Rozpoznávání pozice ruky využívající EMG dat

Show simple item record
dc.contributor.advisorHoudová Lucie, Ing. Ph.D.cs
dc.contributor.authorGogela, Tomášcs
dc.contributor.refereeHrúz Marek, Ing. Ph.D.cs
dc.date.accepted2025-06-18
dc.date.accessioned2026-02-20T22:50:35Z
dc.date.available2024-10-15
dc.date.available2026-02-20T22:50:35Z
dc.date.issued2025-05-19
dc.date.submitted2025-05-19
dc.description.abstractTato bakalářská práce se zabývá problematikou rozpoznávání pozice ruky na základě elektromyografických (EMG) signálů, s cílem přispět k vývoji intuitivního ovládání myoelektrických protéz. Práce se zaměřuje na zpracování signálů získaných metodou povrchové elektromyografie (SEMG), jejich předzpracování a následnou klasifikaci gest ruky pomocí různých modelů strojového učení. Byly navrženy a porovnány klasické klasifikátory i modely hlubokého učení. Pro trénink byl použit veřejně dostupný dataset SEMG signálů. Výsledky ukazují potenciál hlubokého učení pro praktické nasazení v asistenčních technologiích, ačkoliv velikost a kvalita datasetu zatím neumožňuje použití mimo experimentální prostředí.cs
dc.description.abstract-translatedThis bachelor thesis focuses on the issue of hand position recognition based on electromyographic (EMG) signals, aiming to contribute to the development of intuitive control for myoelectric prostheses. The work deals with the processing of signals acquired through surface electromyography (SEMG), their preprocessing, and subsequent gesture classification using various machine learning methods. Both traditional classifiers and deep learning models were proposed and evaluated. A publicly available SEMG dataset was used for training. The results demonstrate the potential of deep learning for application in assistive technologies, although the dataset's size and quality currently limit deployment beyond experimental use.en
dc.description.departmentKatedra kybernetikycs
dc.description.resultObhájenocs
dc.format41 s. (67 699 znaků)
dc.identifier100172
dc.identifier.urihttp://hdl.handle.net/11025/66202
dc.language.isocs
dc.publisherZápadočeská univerzita v Plznics
dc.rightsPlný text práce je přístupný bez omezenícs
dc.rights.accessopenAccesscs
dc.subjectpovrchová elektromyografiecs
dc.subjectrozpoznávání gestcs
dc.subjectmyoelektrická protézacs
dc.subjectklasifikacecs
dc.subjectneuronové sítěcs
dc.subject.translatedsurface electromyographyen
dc.subject.translatedgesture recognitionen
dc.subject.translatedmyoelectric prosthesisen
dc.subject.translatedclassificationen
dc.subject.translatedneural networksen
dc.thesis.degree-grantorZápadočeská univerzita v Plzni. Fakulta aplikovaných vědcs
dc.thesis.degree-levelBakalářskýcs
dc.thesis.degree-nameBc.cs
dc.thesis.degree-programKybernetika a řídicí technikacs
dc.titleRozpoznávání pozice ruky využívající EMG datcs
dc.title.alternativeHand Gesture Recognition using EMG dataen
dc.typebakalářská prácecs
local.files.count5*
local.files.size14223515*
local.has.filesyes*
local.relation.IShttps://portal.zcu.cz/StagPortletsJSR168/CleanUrl?urlid=prohlizeni-prace-detail&praceIdno=100172

Files

Original bundle
Showing 1 - 5 out of 5 results
No Thumbnail Available
Name:
BP_Gogela_A21B0420P.pdf
Size:
10.71 MB
Format:
Adobe Portable Document Format
Description:
VŠKP
Download
No Thumbnail Available
Name:
BP_Gogela_priloha.zip
Size:
2.69 MB
Format:
ZIP
Description:
VŠKP - příloha
Download
No Thumbnail Available
Name:
PV_Gogela_A21B0420P.pdf
Size:
58.58 KB
Format:
Adobe Portable Document Format
Description:
Posudek vedoucího VŠKP
Download
No Thumbnail Available
Name:
PO_Gogela_A21B0420P.pdf
Size:
66.8 KB
Format:
Adobe Portable Document Format
Description:
Posudek oponenta VŠKP
Download
No Thumbnail Available
Name:
PB_Gogela_A21B0420P.pdf
Size:
39.2 KB
Format:
Adobe Portable Document Format
Description:
Průběh obhajoby VŠKP
Download

Collections

Bachelor´s works (KKY)