การพัฒนาหุ่นยนต์แขนเทียมต้นแบบผ่านการควบคุมด้วยสัญญาณไฟฟ้าในกล้ามเนื้อโดยใช้เทคโนโลยีปัญญาประดิษฐ์

งานวิจัยนี้นําเสนอเทคนิคการประมวลผลสัญญาณเพื่อเพิ่มประสิทธิภาพการจำแนกสัญญาณไฟฟ้าในกล้ามเนื้อท่าทางพื้นฐาน ได้แก่ กำมือ และแบมือ ของการเรียนรู้ด้วยเครื่องที่วัดได้จากเซ็นเซอร์วัดสัญญาณไฟฟ้าในกล้ามเนื้อราคาถูก ให้มีการจำแนกท่าทางที่มีประสิทธิภาพมากขึ้นโดยการใช้การลดขนาดของสัญญาณ การกำจัดสัญญาณรบกวน การสกัดคุณลักษณะเด่น และการเรียนรู้ด้วยเครื่องเปรียบเทียบกัน 5 โมเดล ได้แก่ SVM, RF, MLP, KNN และ CNN โดยทำการทดลองลดขนาดของสัญญาณ ร่วมกับการกรองความถี่ดิจิทัลแบบ IIR โดยใช้ตัวกรองแบบ Chebyshev Type II ชนิดเลือกแถบความถี่ผ่าน 50 – 500 Hz ร่วมกับเทคนิคการสกัดคุณลักษณะเด่นเทคนิค Discrete Wavelet Transform 9 ระดับ โดยใช้เวฟเล็ตแบบ Daubecies 4 ร่วมกับเทคนิค Root Mean Square, Mean Absolute Value, Integrated EMG, Simple Square Integral, Average Amplitude Change และ Waveform Length และนำโมเดลไปใช้งานร่วมกับระบบควบคุมแขนเทียมสำหรับการทดลองเคลื่อนไหวท่าทางกำมือและแบมือเพื่อให้โมเดลมีความแม่นยำในการจำแนกท่าทางเพื่อใช้ในการควบคุมแขนเทียม