Abstrak
Sementara drone semi-otonom semakin banyak digunakan untuk inspeksi infrastruktur jalan, kemampuannya yang tidak memadai untuk menangani skenario kompleks secara independen di luar perencanaan pekerjaan awal menghambat potensi penuhnya. Untuk mengatasi hal ini, makalah ini mengusulkan pendekatan inspeksi kolaboratif manusia-drone yang memanfaatkan elektromiografi permukaan fleksibel (sEMG) untuk menyampaikan panduan ucapan inspektur ke drone cerdas. Secara khusus, makalah ini menyumbangkan set data baru, s EMG Commands for Piloting Drones ( sCPD ), dan s EMG-based Cross -subject Classification Net work (sXCNet), untuk pengenalan kata kunci perintah dan identifikasi inspektur. sXCNet memperoleh fungsi dan kinerja yang diinginkan melalui upaya sinergis pemrosesan sinyal sEMG, ekstraksi fitur mendalam frekuensi spasial-temporal, dan pembelajaran representasi lintas subjek yang mendukung multitugas. Desain lintas subjek memungkinkan penerapan satu model terpadu di semua inspektur yang berwenang, sehingga menghilangkan kebutuhan akan model yang bergantung pada subjek yang disesuaikan dengan pengguna individu. sXCNet mencapai akurasi klasifikasi penting sebesar 98,1% pada set data sCPD dan 86,1% pada set data publik Ninapro db1, yang menunjukkan potensi yang kuat untuk memajukan kolaborasi manusia–drone berbasis sEMG dalam inspeksi infrastruktur jalan.
Model pembelajaran mendalam berbasis elektromiografi permukaan untuk memandu drone semi-otonom dalam inspeksi infrastruktur jalan
