IEEE-NSENS将定期关注对全球社会至关重要的特殊主题。例如,AI传感器,合成传感器,柔性、可穿戴传感器和电子产品,医疗保健生物传感器以及机器人微惯性传感器等。此次论坛将对人工智能,医疗保健和机器人技术中应用的智能微米和纳米级传感系统的最新研究成果进行传播。

Zhou Shengli大图.jpg

以下为Zhou Shengli在“IEEE传感器理论及产业应用论坛”上的精彩致辞实录,由云现场整理。

    大家上午好。我是Zhou Shengli,我今天演讲的主题是利用表面肌电信号对手指关节角度进行持续估值。

    这是我的大纲。现在我们有很多的手持设备可以衡量手指关节的运动,但是它的缺陷性很明显,必须要把标记号放在手指关节上,这样手指关节运用的时候就非常不灵活。这是用光纤材料做的,所以它非常容易去拉伸。那么可能就会有一系列的问题,所以我们建立了一个手指关节活动的测量设备,而且主要是由传感器来完成的。我们使用的是可穿戴的电子设备,也就是说,我们并不需要把这个设备放在某一个固定的肌肉表面,通过这个新型设备我们可以不断地持续地预测手指关节。

    这是我们的系统的工作流程,我们的工作流程当中有一个数据库,首先就是纳米级的数据库,它主要是做计算法的对比。第二个是由自己完成的,在这些数据库之中,我们有sEMG,这些sEMG是由电子组成的。在这些数据库之上,我们搜集了信息可以把它放在执行器当中。在研究当中,我们达到了99%的准确度。所以我这里只是关注手指关节运动的这一部分。

    这里是我们研究当中的关注三个运动环节,第一个是多指尖的运转,对于单一指尖来说,每一个指尖是有三个关节组成的。在多指尖当中,数值会有所上升。这些设备有8个电子,我会待会儿给大家分享这些数据。通过这些数据,我们每个设备可以连接到每个肌肉当中,每个都可以匹配一个电子当中,这样可以检测到sEMG信号,这样可以预测手指关节的运动状况。

    这是我们的信号处理,我们的数据是大约200Hz,我们把它们运用到sEMG的信号当中,而且我们这个失误率非常低,性能非常好。我们当中还运用到其他的信号处理。

    在我们的手指关节的预测当中,我们还把它运用到两个场景当中,一个是多线性回归方程,我们首先预测,做一个回馈。我们把它分解开来,一个是反应,一个是感应,对两方面选择了不同的标准。我们可以预测它的结果。对比刚刚我说的多线性回归方程,我们发现它可以有一系列的好处,跟这个原则相比,它可以很好地检测和反馈。我们把这些运用到方程式当中。在线性回归当中,我们可以得到一系列的反馈。在这个图中,我们发现了不同的变质的比例,底下是反应层,上面是预测器在五个部分当中,我们可以发现预测器的准确率是能够达到100%,我们的反应器准确率可以达到80%。所以我觉得最好的元件数量是5个。

    现在我们看到的是只对指尖的运动,左边是食指,右边是中指的数据,红色的是来自PLSR,黑色是线性方程得到的数据,通过这个图表可以看到它们的吻合度非常高,它们的数值是0.07。这就是5根手指运动数据结果,我们看到这些曲线吻合度也是非常高的,黑色衡量的是不同指关节运动的数值,它的正常值是75%,比我们介绍背景的数值还要低。在之前的研究当中我们使用了自己建立的数据库,它衡量的是不同指尖的运动情况。我们可以看到数值是大概0.089。

    在这个研究当中,我们提供了一个方式可以帮助我们持续预测指尖的运动,而且它的空间和速度都是相同的,PLSR在这个研究当中也可以得到很好的运用。我们的数值大概是7.5%,而它的平方值达到了0.69,比之前的研究效果都要好。

    谢谢各位的倾听。