MindRove Classic 8-channel EMG Armband to bezprzewodowa opaska EMG do rejestrowania aktywności mięśni i sterowania gestami w czasie rzeczywistym. Urządzenie oferuje 8 kanałów EMG, suche elektrody ze stali nierdzewnej, wbudowany 6-osiowy czujnik ruchu IMU oraz dostęp do surowych danych przez SDK. To rozwiązanie przeznaczone dla laboratoriów badawczych, uczelni, zespołów R&D, twórców interfejsów człowiek–maszyna, robotyki, prototypowania oraz projektów związanych z analizą ruchu i sterowaniem gestami.
Zapytaj o cenę i dostępność na info(@)pronetkrakow.com.pl
MindRove Classic 8-channel EMG Armband to sprawdzona platforma do akwizycji sygnałów elektromiograficznych EMG, zaprojektowana z myślą o badaniach, prototypowaniu i rozwoju aplikacji wykorzystujących aktywność mięśni. Opaska umożliwia bezprzewodowe rejestrowanie sygnałów EMG z przedramienia lub ramienia, a także analizę ruchu dzięki wbudowanemu 6-osiowemu czujnikowi IMU, obejmującemu 3-osiowy żyroskop oraz 3-osiowy akcelerometr.
Urządzenie wyposażono w 8 kanałów EMG oraz dodatkowe elektrody referencyjne i DRL. Suche elektrody ze stali nierdzewnej pozwalają na wygodną pracę bez konieczności stosowania żelu przewodzącego, co ułatwia szybkie przygotowanie stanowiska badawczego lub demonstracyjnego. Regulowana konstrukcja pasuje na obwód ramienia lub przedramienia w zakresie 21–35 cm.
MindRove Classic przesyła dane bezprzewodowo do komputera przez WiFi Direct, umożliwiając podgląd, zapis i analizę sygnałów w czasie rzeczywistym. Surowe dane EMG i IMU są dostępne dla użytkownika, co pozwala integrować urządzenie z własnymi aplikacjami, algorytmami rozpoznawania gestów, systemami robotycznymi, środowiskami badawczymi oraz narzędziami do przetwarzania sygnałów.
Dzięki wsparciu SDK dla Windows, macOS i Linux oraz obsłudze języków C++, C#, Python i MATLAB, opaska może być wykorzystywana zarówno w zastosowaniach akademickich, jak i w projektach komercyjnych R&D. MindRove udostępnia również oprogramowanie MindRove Connect do wizualizacji i rejestrowania danych oraz integrację Real-time I/O przez Lab Streaming Layer.
Najważniejsze cechy
8-kanałowa akwizycja sygnału EMG
Suche elektrody ze stali nierdzewnej
Dodatkowe elektrody referencyjne i DRL
Możliwość pracy na przedramieniu lub ramieniu
Dostęp do surowych danych EMG
Wbudowany 6-osiowy czujnik IMU: żyroskop + akcelerometr
Dostęp do surowych danych IMU
Bezprzewodowa transmisja danych przez WiFi Direct
Praca w czasie rzeczywistym
SDK dla Windows, macOS i Linux
Obsługiwane języki: C++, C#, Python, MATLAB
Możliwość zapisu danych do CSV w oprogramowaniu MindRove Connect
Integracja przez Lab Streaming Layer
Regulowany rozmiar: 21–35 cm
Czas pracy na baterii: około 4–6 godzin
Zastosowania
badania EMG i analiza aktywności mięśni
rozpoznawanie gestów dłoni i przedramienia
interfejsy człowiek–maszyna HMI
sterowanie robotami i urządzeniami zewnętrznymi
prototypowanie systemów sterowania gestami
projekty akademickie i laboratoryjne
neurotechnologia i biofeedback badawczy
analiza ruchu
uczenie maszynowe na danych EMG
systemy dostępności i alternatywne metody sterowania
Specyfikacja
