CONCLUSIONI
95 CONCLUSIONI
Il presente lavoro di tesi ha riguardato la progettazione e realizzazione di un sistema indossabile ad elettrodi tessili per la classificazione di movimenti umani mediante segnali EMG, inquadrato nell’ambito più ampio delle interfacce uomo-macchina basate sulla rivelazioni di segnali biologici, utilizzabili come controlli di dispositivi di varia natura (come protesi, meccanismi di puntamento, applicazioni software) con lo scopo di accrescere o di integrare le capacità comunicative e interattive umane. L’hardware sviluppato è stato una fascia in ®lycra per l’avambraccio, particolarmente vestibile, poco ingombrante, che consente un’esecuzione naturale dei movimenti.
Sulla fascia è stata integrata un’opportuna configurazione di tre elettrodi tessili cutanei, prodotti dall’azienda SMARTEX S.r.l. Lo studio condotto sui segnali EMG registrati ha previsto una fase di elaborazione, una di estrazione dei parametri caratteristici ed una di successiva valutazione di quei parametri maggiormente correlati al set di movimenti da riconoscere. Sulla base delle discriminanti individuate è stato costruito il classificatore CUBE e ne sono state valutate le prestazioni di classificazione attraverso una cross validation sulla matrice di confusione del test di riconoscimento al variare di un parametro intrinseco del classificatore stesso. Il comportamento del classificatore prevede, in corrispondenza di un nuovo pattern in ingresso, una o più risposte, quali l’associazione del pattern ad un’unica classe, a più classi contemporaneamente o a nessuna classe. La valutazione ha dato come risultati, nelle due impostazioni più significative del valore del parametro variabile, una percentuale di successo massima del 97.14% ed una minima del 90.66%, a fronte di una percentuale di misclassificazione massima del 4.93% e minima dello 0.89%. Per avere un riferimento attendibile, il classificatore CUBE è stato messo a confronto, sulla base delle stesse specifiche di test, con due riconosciuti classificatori a reti neurali, il Multilayer Perceptron e la Mappa di Kohonen. In seguito alla comparazione dei risultati della cross validation, la Mappa di Kohonen ha fornito, in assoluto, la più alta percentuale di successo sulla classificazione (98%), mentre il Multilayer la più bassa sulla misclassificazione (0.13%). Il classificatore CUBE ha comunque dimostrato capacità di classificazione maggiore della rete Multilayer (95%) e di poco discoste da quella della mappa di Kohonen (97.14% contro 98%). I classificatori a reti neurali, per loro natura, si avvalgono di algoritmi complessi e ottimizzati, per cui sono più robusti e performanti, come testimonia la bassa percentuale di misclassificazioni. Il classificatore CUBE ha il pregio di ottenere un’alta percentuale di successo nel riconoscimento utilizzando un algoritmo di classificazione che prevede bassa complessità computazionale ed un ridotto impegno di memoria, il che lo favorisce, ad esempio, in applicazioni integrate, su microcontrollore, dove sia importante ottimizzare l’occupazione di area sul chip. Esistono sicuramente margini di miglioramento perfezionando l’algoritmo, ad esempio, per recuperare parte delle non classificazioni ed aumentare la capacità di classificazione. Nell’ottica di ridurre la percentuale di misclassificazioni, su cui pesa, invece, la variabilità dei segnali EMG, si dovrebbe intervenire in fase di signal processing con l’impiego di tecniche di analisi e filtraggio più complesse, non lineari. Scopo ultimo della tesi è stata l’implementazione realtime del classificatore CUBE in un’applicazione che utilizza l’uscita del classificatore per controllare in tempo reale lo spostamento di un cursore in un piano di lavoro sullo schermo di un personal computer. Le prove dell’applicazione in tempo reale, hanno costituito un buon feedback visivo sul comportamento del classificatore il quale si è rivelato particolarmente efficace su esecuzioni di task motori in cui l’utilizzatore, in base a un’intenzione definita, compie
CONCLUSIONI
96 una serie di ripetizioni di movimenti appartenenti al set di base, mirati a far tracciare al cursore determinate traiettorie o semplici figure. Prospettive di sviluppo di un sistema del genere, possono riguardare un aumento del set di movimenti riconoscibili, tra i quali includere, per esempio, la pronosupinazione del braccio, o movimenti delle dita, cui corrisponderebbero ulteriori controlli sull’interfaccia grafica, pensando in un’ottica più fine di realtà virtuale, allargando il controllo degli spostamenti ad uno spazio tridimensionale. Altro scenario applicativo potrebbe, infine essere nel campo medicale, come la teleriabilitazione, o il supporto funzionale in soggetti con ridotte capacità motorie, ma con la presenza di una residua attività muscolare.
