成果简介
同时多模态监测可以极大地感知错综复杂的多重刺激，这对于理解和发展未来的人机融合世界具有重要意义。然而，集成的多传感器网络结构繁琐、功耗巨大、制备过程复杂，严重制约了实际应用。本文，清华大学程虎虎助理研究员、曲良体教授团队在《Adv Mater》期刊发表名为“Machine Learning Enhanced Simultaneous and Multimodal Sensor Based on Moist-Electric Powered Graphene Oxide”的论文，研究开发了一种氧化石墨烯单组分多模态传感器（GO-MS），该传感器能够通过具有独特湿电自供电的单个单元同时监测多种环境刺激。这种GO-MS可以通过自发吸附空气中的水分子来产生可持续的湿电势，当暴露于不同的刺激时具有特征性的响应行为。
因此，在机器学习 (ML) 的帮助下，这个单一的GO-MS实现了温度、湿度、压力和光强度变化的同时监测和解耦。具有实际意义的是，构建了基于GO-MS的湿电动人机交互腕带，以多维方式监测脉搏信号、体温和出汗，以及手势和手语指令交流。这种ML赋能的湿电GO-MS为连续自供电单组件多模态传感器的开发提供了一个新平台，在健康检测、人造电子皮肤和许多其他物联网领域显示出巨大的应用潜力。
图文导读
图1. 用于同时监测多种刺激的湿电GO-MS示意图
图2.GO-Ms和湿电势的特征。
图3.GO-MS的多模式传感行为
图4.同时多刺激传感和解耦分析。
图5.GO-MS在人机交互和健康监测中的应用演示
小结
综上所述，湿电GO-MS的同时多刺激监测能力得到了体现。GO-MS可以主动吸附空气中的水分子，产生可持续的湿电势，从而在无需外加能量的情况下，对湿度、温度、压力和光照强度的变化产生优异的感知能力。基于具有相应刺激的特征监测模式以及湿电势变化固有的局部依赖性，通过精心设计的ML模型，GO-MScan上的复杂响应很容易分别与湿度、温度、压力和光照强度的变化解耦。此外，开发了一种湿电GO-MS腕带，能够监测和识别多个手势信号，并以多维方式检测桡动脉脉搏、皮肤温度和出汗，形成了有前途的湿感人机界面。该研究将为同步多模态传感器的开发提供新思路，并为多指标监测和具有自供电和可持续电源的复杂信息识别系统领域的应用提供巨大潜力
文献:https://doi.org/10.1002/adma.202205249
本文来自材料分析与应用，本文观点不代表石墨烯网立场，转载请联系原作者。
