用于手势识别和信息编码的柔性微流控摩擦电传感器

研究背景

在新一轮科技和产业革命中，人工智能和人机交互(HMI)得到了越来越广泛的应用。其中，压力传感器是获得机器感知的重要部件之一。通过将柔性压力传感器附着在皮肤上，可以实现对人体脉搏、血压等生理健康信息以及面部疲劳状态、身体关节弯曲状态、手势等身体活动的长时间连续检测。然而，传统的柔性压力传感器或多或少存在功耗大灵敏度低、传感材料和器件结构种类有限等缺点。摩擦纳米发电机 (TENG)被认为是建立长时间自供电系统的有前途的技术之一。它可以将机械能转化为电能，并反馈与外力相关的所有信息，已广泛应用于人机界面功能的实现。但在实际应用中，由于环境因素对摩擦电传感器的干扰，以及器件与测试仪表之间的阻抗失配，摩擦电传感器在实时输出信号大小上的不稳定性成为阻碍其应用的主要瓶颈。

研究成果

柔性摩擦电传感器在自供电人机界面中具有广阔的应用前景。然而，由于实际环境的复杂性输出信号容易受到干扰，导致可靠性不高。通过计算输出波形的波峰数，苏州大学功能纳米与软物质研究院文震研究员团队提出了一种柔性微流控摩擦电传感器 (FMTS)。FMTS 具有 82%的高透光率，可弯曲、可扭转、可贴合皮肤。基于液流、微通道和数字间电极之间的摩擦电化和静电感应，它能够产生可量化的电压波峰。FMTS的最大灵敏度为0.418 kPa-1，检测范围为2.38-58.12 kPa，微通道宽度为500 um。为了演示，将FMTS 连接到手指上，利用峰值数来确定手指弯曲的角度，分辨率为 10采用机器学习方法实现了五种手势的准确识别，准确率达到 99.2%。信息也可以通过不同动作组合产生的波形来定义。最后演示了一个编码系统，该系统可识别八种类型的信息，准确率高达 98.8%。相关研究以“Flexible microfluidic triboelectric sensor for gesture recognition and information encoding”为题发表再Nano Energy期刊上。

图文导读

Fig. 1. Structure design and characterization of the flexible microfluidic triboelectric sensor (FMTS).

Fig. 2. Working mechanism and simulation results of the free-standing triboelectric-layer mode FMTS.

Fig. 3. Output signal and influence factors of the FMTS.

Fig. 4. Demonstration of the FMTS as angle sensor for gesture recognition.

Fig. 5. Application of the FMTS in information interaction.

总结与展望

总之，作者提出了一种用于手势识别和信息编码的 FTMS。传感性能用波峰数来表示，通过使用寻峰函数寻址和计数，可以更简单直观地计算波峰数。传感器的灵敏度和测量范围可通过改变模具尺寸进行调整。当通道宽度为0.5mm 时传感器的最大灵敏度为0.418 kPa-1检测范围为2.38至21.81 kPa。当通道宽度为3.0 mm 时，传感器的最大检测极限为 58.12kPa。我们设计了一个角度传感器，利用传感器输出波形中的波峰数来表示手指弯曲的角度分辨率为 10°。此外，从输出波形中提取多维信号特征，利用深度学习算法实现了5 种手势的准确识别，识别准确率达到 99.2%。同时，根据传感器在动态压力下的波形特征建立了编码系统，对8类信息的识别准确率达到 98.8%。这项工作更加直观地展示了利用波峰数定量表示摩擦电传感器传感参数的优势。凸显了波形分类识别在智能识别和信息编码等领域的巨大应用潜力。

文献链接

Flexible microfluidic triboelectric sensor for gesture recognition and information encoding

https://doi.org/10.1016/j.nanoen.2023.108541

转自：“i学术i科研”微信公众号

如有侵权，请联系本站删除！