Visualização do documento
Título
Desenvolvimento de protótipo de baixo custo controlado por algoritmo inteligente para classificação do exercício físico
Orientador
Guanis de Barros Vilela Junior
Autor
Bráulio Nascimento Lima
Palavra chave
Prototipagem. Inteligência artificial (IA). Exercício físico. Classificação.
Grupo CNPQ
Programa
DR - CIÊNCIAS DO MOVIMENTO HUMANO
Área
CIÊNCIAS DA SAÚDE
Data da defesa
18/11/2022
Nº Downloads
185
Resumo
Introdução: Nos dias atuais, a ciência tem utilizado as novas tecnologias para supera os limites biológicos e obter dados mais robustos, tornando fundamental para um novo perfil de pesquisador o domínio da linguagem de programação e técnicas de prototipagem. No presente momento, não existem perspectivas de desaceleração para o desenvolvimento de novas tecnologias e suas novas aplicações, influenciando também no desenvolvimento de estudos nas Ciências do Movimento Humano. Inteligência artificial (IA) é a ciência e a engenharia de fazer máquinas inteligentes. A prototipagem é o processo de transferência do conceitual para uma simulação real. Objetivo: Desenvolver hardware e algoritmo inteligente, capazes de gerarem dados, através de prototipagem baseada em tecnologia Arduino de baixo custo, para ser processados através de algoritmo inteligente baseado em K-NN (K-Nearest Neighbors) para classificação de exercício físico. Métodos: No presente trabalho foi desenvolvido um protótipo de coleta de dados através de acelerômetro e giroscópio, baseado em tecnologia Arduino, posicionado na região posterior da cintura; foi desenvolvido um algoritmo inteligente em linguagem de programação PythonTM no Software Visual Studio Code® baseado em K-NN para classificar exercício físico; o protocolo experimental se baseou em 16 indivíduos jovens, sem necessidades de adaptação e conhecedores das quatro exercícios físicos a serem executadas em três séries de três repetições; primeiros frames de cada repetição de exercício físico foram separados manualmente no Microsoft Excel® para serem processados pelo algoritmo inteligente. Resultados: O algoritmo foi capaz de alcançar uma média macro de precisão próximo de 85%, de sensibilidade próximo de 78%, de F1-Score próximo de 79%, de Índice Fowlkes-Mallows (FMI) próximo de 80% e especificidade próximo de 93%. A acurácia apresentada pelo modelo foi de 80,08%. Considerações Finais: O hardware e o algoritmo inteligente desenvolvidos apresentaram métricas que corroboram a hipótese experimental, com métricas consideradas robustas. O presente trabalho sugere ser necessário a continuação do estudo com mais pesquisas que continuem sendo desenvolvidas para atualizar o protótipo e o algoritmo inteligente através da implementação de novas tecnologias que venham a surgir no futuro próximo. Isso, provavelmente, possibilitará uma mudança de paradigma nas ciências do movimento humano (educação física, fisioterapia, ortopedia) com análises, intervenções e diagnósticos mais precisos e confiáveis na classificação de diferentes movimentos locomotores.
Abstract
Introduction: Nowadays, science has used new technologies to overcome biological limits and obtain more robust data, making mastering programming language and prototyping techniques essential for a new researcher profile. At the present time, there are no prospects of slowing down the development of new technologies and their new applications, also influencing the development of studies in the Human Movement Sciences. Artificial intelligence (AI) is the science and engineering of making intelligent machines. Prototyping is the process of transferring the conceptual to a real simulation. Objective: To develop intelligent hardware and algorithm, capable of generating data, through prototyping based on low-cost Arduino technology, to be processed through an intelligent algorithm based on K-NN (K-Nearest Neighbors) for activity/physical exercise classification. Methods: In the present work, a data collection prototype was developed through an accelerometer and gyroscope, based on Arduino technology, positioned in the posterior region of the waist; an intelligent algorithm was developed in PythonTM programming language in Visual Studio Code® Software based on K-NN to classify physical activity/exercise; the experimental protocol was based on 16 young individuals, with no need for adaptation and knowledgeable of the four physical activities/exercises to be performed in three sets of three repetitions; first frames of each activity/exercise repetition were manually separated in Microsoft Excel® to be processed by the intelligent algorithm. Results: The algorithm was able to reach a macro avg precision close to 85%, a recall close to 78%, F1-Score close to 79%, Fowlkes-Mallows Index (FMI) close to 80% and specificity close to 93%. The accuracy presented by the model was 80.08%. Final Considerations: The developed hardware and intelligent algorithm presented metrics that corroborate the experimental hypothesis, with metrics considered robust. The present work suggests that it is necessary to continue the study with more research that continues to be developed to update the prototype and the intelligent algorithm through the implementation of new technologies that may arise soon. This will probably enable a paradigm shift in human movement sciences (physical education, physiotherapy, orthopedics) with more accurate and reliable analyzes, interventions and diagnoses in the classification of different locomotor movements.
