JP7261427B2 - 複数粒度並列化されたcnnモデルに基づく筋電信号―トルクのマッチング方法 - Google Patents
複数粒度並列化されたcnnモデルに基づく筋電信号―トルクのマッチング方法 Download PDFInfo
- Publication number
- JP7261427B2 JP7261427B2 JP2021517409A JP2021517409A JP7261427B2 JP 7261427 B2 JP7261427 B2 JP 7261427B2 JP 2021517409 A JP2021517409 A JP 2021517409A JP 2021517409 A JP2021517409 A JP 2021517409A JP 7261427 B2 JP7261427 B2 JP 7261427B2
- Authority
- JP
- Japan
- Prior art keywords
- torque
- signal
- myoelectric
- cnn model
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/22—Ergometry; Measuring muscular strength or the force of a muscular blow
- A61B5/224—Measuring muscular strength
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/389—Electromyography [EMG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6824—Arm or wrist
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/683—Means for maintaining contact with the body
- A61B5/6831—Straps, bands or harnesses
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
- G01L5/24—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes for determining value of torque or twisting moment for tightening a nut or other member which is similarly stressed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Physiology (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Physical Education & Sports Medicine (AREA)
- Theoretical Computer Science (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Force Measurement Appropriate To Specific Purposes (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Description
例えば、m粒度区分の場合、当該信号の平均値がトルク区間(10~15)に該当する場合、対応なトルクラベルはAとなり、n粒度区分の場合、当該信号の平均値がトルク区間(10~20)に該当する場合、対応なトルクラベルはaとなる。したがって、異なる粒度区分された下で、各枚の筋電図が対応するトルクラベルも異なる。
Claims (10)
- 以下のステップを含むことを特徴とする複数粒度並列化されたCNNモデルに基づく筋電信号-トルクのマッチング方法。
ステップ1、作業員が実験台でボルトを締め付ける際の締め付けトルク信号及び筋電信号を採集し、保存し、
ステップ2、実験台で締め付けトルク信号を測定するためのセンサーの検知範囲に基づいて、この検知範囲を少なくとも二種の粒度に基づいて区分し、各粒度区分に、この粒度に対応する複数のトルク区間が生成され、各トルク区間に一つのトルクラベルを追加し、
ステップ3、前記筋電信号はt秒ごとに一つの時間窓とし、各時間窓に対応する筋電図を生成し、
ステップ4、前記締め付けトルク信号が各前記時間窓内におけるすべてのトルクの平均値を計算し、トルクの平均値が該当するトルク区間により、各粒度区分された下、各時間窓のトルクラベルを確定し、
ステップ5、サンプル集合を生成し、それは少なくとも2つ以上の粒度のサンプル集合を有し、各粒度のサンプル集合は、複数枚のトルクラベル付きの筋電図を含んで、
ステップ6、複数粒度並列化したCNNモデルを構築し、それは、少なくとも2つ以上の並列且つ独立したCNNモデルを有し、各独立したCNNモデルは筋電信号に対する区分する粒度が異なり、同じ粒度のサンプル集合を用いて対応な独立したCNNモデルをトレーニングし、
ステップ7、作業員は実際組み立て中の筋電信号をトレーニングできた前記複数粒度並列化したCNNモデルに入力した後、締め付けトルクを識別する。 - 前記ステップ1において、N個チャネルを用いて同時に筋電信号を採集し、Nは自然数であり、前記ステップ3において、採集した各チャネルの筋電信号に対して前処理を行った後、各チャネルの各筋電信号を正規化させて、各時間窓に対応する筋電図を作成し、各枚の筋電図に、当該時間窓内の各チャネルの正規化された筋電信号を含むことを特徴とする請求項1に記載の複数粒度並列化されたCNNモデルに基づく筋電信号-トルクのマッチング方法。
