隨著電子皮膚、智能機器人、人機交互設(shè)備等領(lǐng)域的快速發(fā)展，多功能傳感設(shè)備，尤其是柔性溫度壓力傳感器引起了廣泛關(guān)注。然而，通過簡單的結(jié)構(gòu)制備能夠解耦的同時具有高靈敏度的溫度-壓力雙功能傳感器，仍然是一個挑戰(zhàn)。另一方面，柔性可穿戴傳感器的快速發(fā)展對電子皮膚提出了新的要求，即電子皮膚應(yīng)具有數(shù)據(jù)采集、信息處理和人機交互功能。將深度學(xué)習(xí)引入傳感器領(lǐng)域，能夠提高傳感器在人機交互領(lǐng)域的應(yīng)用。然而，如何利用深度學(xué)習(xí)發(fā)揮雙參數(shù)傳感器在人機交互領(lǐng)域的優(yōu)勢，實現(xiàn)傳感器信息的高密度和快速高效的傳輸，目前有很少有研究。另一方面，由于傳感器性能和深度學(xué)習(xí)算法的限制，傳感器通常只能識別預(yù)先設(shè)計的特定動作或信息序列，導(dǎo)致在人機交互領(lǐng)域的實際應(yīng)用受到限制。因此，制備高靈敏度的可解耦的溫度-壓力雙功能傳感器，并利用深度學(xué)習(xí)算法充分發(fā)揮溫度壓力雙模傳感器的潛力仍然是一個挑戰(zhàn)。
鄭州大學(xué)橡塑模具國家工程研究中心的申長雨院士和劉春太教授課題組開發(fā)了一種基于SWCNT和PEDOT:PSS修飾的多孔三聚氰胺泡沫（MF）的高性能溫度壓力雙模傳感器(SPMF)。根據(jù)壓阻效應(yīng)和熱電效應(yīng)，壓力和溫度信號可以被SPMF傳感器獨立地識別。對SWCNT進行熱處理并引入適量的PEDOT:PSS，通過界面勢壘過濾低能載流子，提升傳感器的塞貝克系數(shù)。一系列實驗表明，該傳感器具有優(yōu)異的壓力/溫度雙參數(shù)傳感性能，靈敏度高、響應(yīng)時間快、長期穩(wěn)定性好，可用于解耦的溫度和壓力信號傳感和非接觸信息傳輸。得益于出色的傳感特性，組裝后的傳感器陣列顯示出良好的識別溫度和壓力信號空間分布的能力。在深度學(xué)習(xí)算法的輔助下，對“觸摸”和“按壓”動作分別顯示出99%和98%的高識別準(zhǔn)確率，實現(xiàn)了信息的加密傳輸和隨機輸入序列的準(zhǔn)確識別，為人機交互中高精度多模態(tài)感知平臺的設(shè)計提供了一種有前途的策略。該工作以“Decoupled Temperature-Pressure Sensing System for Deep Learning Assisted Human-Machine Interaction”為題發(fā)表在國際權(quán)威期刊《Advanced Functional Materials》上。文章第一作者是鄭州大學(xué)碩士生陳朝陽，通訊作者是劉虎教授和王亞龍博士。
圖1. (a)SPMF傳感器的制備過程，(b)SPMF的彈性和輕質(zhì)，(c-d)MF和SPMF的SEM圖像，(e)退火前后SWCNT的XPS C1s光譜，(f)具有不同PEDOT:PSS含量的SPMF的塞貝克系數(shù)。
圖2. (a) SPMF傳感器的輸出電壓隨溫差的變化，(b)傳感器有限元分析結(jié)果：在不同溫差下的溫度和電勢分布，(c)傳感器在不同溫差下的循環(huán)響應(yīng)，( d) 傳感器的輸出電壓隨溫差連續(xù)增加時的變化，( e)在0.03 K的微小溫差下傳感器的輸出電壓，(f)傳感器溫度傳感的耐久性測試。
圖3. (a) SPMF傳感器壓力靈敏度，(b)傳感器有限元分析結(jié)果：不同壓力下SPMF傳感器上的應(yīng)力分布，(c)傳感器在不同壓力下的循環(huán)壓縮響應(yīng)曲線，(d)在10 kPa的動態(tài)壓力下，傳感器在不同壓縮率下的循環(huán)壓縮響應(yīng)曲線，(e)在10 Pa的壓力和500 mm/min的壓縮速率下，傳感器的響應(yīng)-恢復(fù)時間，(f)傳感器壓力傳感的耐久性測試。
圖4. (a)SPMF傳感器在不同溫差下的輸出電壓隨壓力的變化，(b)不同外部壓力下傳感器的塞貝克系數(shù)，(c) 傳感器有限元分析結(jié)果：傳感器在不同溫差和不同壓力下的電勢和應(yīng)力分布，(d-g)傳感器在不同條件下的I-V曲線：(d)不同DT和0 kPa壓力下、(e)不同的DT和10 kPa壓力下、(f)20 k的恒定溫差和不同的壓力下，(g)不同DT和不同壓力下，(h)溫度-壓力雙模傳感測試示意圖，(i-j)傳感器在不同條件下的輸出電壓和電流：(i)23k的溫差和動態(tài)壓力、(j)20 kPa的穩(wěn)定壓力和動態(tài)溫度梯度。
圖5. (a) SPMF傳感器的輸出電壓隨著DT變化，(b) 用手指觸摸傳感器時，輸出電壓變化，插圖為紅外溫度圖像，(c)當(dāng)傳感器接觸裝有冷水或熱水的燒杯時，輸出電壓及紅外溫度圖像，(d)傳感器的輸出電流隨應(yīng)力變化，（e-f）用于實時檢測手指彎曲和手腕彎曲時的傳感性能，(g-i) SPMF傳感器基于莫爾斯電碼的非接觸式通信和接觸式通信，(j-l)傳感器在不同刺激下的壓力和溫度響應(yīng)：(j)手指觸摸，(k)手指按壓，和(l)鉛筆按壓。
圖6. (a)用于溫度-壓力傳感的4×4 SPMF傳感器陣列演示圖，(b-e)溫度-壓力雙模傳感器陣列對不同溫度燒杯的響應(yīng)信號。
圖7. (a)1D CNN模型架構(gòu)示意圖，(b)“觸摸”和“按壓”傳感器示意圖。(c)CNN模型在200次訓(xùn)練期間的有效精度和訓(xùn)練損失，(d)“觸摸”和“按壓”狀態(tài)的深度學(xué)習(xí)模型識別結(jié)果，(e)用于信息識別的3×3人機交互陣列示意圖，(f)識別“12369”序列的3×3人機交互陣列示意圖，(g)借助深度學(xué)習(xí)模型對“12369”序列的八個典型信息的識別準(zhǔn)確率結(jié)果，(h)六種復(fù)雜信息傳輸操作的示意圖，(i)六個復(fù)雜消息的識別準(zhǔn)確率結(jié)果。
原文鏈接：https://doi.org/10.1002/adfm.202411688
