Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/26021
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2020_ItaloRodrigoMoreiraBorges_tcc.pdf34,45 MBAdobe PDFver/abrir
Registro completo
Campo Dublin CoreValorLíngua
dc.contributor.advisorRosa, Suélia de Siqueira Rodrigues Fleury-
dc.contributor.authorBorges, Ítalo Rodrigo Moreira-
dc.identifier.citationBORGES, Ítalo Rodrigo Moreira. Luva inteligente para traduzir libras em língua portuguesa usando método de inteligência artificial. 2020. 163 f. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Eletrônica)—Universidade de Brasília, Brasília, 2020.pt_BR
dc.descriptionTrabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Faculdade UnB Gama, 2020.pt_BR
dc.description.abstractO grupo de deficientes auditivos representam 5,10% da população brasileira e ocupa o terceiro lugar em tipos de deficiências. O presente trabalho visa a construção de uma luva que permite traduzir sinais de LIBRAS em sinais de áudio em língua portuguesa. Para projetar e implementar essa luva utilizou-se: o método matemático conhecido como redes neurais artificiais multicamada perceptron com retropropagação, um MPU-6050 como sensor inercial, um micro SD card para armazenar os pesos da rede neural utilizada, um módulo MP3 para processar o sinal de áudio, um auto falante como saída sonora e confeccionou-se sensores flexíveis resistivos para adquirir e identificar o sinal de LIBRAS. Com o intuito de verificar a qualidade do sensor flexível resistivo, recorreu-se ao método de caracterização e para averiguar o bom funcionamento do sensor MPU-6050 usou-se o software processing 3D que auxiliou na calibração do sensor. Desta maneira, verificou-se os indicadores de qualidade da rede neural artificial com a matriz de confusão que analisa a relação de dados na previsão ideal (dados de sinais em LIBRAS extraídos do dataset) com os dados previstos (sinais de LIBRAS classificado pelo sistema implementado) e utilizou-se a acurácia e a função erro mean square error como indicadores de qualidade do treino que resultaram respectivamente em 99,97% e 0,0021 . Em vista desses testes, identificou-se quais componentes, materiais e combinações que seriam mais apropriadas para o sistema. Os indicadores auxiliaram na escolha da arquitetura da rede neural artificial que possibilitou a implementação de uma solução tecnológica que beneficiará a comunidade de deficientes auditivos.pt_BR
dc.rightsAcesso Abertopt_BR
dc.subject.keywordLíngua brasileira de sinaispt_BR
dc.subject.keywordInteligência artificialpt_BR
dc.subject.keywordRedes neurais (Computação)pt_BR
dc.titleLuva inteligente para traduzir libras em língua portuguesa usando método de inteligência artificialpt_BR
dc.typeTrabalho de Conclusão de Curso - Graduação - Bachareladopt_BR
dc.date.accessioned2020-11-25T21:23:32Z-
dc.date.available2020-11-25T21:23:32Z-
dc.date.submitted2020-06-27-
dc.identifier.urihttps://bdm.unb.br/handle/10483/26021-
dc.language.isoPortuguêspt_BR
dc.rights.licenseA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.pt_BR
dc.contributor.advisorcoCampos, Ronei Delfino da Fonseca-
dc.description.abstract1The hearing impaired group represents 5.10% of the Brazilian population and ranks third in types of disabilities. The present work aims at the construction of a glove that allows translating LIBRAS signals into audio signals in Portuguese. To design and implement this used glove: Mathematical method known as artificial neural networks multilayer perceptron backpropagation, MPU-6050 as inertial sensor, micro SD card for weight storage, MP3 module for audio signal control , speaker as a sound output and flexible resistive sensors to obtain and identify or signal LIBRAS. In order to verify the quality of the sensor, the flexible resistor used the method of characterization and good functioning of the sensor MPU-6050 used by the software processing 3D that helped in the calibration of the sensor. In this way, the quality indicators of the artificial neural network were verified with a confusion matrix that analyzes a relationship of data in the ideal forecast (LIBRAS sign data extracted from the dataset) with the data provided (LIBRAS signs classified by the implemented system) and accuracy and the mean square error function were used as indicators of training quality, which resulted in 99.97% and 0.0021, respectively. In view of these tests, it was identified which components, materials and combinations would be most appropriate for the system. In view of these tests, it was identified which components, materials and combinations are most appropriate for the system. The auxiliary indicators for choosing the artificial neural network architecture allow the implementation of a technological solution that benefits a community of hearing impaired people.pt_BR
Aparece na Coleção:Engenharia Eletrônica



Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.