- 前記ステップ6において、各前記独立したCNNモデルにトルクラベル付きの筋電図を入力した後、当該トルクラベルに対応する粒度は、モデルの粒度と一致し、トルクラベルを出力して、各独立したCNNモデルから出力してきたトルクラベルを一箇所に融合し、複数粒度並列化したCNNモデルの予測トルク値とすることを特徴とする請求項1に記載の複数粒度並列化されたCNNモデルに基づく筋電信号-トルクのマッチング方法。
- 前記融合とは、各粒度のCNNモデルから出力した最大確率のトルクラベルに対応するトルク区間の中央値を取って、全て中央値の平均値を計算し、それを複数粒度並列化したCNNモデルの予測トルク値とすることを特徴とする請求項5に記載の複数粒度並列化されたCNNモデルに基づく筋電信号-トルクのマッチング方法。
- 前記採集した各チャネルの筋電信号に対して前処理を行うことは、以下のステップを含む。まず採集した筋電信号を順次に50Hzローパスフィルタと30Hzゼロ位相ハイパスフィルタを通過させてから、また筋電信号の負の値を反転させて、続いて5Hzゼロ位相ローパススフィルタを用いてフィルタリングし、筋肉の低域通過濾波特性を模擬し、その中で、50Hzローパスフィルタにより、当地周波数が筋電信号に対する干渉を除去し、30Hzゼロ位相ハイパスフィルタにより、受信した筋電信号に対して不良運動軌跡を除去することを特徴とする請求項2に記載の複数粒度並列化されたCNNモデルに基づく筋電信号-トルクのマッチング方法。
- 前記締め付けトルク信号が標準化された後、以下のように前処理を行ってまた平均値を求め、締め付けトルク信号について、50Hzローパスフィルタを用いて、当地周波数が信号採集に対する影響を除去して、続いて処理された締め付けトルク信号に対して、30Hzゼロ位相ハイパスフィルタを用いてフィルタリングし、不良運動軌跡を除去することを特徴とする請求項4に記載の複数粒度並列化されたCNNモデルに基づく筋電信号-トルクのマッチング方法。
- 前記ステップ1において、作業員は装着可能な装置を装着して筋電信号収集を行うことを特徴とする請求項1に記載の複数粒度並列化されたCNNモデルに基づく筋電信号-トルクのマッチング方法。
- 前記装着可能な装置はMYOアームバンドであることを特徴とする請求項9に記載の複数粒度並列化されたCNNモデルに基づく筋電信号-トルクのマッチング方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010116661.6 | 2020-02-25 | ||
CN202010116661.6A CN111207875B (zh) | 2020-02-25 | 2020-02-25 | 基于多粒度并联cnn模型的肌电信号-扭矩匹配方法 |
PCT/CN2020/088876 WO2021169036A1 (zh) | 2020-02-25 | 2020-05-07 | 基于多粒度并联cnn模型的肌电信号-扭矩匹配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022543935A JP2022543935A (ja) | 2022-10-17 |
JP7261427B2 true JP7261427B2 (ja) | 2023-04-20 |
Family
ID=70783650
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021517409A Active JP7261427B2 (ja) | 2020-02-25 | 2020-05-07 | 複数粒度並列化されたcnnモデルに基づく筋電信号―トルクのマッチング方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11971319B2 (ja) |
JP (1) | JP7261427B2 (ja) |
CN (1) | CN111207875B (ja) |
WO (1) | WO2021169036A1 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11592346B2 (en) * | 2020-02-26 | 2023-02-28 | Weatherford Technology Holdings, Llc | Multi-range load cell |
CN112486320B (zh) * | 2020-11-27 | 2022-10-11 | 青岛理工大学 | 一种基于回归神经网络的装配扭矩监测系统及监测方法 |
CN112754505A (zh) * | 2020-12-29 | 2021-05-07 | 深圳市联影高端医疗装备创新研究院 | 一种肌肉老化程度检测方法、装置及系统 |
CN113361686A (zh) * | 2021-05-27 | 2021-09-07 | 广西大学 | 一种多层异构多模态卷积神经网络集成式机器人巡检方法 |
CN114767132B (zh) * | 2022-04-20 | 2024-05-07 | 中国科学技术大学 | 一种基于表面肌电分解的运动单位识别方法 |
CN116755547A (zh) * | 2023-05-16 | 2023-09-15 | 重庆理工大学 | 基于轻量化卷积神经网络的表面肌电信号手势识别系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140182393A1 (en) | 2012-11-16 | 2014-07-03 | Storck Bicycle Gmbh | Crank arm, crankset, and power measuring device for an at least partially human powered vehicle or training device with a crank drive |
CN109816049A (zh) | 2019-02-22 | 2019-05-28 | 青岛理工大学 | 一种基于深度学习的装配监测方法、设备及可读存储介质 |
WO2019155564A1 (ja) | 2018-02-08 | 2019-08-15 | 株式会社日立製作所 | 情報提供システムおよび情報提供方法 |
