清华付红岩ACS Nano: 机器学习辅助实现仿生软传感器阵列的对象识别

具有自我感知能力的软界面在环境感知和反应中发挥着至关重要的作用。然而，材料和传感系统之间日益增长的重叠给传感器集成带来了无数挑战，包括多模态传感设计、能够实现高时空传感分辨率和高效处理方法的简化系统设计。

在此，清华大学深圳研究生院付红岩副教授等人报道了一种仿生软传感器阵列（BOSSA），它基于摩擦电效应集成了压力和材料感官数据并为个人和物体识别任务提供环境感知。其中，系统架构由BOSSA和类似于大脑感知层次结构的人工神经网络组成。

受人类体感神经支配结构的启发，BOSSA使用级联电极作为嵌入低模量多孔硅橡胶中的“巴齐尼氏（Pacinian）感受器”，多孔硅橡胶传感过程中的摩擦起电机制使BOSSA对压力和材料都敏感。此外，级联电极通向BOSSA中的行+列电极层显著减少了行×列的数据采集通道数量。研究表明，BOSSA在单像素触觉感知中具有更高的感知分辨率，并利用所提出的行扫描信号分析支持多像素感知（行×列），这在以前一直被忽视。

图1. 用于用户和对象识别的基于机器学习的BOSSA

基于支持向量机（SVM）模型的辅助，作者使用BOSSA实现了基于单像素击键动态的10个用户（98.9%）的个人识别。此外，作者还展示了BOSSA在操控10个物体时记录的多像素传感图（4000帧）的大规模数据集。

在类似于人脑神经网络的多层感知器（MLP）模型的辅助下，赋予的复合传感能力使BOSSA能够识别10个具有未知尺寸和形状的不同材料物体（98.6%）的放置和提取，突出了 BOSSA在智能家居/行业中实现实际应用的能力。此外，受益于压力和材料传感模式的集成、简化的电极设计和易于制造等优点，BOSSA在可部署和高分辨率传感器界面方面具有广阔的前景，可通过自然系统的灵敏度来感知环境。

图2. 具有多像素传感的深度学习辅助对象识别

Machine-Learning-Assisted Recognition on Bioinspired Soft Sensor Arrays, ACS Nano 2022. DOI: 10.1021/acsnano.2c01548

原创文章，作者：v-suan，如若转载，请注明来源华算科技，注明出处：https://www.v-suan.com/index.php/2023/10/11/7a3a695eec/

清华付红岩ACS Nano: 机器学习辅助实现仿生软传感器阵列的对象识别

相关推荐