Mecanorreceptores artificiais aplicados a próteses de membro superior

Resumo

Atualmente, a taxa de rejeição de próteses de membros superiores pode chegar até
70%. Isso se dá por diversos fatores, tanto físicos quanto psicológicos. Um dele é a inexistência de uma via bilateral prótese-objeto que gere feedbacks sensoriais, o que ajudaria no reconhecimento de um objeto e na fluidez dos movimentos. Este projeto tem como objetivo melhorar essa adversidade através da criação de uma rede neural (RNA) Feedforward Perceptron Multicamadas com Backpropagation, que, tendo como entrada a posição da mão ao segurar um objeto, reconheça-o e indique a preensão apropriada. Para isso criou-se uma simulação de uma mão 3D no Blender 2.9 que gera posições aleatórias dos dedos da mão, criando um banco de dados que alimenta o a rede neural criada para no seu treinamento, objetivando chegar nos pesos sinápticos mais apropriados. Assim, ao colocar-se uma entradaqualquer, a rede informará qual é a preensão mais próxima. A RNA criada utiliza como função de ativação a função Sigmoid, tem cinco neurônios na camada de entrada, quatro na camada oculta e três na camada de saída. Foi criado um banco de dados de 40 entradas, e ao utilizálo na fase de treinamento da rede Perceptron, durante 10000 épocas, chegou-se a duas matrizes de pesos, uma para a camada oculta e uma para a camada, que tem como percentagem de erro 2%. Pode-se concluir que redes neurais são uma boa solução para esse problema, pois mesmo não sendo a melhor rede neural possível de ser construída, ela já mostrou um grande avanço no reconhecimento de objetos, e assim, pode ser melhorada de diversas formas para ser utilizada em próteses reais, melhorando a sua aceitação.