Riconoscimento di Movimenti Umani tramite Sensori EMG: Sviluppo e Analisi di un Sistema Basato su Bracciale Elettromiografico

Il riconoscimento dei movimenti umani tramite segnali elettromiografici (EMG) rappresenta un'area di ricerca di crescente interesse, con applicazioni in ambiti quali la riabilitazione, le interfacce uomo-macchina e la protesica. In questo lavoro, è stato sviluppato e analizzato un sistema basato su un bracciale elettromiografico per la classificazione dei movimenti. Sono stati esplorati e confrontati tre diversi modelli di machine learning: Support Vector Machine (SVM), Gradient Boosting Machine (GBM) e Multi-Layer Perceptron (MLP). L'analisi ha valutato le prestazioni di ciascun modello in termini di accuratezza, robustezza e capacità di generalizzazione, evidenziando vantaggi e limiti di ciascun approccio. I risultati ottenuti dimostrano l'efficacia del sistema proposto e forniscono indicazioni utili per futuri sviluppi nel campo del riconoscimento dei movimenti umani in ambito manifatturiero basato su EMG.