投稿问答最小化  关闭

万维书刊APP下载

深度学习辅助多模感知智能织物传感器

2023/8/10 14:43:10  阅读:62 发布者:

研究背景

智能纺织品结合了舒适纺织品和电子功能的固有优点,在下一代可穿戴电子设备(如热管理设备、能源设备、显示器和传感设备) 中显示出巨大的应用潜力。一般来说,对于纺织品传感器,镍和银纳米线(NWs)等金属基材料已被用作传感器的电极或连接线。昂贵的金属、不稳定的金属纳米线和不透气的薄膜阻碍了基于纺织品的设备的独特优点,尤其是在低成本、可清洗性、舒适性和透气性方面。因此,消除异质无机成分,设计舒适、透气、环保的全纺织全有机传感器仍是一项重大挑战。

另一方面,将多种传感功能集成到一个设备中是基于纺织品的传感器面临的另一个挑战。目前,大多数报道的纺织品传感器都集中在单一的接触式传感功能上,如压力、应变、温度等。相反,如果纺织品传感器能感知多种刺激,包括接触和接近信息,那么可穿戴设备就能集成复杂的功能,甚至实现超越人体皮肤的超强传感功能。虽然一些报道展示了纺织品平台的非接触传感特性,但由于单一信号输出模式,分离混合刺激仍是一项挑战。因此,将多种功能和可预测的信号同时集成到一个舒适的纺织品传感平台的策略是非常可取的。

研究成果

用于传感器的智能纺织品被认为是一种优越的平台,可大大提高可穿戴生物电子设备的便利性和舒适性。然而,大多数已报道的基于纺织品的传感器无法充分展示纺织品的固有优势如舒适性、透气性、生物兼容性和环保性,这主要是由于非纺织品或无机成分的内在限制在此,深圳大学周晔教授团队首次报道了一种全纺织、全有机、可清洗和透气的传感器,它具有可区分的压力接近和温度传感功能。它具有多种传感功能和出色的可清洗性。这种全织物传感器还可以无缝集成到各种类型的织物中,在不牺牲生物兼容性和舒适性的前提下,实现对人体活动和非接触式刺激的大范围传感。此外,通过与深度学习技术相结合,全织物传感系统还能识别物体形状、非接触轨迹甚至环境温度。这些成果为设计低成本、可清洗、舒适、生物兼容的绿色纺织电子产品开辟了一条新途径,为智能纺织品提供了有意义的指导。相关研究以“All-Organic Smart Textile Sensor for Deep-Learning-Assisted Multimodal Sensing”为题发表在Advanced Functional Materials期刊上。

图文导读

Figure 1. All-textile, all-organic, washable, and breathable multifunctional sensor.

 

Figure 2. Sensing principles of the all-textile sensor.

 

Figure 3. Sensing performances of the all-textile sensor.

 

Figure 4. Washability, breathability, sweat absorption ability, and biocompatibility of all-textile sensor.

 

Figure 5. Application demonstrations of the all-textile sensor in multimodal signal monitoring.

 

Figure 6. Deep-learning-assisted all-textile sensing matrix for multimodel recognition.

总结与展望

总之,作者通过使用高导电性温敏 PPY/棉织物,开发出了全织物全有机多功能传感器。天然棉和 PPY 的结合在去除异质成分 (如金属基材料和聚合物膜)方面具有优势,在下一代智能纺织品方面具有潜力。我们的全织物传感器具有良好的压力、接近和温度传感性能。原位三维显微镜观察到的压力作用下介电常数增加和介电厚度减小、有限元分析观察到的接近物体对传感器边缘电场的干扰,以及温度升高后载流子跳变的增强,都是全纺织品传感器对压力、距离和温度的传感机制。得益于全织物设计和高稳定性有机导电剂 PPY 与棉纤维的强粘合性,该传感器具有良好的透气性、耐洗性、吸汗性和生物相容性,这些都是纯棉织物所固有的。此外,全织物传感器的另一个优异功能是,它在监测呼吸、水温/体重和运动等多模态生理活动方面也显示出巨大的潜力。结合深度学习技术,我们制造出了一种全织物传感阵列可以高精度 (>99%)识别物体形状、非接触轨迹其至物体属性。因此,这项工作为开发低成本、透气、舒适的绿色纺织电子产品提供了启示,并为人工智能和增强现实技术开辟了一条新途径。

文献链接

All-Organic Smart Textile Sensor for Deep-Learning-Assisted Multimodal Sensing

https://doi.org/10.1002/adfm.202301816.

转自:i学术i科研”微信公众号

如有侵权,请联系本站删除!


  • 万维QQ投稿交流群    招募志愿者

    版权所有 Copyright@2009-2015豫ICP证合字09037080号

     纯自助论文投稿平台    E-mail:eshukan@163.com