A Custom sEMG Acquisition System and Data Collection Program for Machine Learning Based Gesture Classification
Mer träffsäker datainsamling för framtidens proteser Hur kan vi få en konstgjord hand att kännas mer naturlig att styra? I mitt examensarbete har jag utvecklat ett system som samlar in och analyserar muskelsignaler från underarmen, med målet att förbättra styrningen av proteser. Resultaten visar att metoden ger tydligare och mer användbar information om muskelaktiviteten än enklare, konventionellThis study presents a custom surface electromyography (sEMG) data acquisition system combining the TI ADS1299 analog-to-digital converter, Teensy MicroMod micro-controller, and a Python-based graphical user interface for real-time signal monitoring and guided data collection. The system outperformed the widely used Ninapro dataset across all major classification metrics, demonstrating improved cla
