10月21日，中山大學生物醫(yī)學工程學院周建華教授/喬彥聰助理教授團隊在納米材料領域重要期刊《Advanced Functional Materials》上發(fā)表了題為《Nanomesh-YOLO: Intelligent Colorimetry E-skin Based on Nanomesh and Deep Learning Object Detection Algorithm》的研究論文，通過充分發(fā)揮聚氨酯納米織物優(yōu)異的吸水性、拉伸性、皮膚保形性等一系列性能，實現了可以用作汗液傳感器的納米織物式電子皮膚。通過與目標檢測算法YOLOv3配合，最終實現了高準率識別納米織物的吸汗量智能檢測，該工作有望用于運動過程中身體實時狀態(tài)檢測。
圖1. 基于納米織物和目標檢測算法的智能比色法電子皮膚示意圖。
隨著社會經濟的發(fā)展和全民運動的風潮興起，人們對于運動過程中生理信號檢測的需求日漸加強。排汗是人體在運動時候重要的生理過程，是身體調節(jié)體溫的一種重要方式。準確監(jiān)測排汗量對于評估身體狀態(tài)以及運動強度至關重要。然而目前的排汗量檢測主要基于微流控裝置進行汗液采集和測量，通過化學反應產生顏色變化，利用比色法推測出排汗量。但是微流道裝置的制造復雜性和高成本以及比色法的化學試劑安全等問題仍有待解決。納米織物由于其極薄的厚度，多孔性以及良好的機械性能，能夠無感覺佩戴同時監(jiān)測各種生理信號；谖锢硖匦耘c實際需求，中山大學生物醫(yī)學工程學院周建華教授/喬彥聰助理教授團隊通過靜電紡絲的方法實現了聚氨酯納米織物制備。聚氨酯納米織物具有極薄的厚度(14.75μm)和多孔結構(孔隙率為44%)。
圖2. 聚氨酯納米織物的制備和表征。
由于聚氨酯納米織物極薄的厚度，其具有良好的皮膚保形性。通過比較不同濕潤度的聚氨酯納米織物與手指的OCT圖像，可以發(fā)現吸收汗液后的聚氨酯納米織物覆蓋在手指上，手指的指紋仍清晰可見。這一觀察結果表明，聚氨酯納米織物能夠保持與皮膚的長時間的良好貼合。
圖3. 不同吸汗量納米織物與手指的OCT圖片及其與良好的皮膚保形性。
由于納米織物的多孔結構，其通過毛細作用吸收汗液后可以增加自身的透光率，實驗表明在吸收6 μL汗液后，聚氨酯納米織物的厚度膨脹了362.37%，透光率的變化率達到277.78%。通過分析聚氨酯納米織物中的的多孔結構，研究團隊基于聚氨酯納米織物的微觀結構提出了有限元仿真模型，該模型基于朗伯比爾定律計算入射光與透射光光強之間的關系，模擬了不同吸汗量狀態(tài)下納米織物的厚度變化和對應的透光度變化。該理論解釋了納米織物的透光度變化的原因，對指導織物型體液傳感器設計具有重要意義。
圖4. 不同吸汗量狀態(tài)下納米織物的透光率以及有限元模型仿真結果
通過觀察記錄單位面積的聚氨酯納米織物吸收不同體積的汗液后的狀態(tài)，可以得到不同透光率的聚氨酯納米織物圖像。研究團隊構建了包含了4種汗液梯度的聚氨酯納米織物圖片的共735張圖片的數據集用于后續(xù)汗液檢測模型的構建。
圖5. 四分類的納米織物圖片數據集以及不同透光率納米織物對應的RGB數值
為了實現對納米織物的吸汗量進行高準確率分類，排除皮膚顏色、光線和背景等因素的影響，研究團隊首次將目標檢測算法YOLOv3運用在了對納米織物的狀態(tài)分類中。算法包含5次下采樣來提取納米織物在不同尺度和角度下的特征，然后通過3次上采樣融合生成3個特征圖進行目標檢測。這有助于模型捕捉不同大小和性狀的納米織物圖案。將納米織物圖片數據集作為數據庫用于訓練YOLOv3模型，訓練后模型對納米織物吸汗量的分類準確率高達97.0%。
圖6.聚氨酯納米織物與YOLOv3目標檢測算法結合用于排汗量檢測。
中山大學生物醫(yī)學工程學院是論文第一單位，中山大學生物醫(yī)學工程學院21級本科生陳泓宇、許思燁是文章的共同第一作者，中山大學喬彥聰助理教授和周建華教授是論文的通訊作者，該研究成果得到了國家自然基金青年基金項目，深圳市優(yōu)秀科技創(chuàng)新人才培養(yǎng)項目項目，廣東省傳感技術與生物醫(yī)療儀器重點實驗室以及清華大學北京信息科學與技術國家研究中心開放課題的支持。
論文鏈接: https://onlinelibrary.wiley.com/doi/full/10.1002/adfm.202309798
