الكشف عن الأنماط الحركية في الكف الصناعي باستخدام الشبكات العصبونية الالتفافية

الملخص

تم في هذا البحث تطوير نموذج ذكاء اصطناعي يعتمد على الشبكات العصبونية الالتفافية Convolutional Neural Networks (CNN) لتصنيف الإشارات العضلية الكهربائية electromyographic (EMG) المرتبطة بحركات مثل الإغلاق(Closing) ، والمقص(Scissor) ، والفتح(Opening) ، والإشارة"OK". يُعد تحليل إشارات EMG مجالاً حيوياً في التطبيقات الطبية والهندسية، حيث يُستخدم في تطوير الأطراف الصناعية الذكية، وأجهزة إعادة التأهيل، وأنظمة التحكم بالإيماءات.

تم الحصول على قاعدة البيانات من موقع Kaggle، حيث استخدمت حساس (MYO) Myoelectric Sensor، لجمع بيانات الإشارات العضلية الكهربائية ومن ثم خضعت لمعالجة شملت التقييس البيانات لضمان دقة النموذج. ومن ثم تم تصميم شبكة عصبية التفافية متعددة الطبقات، حيث تُستخرج الأنماط المميزة من الإشارات عبر طبقات الالتفاف، بينما تتولى الطبقات الكثيفة (Dense Layers) تحليل الميزات المُستخرجة لاتخاذ قرارات تصنيف دقيقة.

تم تدريب النموذج المصمم مع تطبيق تقنيات تحسين الأداء مثل Dropout للحد من فرط التعلّم. أظهرت النتائج تحقيق النموذج لدقة تصنيف بلغت 97% على بيانات الاختبار، مما يعكس كفاءته في التعرف على أنماط الإشارات العضلية. كما أظهرت منحنيات الأداء استقراراً أثناء التدريب، مما يدل على قدرة النموذج على التعميم دون التعرض لمشكلة فرط التكيف.