirme sonucu sEMG tabanlı bir sistemin eğitiminde ön kolun tüm pozisyon ve açılarında eğitim verisinin toplanması sınıflandırma sonuçlarını iyileştirdiği tespit edilmiştir.