Dokunsal sensör sinyalleri ile yüzey dokularının sınıflandırılması

Dokunsal algılama, robotik ve protez teknolojilerinde çevresel etkileşimleri hassas bir şekilde yönetmek için kritik bir rol oynar. Bu alandaki önemli araştırma konularından biri yüzey tanımlamadır. Yüzeylerin doku özelliklerini anlamak amacıyla insan doku tanıma sistemleri yapay parmak yapıları kullanılarak modellenir. Bu modellemede, yüzeylere içsel ölçüm birimleri yerleştirilir ve bu birimler yüzeyde titreşim oluşturarak çeşitli elektriksel sinyaller toplar. Toplanan sinyaller, örüntü tanıma teknikleri ile analiz edilip sınıflandırılır. Bu tezde, yüzey tanımlama için iki farklı veri seti kullanılmıştır. İlk veri setinde, Eğimden Arındırılmış Dalgalılık Analizi (EADA) ve Destek Vektör Makineleri (DVM) yöntemleri uygulanmıştır. EADA, verileri belirli bir eğimden arındırarak yüzeylerin daha doğru analiz edilmesini sağlar. DVM ise bu verilerin yüksek doğrulukla sınıflandırılmasını sağlar ve %99.16 oranında bir sınıflama doğruluğu elde edilmiştir. İkinci veri setinde, yapay parmak yapısına entegre edilen Alan Programlanabilir Kapı Dizileri (APKD) kullanılarak öznitelik çıkarımı yapılmış ve bu öznitelikler Uzun Kısa Zamanlı Bellek (UKZB) algoritması ile sınıflandırılmıştır. UKZB, zaman serisi verilerini etkili bir şekilde işleyerek dokunsal verilerin dinamik özelliklerini öğrenir ve %96.87 doğruluk oranı sağlar. Bu çalışmalar, dokunsal algılamanın robotik ve protez teknolojilerindeki potansiyelini artırırken, yüzey tanımlama ve analiz yöntemlerinin geliştirilmesine önemli katkılarda bulunmaktadır. Yapay parmak yapıları ve APKD tabanlı öznitelik çıkarımı gibi yenilikçi yöntemler, bu alandaki araştırmaların doğruluk ve verimlilik seviyelerini yükseltmeye yönelik önemli adımlar sunmaktadır.