Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Marmara Üniversitesi, Fen Bilimleri Enstitüsü, Elektrik - Elektronik Mühendisliği Anabilim Dalı, Türkiye
Tezin Onay Tarihi: 2021
Tezin Dili: Türkçe
Öğrenci: EMRE PARLAK
Danışman: Ulvi Başpınar
Özet:
MYO bileklik gibi çeşitli veri
toplama araçlarıyla ön koldan ölçülen EMG sinyalleri işlendiğinde kişinin
yaptığı hareketler tahmin edilebiliyor. Uygulamalarda tahmin tutarlılığı kişiye
veya çeşitli çevre etkilerine göre azalabilir.
Kol kaslarının yorulması, ciltteki ter, elektrotlardan kaynaklanan
gürültüler alınan verilerin kalitesini etkileyebilir. Bunlara ek olarak aynı
hareketi yaparken kolun ve bileğin değişen pozisyonları EMG sinyallerinin
değişiminde önemli rol oynar. Bu çalışmada 13 kişinin sağ kolundan alınan
veriler kullanılarak yaptığı el hareketi, bilek açısı ve kol pozisyon bilgisi bulunmak
istenmiştir. Bunun için toplanan veriler ile yapay sinir ağı ve destek vektör
makinaları kullanılarak hareket ve pozisyonlar birbirinden ayrılmak
istenmiştir. İkisi bilek hareketi olmak üzere toplam dört ayrı hareket, toplam
3 ayrı bilek açısı ve 3 ayrı kol pozisyonu, kombinasyonlarla yapılarak hareket
tanıma, hareket ve bilek açısı tanıma ve hareket, bilek açısı ve kol pozisyonu
tanıma olmak üzere üç farklı sınıfta incelenmiştir. Tahmin doğruluğunu
arttırmak için MYO bileklik üzerinde bulunan jiroskop ve ivme sensor verileri
de ikinci ve üçüncü sınıfların eğitiminde kullanılmıştır. MYO bileklik 8 kanala
sahiptir ve bu kanallar farklı kas ve kas grupları üzerine denk gelmektedir. Bu
kanallar üzerinde alınan verilerden hareket bölgeleri çıkartılıp bu hareket
bölgelerinden çıkarılan özellikler eğitimde kullanılır. Çalışma kaydedilmiş
veriler üzerinden yapıldığı için çevrimdışı olarak 5 farklı grupta sınıflama
yapılmıştır. Yapılan çalışmaya göre farklı kol pozisyonlarında ve farklı bilek
açılarında ayrı ayrı yapılan sınıflama sonuçlarının %73,5 ile %92,5 arasında
değiştiği görülmüştür. Aynı kol pozisyonu ve farklı bilek açılarında yapılan el
hareket tanıma başarısı minimum %74,17 maksimum %92,5 olarak tespit
edilmiştir. Çalışmada ayrıca sadece EMG
sinyali ile kol pozisyonunun ve/veya bilek açısının tespit edilip edilemeyeceği
araştırılmıştır. Elde edilen sonuçlara göre sadece EMG sinyali ile tespitin
yetersiz olduğu, ivme verisinin eklenmesiyle başarının fark edilir oranda
arttığı tespit edilmiştir. İvme ve jiroskop
verilerinin farklı kol pozisyonlarında el hareket sınıflandırmaya olan etkisi
incelendiğinde ivme ve jiroskop verilerinin el hareket tanımaya bazı kol
pozisyonlarında pozitif etki ettiği, bazılarında negatif etki ettiği ve
bazılarında ise etkisi olmadığı tespit edilmiştir. Sonuç olarak ivme ve
jiroskop verilerinin el hareket sınıflandırmalarında ön görülebilir bir katkı
sunmadığı anlaşılmaktadır. Bu tez çalışması kapsamında yapılan bir diğer araştırma
ise YSA ve DVM sınıflayıcılarının performanslarının karşılaştırılmasıdır.
Karşılaştırma sonucunda DVM’nin sınıflama performanslarının daha yüksek olduğu
tespit edilmiştir.