基于改进Transformer模型的电工手部动作识别与分类方法
魏欣然1
何昕怡1
杨秀秀1
谭寒钟1
朱黎2
谭建军3
1.湖北民族大学 智能科学与工程学院,湖北 恩施 4450002.湖北民族大学 智能科学与工程学院,湖北 恩施 445000;湖北民族大学 硒食品营养与健康智能技术湖北省工程研究中心,湖北 恩施 4450003.湖北恩施学院 智能工程学院,湖北 恩施 445000
摘要：为填补当前穿戴式设备动作识别技术在电工领域应用的空白,提出了基于改进变换器(Transformer)模型的电工手部动作识别和分类方法.首先,通过多传感器数据融合对电工手部动作进行识别和分类,使用弯曲传感器和表面肌电图(surface electromyography,sEMG)电极片采集手指弯曲度和肌电信号,并通过自制系统获取手部运动姿态数据.然后,为应对数据干扰和不稳定性,采用低通滤波器和时间扭曲技术进行预处理.最后,将捕捉全局特征的多头注意力(multi-head attention,MHA)机制和增强局部特征的单头注意力(single-head attention,SHA)机制相结合,解决MHA特征深度不足的问题,提升了动作识别的准确性.结果表明,改进Transformer模型的识别准确率比经典Transformer模型上升了 5.21 个百分点,能够有效采集并识别常见的电工手部动作.该研究能够为虚拟现实环境中的电工培训提供技术支持,并提高培训效率和作业安全性.
关键词：动作分类手指弯曲度表面肌电图变换器电工操作虚拟现实数据融合
分类号：TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(61961017)中央引导地方科技发展资金项目(2022BGE235)湖北民族大学硒食品营养与健康智能技术湖北省工程研究中心开放课题项目(PT082302)
论文发表日期：2025-06-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 253-258 )
英文信息