Estudio de técnicas modernas de aprendizaje automático para detección de curvatura mediante fibra óptica y su aplicación en biomecánica

Abstract

Este trabajo muestra el estudio, desarrollo e implementación de un sistema óptico que integra algoritmos de aprendizaje automático, para la detección de la posición angular en un brazo robótico. Su aplicación expone de forma sencilla el análisis del movimiento y la evaluación de la postura del dedo índice, con el uso de una fibra óptica monomodo para el rango visible. Este montaje se fundamenta en el procesamiento de imágenes obtenidas a partir del perfil de salida de la fibra cuando se somete a curvatura, lo cual genera pérdidas en la región multimodal de esta y provoca cambios en la intensidad del color verde. Un total de 3240 imágenes son capturas por la cámara CCD, las cuales corresponden al movimiento de curvatura del dedo índice en un rango de 0° - 85°. A partir del procesamiento de imágenes en tres diferentes espacios de color, se realiza la extracción de características estadísticas a cada imagen para crear una base de datos, que combina 180 características de color y del dominio tiempo-frecuencia. Se propone estudiar la base de datos, por medio de técnicas clásicas de clasificación conocidas como, Análisis Discriminante (DA), Bayesiano Ingenuo (NB), Árbol de Decisión (DT), Máquinas de Soporte Vectorial (SVM) y K Vecinos más Próximos (KNN). Asimismo, se evalúa tres algoritmos de selección de características, los cuales generan un nuevo espacio de datos reducido en el que se descartan los datos irrelevantes y consecuentemente mejora el desempeño de clasificación de los modelos. Se obtiene con el modelo de clasificación de KNN 92.88% de precisión al detectar la posición angular del dedo índice robótico.