CN110146213A (zh) | 2018-06-01 | 2019-08-20 | 华晨宝马汽车有限公司 | 用于检测拧紧工具的拧紧质量的方法和装置及存储介质 |
CN110210366A (zh) | 2019-07-05 | 2019-09-06 | 青岛理工大学 | 装配拧紧过程样本采集系统、深度学习网络及监测系统 |
CN110672312A (zh) | 2019-10-12 | 2020-01-10 | 北京工业大学 | 一种基于bp神经网络的预测螺栓残余夹紧力的方法 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05187942A (ja) * | 1992-01-09 | 1993-07-27 | Yokogawa Electric Corp | 振動式トランスデューサ |
JP4049989B2 (ja) * | 2000-11-30 | 2008-02-20 | トヨタ自動車株式会社 | ネジ部材用締付ソケットの摩耗判定方法および摩耗判定装置 |
US20030088321A1 (en) * | 2001-11-05 | 2003-05-08 | Creger Todd D | Method for compensating for variations in modeled parameters of machines |
US7062979B2 (en) * | 2003-03-19 | 2006-06-20 | The Boeing Company | Tool and associated methods for controllably applying torque to a fastener |
US7876216B2 (en) * | 2008-06-25 | 2011-01-25 | The Boeing Company | Object location and reporting system for harsh RF environments |
GB2552014B (en) * | 2016-07-07 | 2020-05-13 | Advanced Risc Mach Ltd | Reconfigurable artificial neural networks comprising programmable non-volatile memory elements |
US11331045B1 (en) * | 2018-01-25 | 2022-05-17 | Facebook Technologies, Llc | Systems and methods for mitigating neuromuscular signal artifacts |
CN107518896B (zh) * | 2017-07-12 | 2019-07-30 | 中国科学院计算技术研究所 | 一种肌电臂环佩戴位置预测方法和系统 |
CN107895145A (zh) * | 2017-10-31 | 2018-04-10 | 南京信息工程大学 | 基于卷积神经网络结合超高斯去噪估测手指受力的方法 |
CN109872145B (zh) * | 2019-01-29 | 2020-12-08 | 中智沃达(北京)电力科技有限公司 | 基于cnn卷积神经网络的充电场智能管理系统 |
CN110414366B (zh) * | 2019-07-04 | 2023-05-19 | 东南大学 | 一种基于动态信号的压阻阵列及压力分布匹配方法 |
CN110775057B (zh) * | 2019-08-29 | 2020-12-15 | 浙江零跑科技有限公司 | 基于车载盲区视觉场景分析控制转向扭矩的车道辅助方法 |
CN110827987B (zh) * | 2019-11-06 | 2021-03-23 | 西安交通大学 | 一种多抓取模式下腕关节力矩的肌电连续预测方法及系统 |
-
2020
- 2020-02-25 CN CN202010116661.6A patent/CN111207875B/zh active Active
- 2020-05-07 WO PCT/CN2020/088876 patent/WO2021169036A1/zh active Application Filing
- 2020-05-07 US US17/279,639 patent/US11971319B2/en active Active
- 2020-05-07 JP JP2021517409A patent/JP7261427B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140182393A1 (en) | 2012-11-16 | 2014-07-03 | Storck Bicycle Gmbh | Crank arm, crankset, and power measuring device for an at least partially human powered vehicle or training device with a crank drive |
WO2019155564A1 (ja) | 2018-02-08 | 2019-08-15 | 株式会社日立製作所 | 情報提供システムおよび情報提供方法 |
CN110146213A (zh) | 2018-06-01 | 2019-08-20 | 华晨宝马汽车有限公司 | 用于检测拧紧工具的拧紧质量的方法和装置及存储介质 |
CN109816049A (zh) | 2019-02-22 | 2019-05-28 | 青岛理工大学 | 一种基于深度学习的装配监测方法、设备及可读存储介质 |
CN110210366A (zh) | 2019-07-05 | 2019-09-06 | 青岛理工大学 | 装配拧紧过程样本采集系统、深度学习网络及监测系统 |
