一个带有双泡结构的三电传感器应用于高安全双锁系统中
Wei Ouyang1, Fangyuan Luo1, Youbin Yao1
1Chongqing Key Laboratory of Non-linear Circuit and Intelligent Information Processing, College of Electronic and Information Engineering, Southwest University, Chongqing 400715, China.
ACS sensors
|December 8, 2023
概括
这项研究介绍了一种新的高安全性智能锁系统,使用自动供电的 triboelectric nanogenerator (TENG) 传感器和深度学习. 该系统通过呼吸模式和面部识别来准确识别用户,以提高安全性.
科学领域:
- 材料科学 材料科学 材料科学
- 电气工程 电气工程
- 计算机科学 计算机科学
背景情况:
- 越来越多的人对个人隐私的担忧需要先进的安全解决方案.
- 现有的智能锁系统往往缺乏强大的多因素身份验证方法.
- 自动供电传感器和人工智能的集成为下一代安全提供了一个有希望的途径.
研究的目的:
- 开发一种新的高安全智能锁系统.
- 集成带电纳米发电机 (TENGs) 与双泡结构 (DB-TENG) 作为自动供电的呼吸传感器.
- 利用深度学习模型,基于呼吸模式和面部识别进行准确的用户识别.
主要方法:
- 使用和铜制造DB-TENG传感器,优化其结构以实现高灵敏度 (19.08V/kPa).
- 开发一个智能皮带来捕捉呼吸行为,以生成一个独特的呼吸代码.
- 实施长期短期记忆 (LSTM) 网络,以高精度 (97.00%) 分类呼吸信号.
- 在Raspberry Pi上部署系统,以实时验证,结合呼吸代码和面部图像分析.
主要成果:
- DB-TENG证明了作为自动供电呼吸传感器的高灵敏度和有效性.
- 在识别四个不同的呼吸信号时,LSTM网络实现了97.00%的平均准确性.
- 综合系统通过交叉引用呼吸系统代码和面部图像,成功验证了用户的身份.
- 该系统允许通过操纵呼吸模式来进行谨慎的警报信号.
结论:
- 拟议的DB-TENG和基于深度学习的智能锁定系统提供了高安全性的解决方案.
- 该系统提供了一种新的,非侵入性的多因素身份验证方法.
- 这项技术在要求安全的环境中具有很大的应用潜力,可以增强个人隐私和防御.


