Bevezetés: A felsővégtag protézisek elhagyása, vagy az azzal szembeni elégedetlenség a legtöbb esetben visszavezethető funkcionális hiányokra, még a legmodernebb elektromiográfiai elven működő okosprotézisek esetében is. Ezen hiányok a mintavételezés és vezérlés nem elégséges módon történő alkalmazásából adódnak. Potenciális megoldás a problémára egy olyan protézis megalkotása, mely kellőképpen szimulálja az emberi kar és kéz működését, amelyhez azonban a számítási kapacitások korlátossága miatt nem alkalmazhatjuk a jelenlegi mintavételi és vezérlési eljárásokat. Célkitűzés: Olyan mintavételezési módszert fejlesztünk, amely alacsony számítási kapacitással, zavaró tényezők mellett is gyors döntést képes hozni arról, hogy egy izomszinergia milyen gesztúrát jelent. Módszer: 30 egészséges felnőttől vettünk két alkalommal izomaktivitási mintákat BTS Free EMG 1000 szenzorral 4 izomról a felső végtagon, amely mintavétel során 4 gesztúrát kellett ismételnie a résztvevőknek. 5 fő esetében elvégeztük egy fuzzy logikával működő mesterséges intelligencia betanítását az első mintavétel adataival, majd ugyanezen 5 fő második mintavételének adataival elvégeztük a tesztelést. Eredmények: A fuzzy algoritmus a minták alapján történő konfiguráció után minden alany összes mintája esetén 100%-ban kizárta a helytelen gesztúrákat, azaz egyetlen esetet sem regisztráltunk, amikor egy gesztúrát tévesen ismert volna fel a rendszer. Az egyes gesztúrák felismerése változó sikerességű volt. Az ökölbe szorítást 87,4%-os, a tárgyak megfogását 87,2%-os, a mutatóujjal történő mutatást 77,1%-os, az integetést 62%-os sikerrátával detektálta a szoftver. Következtetés: A fuzzy logikán alapuló szoftver nagy biztonsággal tudta megfeleltetni az izomszinergiákat a megfelelő gesztúrának 3 gesztúra esetén. A mintavételezési eljárás nem érzékeny a zajokra és a zavaró egyéb izomaktivitásra, emellett a döntési mechanizmus válaszideje elenyésző a mindennapi aktivitás mozgásmintáinak elvégzéséhez szükséges időhöz viszonyítva, így alkalmas elektromiográfiai elven működő okosprotézisek vezérlésére. A kutatás a KDP2020 pályázat keretében valósult meg.  Kulcsszavak: elektromiográfia, gesztúra felismerés, mesterséges intelligencia, BTS Free EMG 1000