CN110672312A (zh) | 2019-10-12 | 2020-01-10 | 北京工业大学 | 一种基于bp神经网络的预测螺栓残余夹紧力的方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2022543935A (ja) | 2022-10-17 |
CN111207875A (zh) | 2020-05-29 |
US20220113206A1 (en) | 2022-04-14 |
CN111207875B (zh) | 2021-06-25 |
WO2021169036A1 (zh) | 2021-09-02 |
US11971319B2 (en) | 2024-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7261427B2 (ja) | 複数粒度並列化されたcnnモデルに基づく筋電信号―トルクのマッチング方法 | |
CN107714023B (zh) | 基于人工智能自学习的静态心电图分析方法和装置 | |
US11529103B2 (en) | Artificial intelligence self-learning-based automatic electrocardiography analysis method and apparatus | |
Panda et al. | Classification of EEG signal using wavelet transform and support vector machine for epileptic seizure diction | |
CN103610447B (zh) | 一种基于前额脑电信号的脑力负荷在线检测方法 | |
CN103310113B (zh) | 一种基于频带分离和数据建模的通用血糖预测方法 | |
CN110210366B (zh) | 装配拧紧过程样本采集系统、深度学习网络及监测系统 | |
CN110169374B (zh) | 一种奶牛采食行为与采食量的可穿戴监测装置及监测系统 | |
CN112806977A (zh) | 基于多尺度融合网络的生理参数测量方法 | |
CN113274011A (zh) | 融合脑电与功能近红外光谱技术的脑功能监测管理方法 | |
CN117438024A (zh) | 急诊病人体征数据的智能采集分析系统及方法 | |
WO2018149147A1 (zh) | 一种呼吸率提取方法及装置 | |
CN113598784B (zh) | 心律失常检测方法及系统 | |
WO2008035611A1 (fr) | Dispositif de traitement de données, procédé de traitement de données et programme de traitement de données | |
Wang et al. | Fatigue detection of vehicular driver through skin conductance, pulse oximetry and respiration: A random forest classifier | |
CN113100769A (zh) | 基于生理指标的无人机操作人员工作状态评估方法及系统 | |
CN118116525B (zh) | 一种基于分布式单元的药品临床试验数据处理系统 | |
CN106691410B (zh) | 一种脉搏及血红细胞浓度监测仪及方法 | |
CN106539586A (zh) | 一种呼吸率计算方法及装置 | |
Zhou et al. | A smart universal single-channel blind source separation method and applications | |
CN106510716A (zh) | 一种基于心电信号计算呼吸率的方法及装置 | |
CN117760481A (zh) | 一种采煤机截割部故障监测方法及装置 | |
CN114454213A (zh) | 基于eemd-ht-峭度分析的工业机器人关节电流信号异常检测方法 | |
CN115099332A (zh) | 一种基于混合森林的雷达数据实时处理方法及系统 | |
JP2008188092A (ja) | データ処理方法,データ処理装置及びデータ処理プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210325 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220602 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220603 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220824 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220831 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221028 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230105 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230125 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230309 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230331 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7261427 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |