本篇文章版权为王中林、董凯团队所有,未经授权禁止转载。
背景介绍
随着现代生活节奏的加快,工作或学习的巨大压力导致人们采取久坐不动的生活方式。长时间保持不良姿势会导致身体和心理问题,例如脊柱疾病、肥胖、肌肉疾病和近视。对此,一些常用技术基于视觉的方法来进行坐姿监测,例如使用摄像头识别个人的坐姿以降低背痛的风险。然而,基于视觉的识别方法具有特定的光照和位置要求,并且如果使用者超出相机摄像的范围,则无法连续记录姿势。但是,如果不控制房间的照明会影响图像质量,进而降低精度。因此,为了能持续地监测并同时具有提醒用户保持正确坐姿的干预功能,传感器的便携性、可佩戴性逐渐变得尤为重要。为解决上述问题,具备传感器小型化和集成化特点的可穿戴电子设备正逐渐被应用于人体姿势识别和健康监测,特别是基于纺织品的可穿戴传感器由于可编织到衣物中且可实时监测运动和生理信号,最近尤为受到关注。为了确保稳定性,大多此类传感器都使用刚性基板,例如印刷电路板等,这对用户来的使用体验很不友好。尽管一些研究尝试用软质基板代替刚性电子元件以提高柔韧性,但软质和刚性材料之间的连接在拉伸和弯曲下,又会产生坏点和非线性等问题。并且,此类传感器使用外部电源驱动,增加了能耗。为克服上述问题,持续进行健康干预,研究人员不断寻求新的材料和技术,以获得良好的兼容性、可穿戴性以及和谐的人机交互性能。
摩擦纳米发电机已被视为自供电传感器,在低频下表现出高电输出、灵敏度高和微尺度运动监测性能好的特点,可以捕捉人体微弱的生理信号。此外,扭曲或弯曲会导致不同材料之间的接触分离,这些接触分离可以基于摩擦起电和静电感应的耦合效应转换为电信号,将此种柔性应力传感器集成到衣物中后,可通过生成相应的电信号来识别人类动作。为了更好地识别坐姿,应在人体姿势和电信号之间建立相关模型。机器学习的快速发展为解决这个问题提供了多种可能,例如基于使用大样本的迭代学习和训练,即使物理信号模糊,也可以建立精确的数学映射函数,使训练好的模型能够有效地识别动作并进行准确的姿势预判。
成果简介 本章提出了一种基于柔性摩擦纳米发电机和机器学习的自供电坐姿监测背心,可以准确识别和监控个人的坐姿位置。坐姿监测背心具有0.16 mV·Pa−1的高灵敏度、优异的机械拉伸性、良好的透气性以及有利于可穿戴设备的舒适性。此外,它还能针对用户的不同姿势和动作产生准确的电信号响应。通过将传感器定位在衣服的不同部位,收集更多信息并识别精确的坐姿,从而实现无创健康监测和干预。结合机器学习算法,坐姿监测背心可实时监控各种坐姿。使用随机森林分类器,其坐姿识别准确率达到96.6%,高于逻辑回归(95.5%)和决策树(94.3%)分类器。因此,坐姿监测背心可为长期无创健康监测提供了可靠的解决方案,从而扩大了基于摩擦电的可穿戴电子设备的应用。 图文导读 作者简介 董凯,中科院北京纳米能源与系统研究所副研究员,硕士生导师。主要研究领域:自主式供电和自驱动传感智能纤维材料的设计和开发、纤维基可穿戴能量采集和自充电器件的设计、多功能自驱动传感纤维及织物的开发与应用。近年来在Nat. Commun., Sci. Adv., Energy Environ. Sci., Adv. Mater., Adv. Energy Mater., ACS Energy Lett., ACS Nano, Adv. Funct. Mater., Nano-Micro Lett.等期刊上发表论文50余篇,其中第一作者/通讯作者30余篇。主持国家自然科学基金、北京市自然科学基金、中科院优秀青年教师提升等项目。 王中林,国际顶尖纳米科学家、物理学家、材料学家、能源技术专家,中国科学院外籍院士,欧洲科学院院士,加拿大工程院国际院士,佐治亚理工学院终身董事教授,中国科学院北京纳米能源与纳米系统研究所创始所长兼首席科学家,中国科学院大学纳米科学与技术学院院长。他开创了从基本原理到技术应用的纳米发电机。他开创了用于第三代半导体的压电电子学和压电光电子学领域。他对自供电纳米系统的研究激发了全世界学术界和工业界研究微纳系统能源的关注与投入,微纳系统现在是能源研究和未来传感器网络的一个独特学科。 文章信息 K. Dong, Y. Jiang, J. An, et al. Knitted self-powered sensing textiles for machine learning-assisted sitting posture monitoring and correction. Nano Research. https://doi.org/10.1007/s12274-022-4409-0. 识别二维码或点击左下角“阅读原文”可访问全文
如果篇首注明了授权来源,任何转载需获得来源方的许可!如果篇首未特别注明出处,本文版权属于 X-MOL ( x-mol.com ), 未经许可,谢绝转载!