基于智能地毯的地板监控系统

为了实现智能建筑和智能家居，我们可以将智能传感器阵列嵌入到地板中来提取大量的传感信息，同时可避免由于摄像监控而带来的隐私问题。近日，新加坡国立大学的李正国（Chengkuo Lee）教授团队通过整合丝网印刷技术、摩擦电传感技术以及基于深度学习的数据分析，成功实现了一个智能地板监控系统。

过去开发的地板传感器通常会有一些实用性上的限制，比如说感测范围小、可扩展性低、实施成本高、能量功耗大以及大型阵列的系统复杂度高等。自2012年快速发展起来的摩擦纳米发电机技术由于其结构简单、制作成本低和材料可选性广等优点，在能量收集和自供电传感的领域中显示出了广泛的应用前景。摩擦纳米发电机能够有效地将外界的机械信号转化为感测的电信号，从而降低系统的整体能耗。如果能够结合大规模的制作技术，基于摩擦纳米发电机的地板传感器将可能克服以上的限制。与此同时，传统的数据分析方法通常是基于感测信号的幅度或者频率，但是这种分析方法可能会丢失一些隐藏在感测信号中的重要特征如身份信息等。而在过去的几年中，人工智能提供了一种新的数据分析方法，即可以通过机器学习来辅助数据分析，因此可以从传感器信号中提取出隐藏其中的各种信息。

新加坡国立大学团队开发的智能地板监控系统很好的弥补了上述缺憾。该智能地板监控系统的实现整合了大规模的丝网印刷技术、自供电的摩擦电传感技术以及基于深度学习的数据分析（图1）。通过大规模的丝网印刷制作出来的智能地毯可以为智能建筑和智能家居的应用提供一个大面积、低成本、自供电的感测方案。其中每一片智能地毯在制作的时候会被赋予独特的电极图案，以达到在地毯阵列中的并联连接和信号区分，从而实现了极简化的输出电极接口和系统复杂度。

图1. 基于智能地毯的智能地板监控系统。图片来源：Nat. Commun.

通过把智能地毯采集到的感测信号通过深度学习辅助的数据分析后，一个智能地板监控系统便实现了（图2）。根据时域上的信号分析，使用者在智能地毯阵列上的位置和活动状态可以被实时地监控。此外，通过深度学习辅助的信号分析，使用者的身份信息也可以通过其独特的行走步态来判别。对于共有10个不同使用者的深度学习模型，其平均的判别正确率高达96％。在一个演示的智能建筑场景中，该智能地板监控系统通过获取的使用者的位置信息和身份信息，实现了相应位置照明的自动控制和基于身份信息的自动门禁。由于其出色的位置感测、活动监控和身份识别的功能，该智能地板监控系统在智能建筑和智能家居中具有广阔的应用前景，如控制自动化、跌倒监测、健康监测和安全监控等。

图2. 深度学习辅助的数据分析以及智能建筑场景演示。图片来源：Nat. Commun.

这一成果近期发表在Nature Communications 上，文章的第一作者是新加坡国立大学的博士后研究员石琼锋。

原文（扫描或长按二维码，识别后直达原文页面，或点此查看原文）：

Deep learning enabled smart mats as a scalable floor monitoring system

Qiongfeng Shi, Zixuan Zhang, Tianyiyi He, Zhongda Sun, Bingjie Wang, Yuqin Feng, Xuechuan Shan, Budiman Salam, Chengkuo Lee

Nat. Commun., 2020, 11, 4609, DOI: 10.1038/s41467-020-18471-z