本申请公开了一种智能假肢的训练方法，包括：获取用户的正常肢体在预设时长内的运动轨迹数据，并采集所述正常肢体对应的残疾肢体在所述预设时长内与所述正常肢体做镜像运动时产生的肌电信号；将所述运动轨迹数据做镜像翻转处理；将所述肌电信号与处理后的所述运动轨迹数据关联，生成训练样本；将多个所述训练样本输入到智能假肢的学习模型中进行训练，直至所述智能假肢的学习模型训练完成。本申请还公开了一种训练装置、电子设备以及计算机可读存储介质。本申请旨在生成准确率高的智能假肢的学习模型，以提高智能假肢与用户的适配度。以提高智能假肢与用户的适配度。以提高智能假肢与用户的适配度。
【技术实现步骤摘要】
智能假肢的训练方法、装置、电子设备、智能假肢及介质
[0001]本申请涉及人工智能
，尤其涉及一种智能假肢的训练方法、训练装置、电子设备、智能假肢以及计算机可读存储介质。
技术介绍
[0002]相比于活动性有限的传统假肢，智能假肢能够接收人体大脑经由肢残肌肉传来的肌电信号，经安装在假肢臂筒内的传感器和机械系统处理产生相应的动作，这样不仅使得用户能通过智能假肢作出更丰富多样、更精细的动作，也能方便用户灵活地控制假肢活动。
[0003]由于智能假肢需要预先训练和学习用户的肢体动作，得到相应的学习模型，才能在训练完成的学习模型的基础上投入使用，但用户往往又正是因为缺失了相应的部分肢体，才需要使用到智能假肢，那么如何让智能假肢能学习到用户的肢体动作就成了智能假肢应用中的一个重要课题。
[0004]目前，对于手部残疾的智能假肢用户，一般是利用他人的正常肢体，来替代残疾用户训练相应的智能假肢，然后再将训练完成的智能假肢供残疾用户使用。但由于不同人之间身体的差异性，因此即便找到与残疾用户身体条件差不多的正常人来训练智能假肢，所得到的智能假肢依然可能难以与残疾用户准确适配。
[0005]上述内容仅用于辅助理解本申请的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
[0006]本申请的主要目的在于提供一种智能假肢的训练方法、训练装置、电子设备、智能假肢以及计算机可读存储介质，旨在生成准确率高的智能假肢的学习模型，以提高智能假肢与用户的适配度。
[0007]为实现上述目的，本申请提供一种智能假肢的训练方法，包括以下步骤：获取用户的正常肢体在预设时长内的运动轨迹数据，并采集所述正常肢体对应的残疾肢体在所述预设时长内与所述正常肢体做镜像运动时产生的肌电信号；将所述运动轨迹数据做镜像翻转处理；将所述肌电信号与处理后的所述运动轨迹数据进行关联，生成训练样本；将多个所述训练样本输入到智能假肢的学习模型中进行训练。
[0008]可选的，所述获取用户的正常肢体在预设时长内的运动轨迹数据的步骤包括：基于动作追踪装置获取用户的正常肢体在预设时长内的运动轨迹数据；或者，基于摄像头获取用户的正常肢体在预设时长内的运动轨迹数据。
[0009]可选的，所述正常肢体为正常手部，所述残疾肢体为残疾手部；所述将所述肌电信号与处理后的所述运动轨迹数据进行关联，生成训练样本的步骤之前，还包括：在获取所述运动轨迹数据时，获取所述正常肢体的手指张力数据；所述将所述肌电信号与处理后的所述运动轨迹数据进行关联，生成训练样本的步
骤包括：将所述肌电信号与处理后的所述运动轨迹数据进行关联，以及将所述肌电信号与所述正常肢体的手指张力数据进行关联，生成训练样本。
[0010]可选的，所述将多个所述训练样本输入到智能假肢的学习模型中进行训练的步骤之前，还包括：获取多个基础训练样本，其中，所述基础训练样本包括人体肢体在所述预设时长内的运动轨迹数据，以及所述运动轨迹数据关联的肌电信号；根据多个所述基础训练样本生成所述智能假肢的学习模型。
[0011]可选的，所述基础训练样本在训练所述学习模型时分配的权重为第一权重，所述训练样本在训练所述学习模型时分配的权重为第二权重，所述第二权重大于所述第一权重。
[0012]可选的，所述将多个所述训练样本输入到智能假肢的学习模型中进行训练的步骤之后，还包括：将训练完成的所述学习模型加载到所述智能假肢中。
[0013]为实现上述目的，本申请还提供一种训练装置，包括：采集模块，用于获取用户的正常肢体在预设时长内的运动轨迹数据，并采集所述正常肢体对应的残疾肢体在所述预设时长内与所述正常肢体做镜像运动时产生的肌电信号；处理模块，用于将所述运动轨迹数据做镜像翻转处理；生成模块，用于将所述肌电信号与处理后的所述运动轨迹数据进行关联，生成训练样本；训练模块，用于将多个所述训练样本输入到智能假肢的学习模型中进行训练。
[0014]可选的，所述采集模块包括第一采集模块或第二采集模块；其中，所述第一采集模块，用于基于动作追踪装置获取用户的正常肢体在预设时长内的运动轨迹数据；所述第二采集模块，用于基于摄像头获取用户的正常肢体在预设时长内的运动轨迹数据。
