RESUMO
Introdução:
A tecnologia de reconhecimento esportivo amadurece gradualmente, entre as quais, os sensores atraíram grande atenção devido ao seu reconhecimento preciso.
Objetivo:
Os seguintes agachamentos são usados como exemplo para ver se os sinais CNN e EMG determinam se o movimento funcional é padrão.
Métodos:
Com base no EMG FMS, 80 alunos da mesma série da XX Escola Universitária de Educação Física são selecionados aleatoriamente para o experimento e os resultados são verificados.
Resultados:
Os resultados mostram que o GBC pode classificar o sinal EMG dos três movimentos funcionais com maior precisão, e a taxa de precisão da classificação do agachamento, estocada e agachamento estocada reta é de 91%, 89% e 90%, respectivamente. A árvore de decisão tem uma boa capacidade de julgar se o movimento funcional é padrão ou não, e a precisão de julgamento pode chegar a mais de 98%. Em conclusão, a EMG baseada em EMG pode detectar efetivamente lesões esportivas precoces e desempenha um bom papel na redução de lesões esportivas.
Conclusões:
O efeito de classificação do agachamento é o mais evidente, chega a 91%, e sua capacidade de reconhecimento é a mais forte. Nível de evidência II; Estudos terapêuticos- investigação dos resultados do tratamento.
Descritores:
Movimento funcional; Imagens biológicas; Exercício físico; Ferimentos e lesões