OpenBCI Cyton veya NeuroSky MindWave gibi EEG sensörleriyle çalışabilen, beyin dalgalarını analiz ederek protezi kontrol etmeye yönelik geliştirilmiş bir Python kodu bulunuyor.

Bu kod:
✅ EEG cihazından beyin dalgalarını okur (farklı frekans bantları: Alpha, Beta, Theta, Delta).
✅ Odaklanma veya hareket komutlarını algılar.
✅ Arduino veya ESP32’ye seri haberleşme ile komut gönderir.
✅ Protezin diz ve ayak bileği hareketlerini kontrol eder.

---

🔹 Gelişmiş BCI Destekli Protez Kontrol Kodu

pythonKopyalaDüzenleimport numpy as np
import serial
import time
from brainflow.board_shim import BoardShim, BrainFlowInputParams, BoardIds
from brainflow.data_filter import DataFilter, FilterTypes, AggOperations

# **1. BEYİN DALGALARINI ALGILAMA & BAĞLANTI AYARLARI**
params = BrainFlowInputParams()
params.serial_port = "COM3"  # OpenBCI için doğru seri portu kullanın
board = BoardShim(BoardIds.CYTON_BOARD.value, params)
board.prepare_session()
board.start_stream()
time.sleep(2)

# Arduino bağlantısı
arduino = serial.Serial('COM5', 115200)  # Arduino veya ESP32'nin bağlı olduğu port

# **2. BEYİN DALGALARININ FİLTRELENMESİ & ANALİZİ**
def get_eeg_data():
    data = board.get_board_data()  # EEG verisini al
    eeg_channels = BoardShim.get_eeg_channels(BoardIds.CYTON_BOARD.value)
    
    alpha_waves, beta_waves = [], []
    for ch in eeg_channels:
        DataFilter.detrend(data[ch], 3)  # DC bileşeni kaldır
        DataFilter.perform_bandpass(data[ch], 250, 8.0, 12.0, 4, FilterTypes.BUTTERWORTH.value, 0)  # Alpha (8-12 Hz)
        DataFilter.perform_bandpass(data[ch], 250, 12.0, 30.0, 4, FilterTypes.BUTTERWORTH.value, 0)  # Beta (12-30 Hz)

        alpha_waves.append(np.mean(data[ch]))
        beta_waves.append(np.mean(data[ch]))

    return np.mean(alpha_waves), np.mean(beta_waves)

# **3. PROTEZİN KONTROL EDİLMESİ**
def control_prosthetic():
    while True:
        alpha, beta = get_eeg_data()

        if beta > 20:  # Beta dalgaları yüksekse hareket komutu algıla
            print("Yürüme Komutu Gönderiliyor!")
            arduino.write(b'1')  # Arduino'ya yürüyüş başlat komutu gönder
        elif alpha > 15:  # Alpha yüksekse dur komutu
            print("Protez Durduruluyor!")
            arduino.write(b'0')  # Arduino'ya dur komutu gönder
        else:
            print("Beyin dalgaları analizi devam ediyor...")

        time.sleep(0.5)

# **4. ÇALIŞTIRMA**
try:
    control_prosthetic()
except KeyboardInterrupt:
    board.stop_stream()
    board.release_session()
    arduino.close()
    print("Bağlantılar kapatıldı!")

---

🔹 Arduino Kodu (Protez Hareketini Kontrol Eden Kısım)

cppKopyalaDüzenle#include <Servo.h>

Servo kneeServo;  // Diz eklemi için servo motor
Servo ankleServo; // Ayak bileği için servo motor

void setup() {
  Serial.begin(115200);
  kneeServo.attach(9);
  ankleServo.attach(10);
}

void loop() {
  if (Serial.available()) {
    char command = Serial.read();
    
    if (command == '1') {  // Yürüme komutu
      kneeServo.write(90);   // Dizi bük
      ankleServo.write(45);  // Ayak bileğini kaldır
      delay(500);
      kneeServo.write(0);    // Diz aç
      ankleServo.write(0);   // Ayak düz
    } 
    else if (command == '0') {  // Durdurma komutu
      kneeServo.write(0);
      ankleServo.write(0);
    }
  }
}

---

🔹 Çalışma Mantığı

1️⃣ Beyin Dalgaları Okuma:

• OpenBCI veya NeuroSky sensörü, alpha ve beta dalgalarını analiz eder.
• Beta dalgaları (12-30 Hz) yüksekse, kullanıcı yürüme düşüncesinde demektir.
• Alpha dalgaları (8-12 Hz) yüksekse, dinlenme modunda olduğunu gösterir.

2️⃣ Arduino’ya Komut Gönderme:

• Python kodu, yürüme komutunu Arduino’ya seri port üzerinden iletir.
• Arduino, servoları hareket ettirerek protezin adım atmasını sağlar.

3️⃣ Protezin Hareketi:

• Diz eklemi 90° eğilir, sonra geri açılır.
• Ayak bileği açısı değişerek gerçekçi bir yürüyüş oluşturur.

---

🔹 Ekstra Özellikler ve Geliştirme Fikirleri

✅ Gerçek Zamanlı Beyin Haritalama:

• Beyin dalgalarının grafik analizini yaparak, farklı hareketlerin sınıflandırılması sağlanabilir.

✅ Makine Öğrenmesi ile Kişiselleştirme:

• Kullanıcının beyin sinyalleri kişiye özel olduğundan, AI modeli ile özelleştirilebilir.

✅ Haptik Geri Bildirim:

• Kullanıcıya titreşim motorları ile dokunsal geri bildirim verilebilir.

✅ Mobil Uygulama Entegrasyonu:

• Kullanıcı, protezin durumunu bir mobil uygulama üzerinden izleyebilir ve ayar yapabilir.