Produkt: MindRove Classic 8-channel EMG Armband
Typ urządzenia: Bezprzewodowa opaska EMG
Zastosowanie: Rejestracja aktywności mięśni, sterowanie gestami, badania i rozwój
Liczba kanałów EMG: 8
Elektrody EMG; 8 + 2
Typ elektrod: Suche elektrody
Materiał elektrod: Stal nierdzewna
Rozmieszczenie elektrod; Równomiernie rozmieszczone
Miejsce użycia: Przedramię lub ramię
Zakres dopasowania: 21–35 cm
Częstotliwość próbkowania EMG: 500 Hz / 500 SPS
Rozdzielczość EMG: 24 bit
Pasmo EMG: 0–250 Hz
Dostęp do danych surowych EMG: Tak
Czujnik ruchu: IMU 6-axis
IMU: 3-osiowy żyroskop + 3-osiowy akcelerometr
Zakres żyroskopu: ±500 dps
Zakres akcelerometru: ±2 g
Częstotliwość próbkowania IMU: 50 Hz
Dostęp do danych surowych IMU: Tak
Łączność: WiFi Direct, urządzenie–komputer
Zasilanie: Akumulator LiPo
Czas pracy: 4–6 godzin
Port ładowania: microUSB
Masa: 100 g
Oprogramowanie: MindRove Connect
Funkcje oprogramowania: Wizualizacja na żywo, zapis danych, filtry, eksport CSV
SDK: Tak
Platformy SDK: Windows, macOS, Linux
Języki SDK: C++, C#, Python, MATLAB
Real-time I/O: Lab Streaming Layer
Marka: MindRove
MPN: MR-ARB-8-V04
Informacja regulacyjna / zastosowanie
Produkt jest przeznaczony do zastosowań badawczych, edukacyjnych, laboratoryjnych, rozwojowych i prototypowych. Nie jest wyrobem medycznym i nie jest przeznaczony do diagnozowania, leczenia, monitorowania, zapobiegania ani terapii chorób.
MindRove EMG Armband, 8-kanałowa opaska EMG, opaska na przedramię EMG, wearable EMG, urządzenie do pomiaru sygnałów mięśniowych, EMG do badań naukowych, podwójny sensor ruchu, opaska EMG 8 kanałów na przedramię, EMG z suchymi elektrodami do badań, wearable do wykrywania ruchu ramienia, opaska EMG z 6-osiowym IMU, transmisja danych w czasie rzeczywistym WiFi, EMG do sterowania gestami i badania mięśni, SDK dla EMG – C++, Python, MATLAB, wizualizacja danych EMG na Windows, 6-axis motion sensor, 3-axis gyroscope + 3-axis accelerometer, 500 Hz EMG sampling rate, 24-bit resolution EMG, Lab Streaming Layer (LSL), EMG raw data, SDK for Windows, MacOS, Linux, badania mięśni i sygnałów EMG, monitoring ruchu ramienia, inżynieria biomedyczna wearable, analityka ruchu i rehabilitacja, biomechanika przedramienia,
EMG armband, wearable sensor, gesture recognition EMG, motion tracking wearable, forearm muscle monitoring, EMG + IMU sensor, real-time EMG data
MindRove EMG Armband, 8-channel EMG armband, EMG forearm armband, wearable EMG, muscle signal measurement device, EMG for scientific research, dual motion sensor, 8-channel EMG armband for forearm, EMG with dry electrodes for research, wearable for detecting arm movement, EMG armband with 6-axis IMU, real-time WiFi data transmission, EMG for gesture control and muscle testing, SDK for EMG – C++, Python, MATLAB, EMG data visualization on Windows, 6-axis motion sensor, 3-axis gyroscope + 3-axis accelerometer, 500 Hz EMG sampling rate, 24-bit EMG resolution, Lab Streaming Layer (LSL), EMG raw data, SDK for Windows, MacOS, Linux, muscle and EMG signal research, arm movement monitoring, wearable biomedical engineering, movement analytics and rehabilitation, forearm biomechanics