[发明专利]一种多类别脑电数据识别的人工智能方法

摘要

本发明公开了一种多类别脑电数据识别的人工智能方法，属于脑电数据技术领域。通过低成本下的脑电图数据采集设备收集用户的脑电数据，并将其保存在嵌入式设备TX2中。提出定制化设计，通过注意机制增强堆栈LSTM的信号解释，捕获多个特征并实现对个体EEG信号的准确识别。开发一个低成本，实时和端到端的BCI系统，可以在嵌入式机器人平台中运行设计的DeepBrain模型和算法，根据用户的脑电图执行多种类型的家庭任务信号输入。本发明的有益效果为：解决时序数据间的时间相关性问题，同时提出了一种编码方法来实现多类别脑电数据识别，进而将其应用到多类场景，成本较低；本发明能有效提高识别率达97.5％。

主权项

1.一种多类别脑电数据识别的人工智能方法，包括具有蓝牙功能的EEG头戴设备、嵌入式设备TX2、机器人载体，其特征在于，包括以下步骤：步骤1，数据收集；EEG头戴设备通过蓝牙模块给嵌入式设备TX2发送传输数据的命令，然后等待嵌入式设备TX2确认接收的回复消息，成功接收后，EEG头戴设备收集到的脑电数据将会显示在嵌入式设备TX2的远程终端上，并且内置程序会对保存在嵌入式设备TX2的脑电数据进行侦听，然后将嵌入式设备TX2中未处理的、新收集到的脑电数据进行预处理后，传入到事先训练好的DeepBrain模型中，该模型可以对用户的意图进行实时识别，最终将识别结果保存在嵌入式设备TX2中；步骤2，反馈；嵌入式设备TX2与机器人载体之间通过socket编程或者串口通信的连接方式来将分类的结果实时反馈给机器人载体；步骤3，人机交互；嵌入式设备TX2与机器人载体之间采用客户端服务器模式进行交互，由嵌入式设备TX2发送动作指令到机器人载体，机器人载体接收指令后完成相应的动作。