[0015]为实现上述目的，本申请还提供一种电子设备，所述电子设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的智能假肢的训练程序，所述智能假肢的训练程序被所述处理器执行时实现如上述智能假肢的训练方法的步骤。
[0016]为实现上述目的，本申请还提供一种智能假肢，所述智能假肢包括如上述所述的电子设备。
[0017]为实现上述目的，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有智能假肢的训练程序，所述智能假肢的训练程序被处理器执行时实现如上述智能假肢的训练方法的步骤。
[0018]本申请提供的智能假肢的训练方法、训练装置、电子设备、智能假肢以及计算机可读存储介质，通过利用用户本人的正常肢体替代残疾肢体做镜像运动，并将用户残疾肢体的肌电信号与之相关联，来共同训练智能假肢的学习模型，这样训练得到的学习模型会与用户的身体条件更适配，准确率更高，在后续利用学习模型控制智能假肢时，也就能提高智
能假肢与用户的适配度。
附图说明
[0019]图1为本申请一实施例中智能假肢的训练方法步骤示意图；图2为本申请另一实施例中智能假肢的训练方法步骤示意图；图3为本申请一实施例的训练装置示意框图；图4为本申请一实施例的电子设备的内部结构示意框图。
[0020]本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0021]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制，基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0022]参照图1，在一实施例中，所述智能假肢的训练方法包括：步骤S10、获取用户的正常肢体在预设时长内的运动轨迹数据，并采集所述正常肢体对应的残疾肢体在所述预设时长内与所述正常肢体做镜像运动时产生的肌电信号；步骤S20、将所述运动轨迹数据做镜像翻转处理；步骤S30、将所述肌电信号与处理后的所述运动轨迹数据进行关联，生成训练样本；步骤S40、将多个所述训练样本输入到智能假肢的学习模型中进行训练。
[0023]本实施例中，实施例终端可以是电子设备（如计算机、服务器等），也可以是训练装置、智能假肢等。
[0024]如步骤S10所述，终端基于人工智能技术预先构建有智能假肢的学习模型，其中，所述学习模型可以是神经网络模型。可选的，所述神经网络模型可以是Seq2Seq模型。
[0025]需要说明的是，所述智能假肢可以是智能假手（如智能仿生手、本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种智能假肢的训练方法，其特征在于，包括：获取用户的正常肢体在预设时长内的运动轨迹数据，并采集所述正常肢体对应的残疾肢体在所述预设时长内与所述正常肢体做镜像运动时产生的肌电信号；将所述运动轨迹数据做镜像翻转处理；将所述肌电信号与处理后的所述运动轨迹数据进行关联，生成训练样本；将多个所述训练样本输入到智能假肢的学习模型中进行训练。2.根据权利要求1所述的智能假肢的训练方法，其特征在于，所述获取用户的正常肢体在预设时长内的运动轨迹数据的步骤包括：基于动作追踪装置获取用户的正常肢体在预设时长内的运动轨迹数据；或者，基于摄像头获取用户的正常肢体在预设时长内的运动轨迹数据。3.根据权利要求1或2所述的智能假肢的训练方法，其特征在于，所述正常肢体为正常手部，所述残疾肢体为残疾手部；所述将所述肌电信号与处理后的所述运动轨迹数据进行关联，生成训练样本的步骤之前，还包括：在获取所述运动轨迹数据时，获取所述正常肢体的手指张力数据；所述将所述肌电信号与处理后的所述运动轨迹数据进行关联，生成训练样本的步骤包括：将所述肌电信号与处理后的所述运动轨迹数据进行关联，以及将所述肌电信号与所述正常肢体的手指张力数据进行关联，生成训练样本。4.根据权利要求1或2所述的智能假肢的训练方法，其特征在于，所述将多个所述训练样本输入到智能假肢的学习模型中进行训练的步骤之前，还包括：获取多个基础训练样本，其中，所述基础训练样本包括人体肢体在所述预设时长内的运动轨迹数据，以及所述运动轨迹数据关联的肌电信号；根据多个所述基础训练样本生成所述智能假肢的学习模型。5.根据权利要求4所述的智能假肢的训练方法，其特征在于，所述基础训练样本在训练所述学习模型时分配...
【专利技术属性】
技术研发人员：韩璧丞，阿迪斯，王俊霖，张之，
申请(专利权)人：深圳市心流科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。