通过结合织拉伸传感器和AI算法来测量3D手腕角度

科学领域:

• 生物医学工程 生物医学工程
• 材料科学 材料科学 材料科学
• 可穿戴技术可穿戴技术

背景情况:

• 手腕关节的复杂性需要精确的角度测量,用于体育和康复的应用.
• 测量手腕角度的现有方法可能缺乏广泛使用的灵活性或成本效益.
• 织拉伸传感器提供了一个有希望的替代品,因为它们的轻量级,成本效益和可重复性.

研究的目的:

• 开发和验证用于精确,三维手腕角度测量的织拉伸传感器.
• 研究深度学习方法在提高传感器精度方面的有效性.
• 为了展示这些传感器在手臂套中的实际应用,用于实时运动分析.

主要方法:

• 通过将E带浸入碳纳米管溶液中来制造织拉伸传感器.
• 将三个传感器连接到手臂袖上,以捕捉所有三个轴上的手腕运动.
• 应用多层感知器 (MLP) 深度学习技术来处理传感器数据.
• 开发一种新的算法,利用传感器合用于3D角度计算.

主要成果:

• 织拉伸传感器成功地测量了手腕三维角度,当集成到一个手臂套.
• 多层感知器 (MLP) 技术显著提高了传感器的精度.
• 开发的算法利用传感器合,实现了小于4.5°的误差角度.
• 这种准确性超过了用于手腕角度测量的其他可用的软传感器.

结论:

• 通过深度学习增强的织拉伸传感器为3D手腕角度测量提供了高度准确和实用的解决方案.
• 开发的系统显示了增强体育表现分析和身体康复的巨大潜力.
• 这项研究强调了将先进的可穿戴传感技术集成到日常服装中的可行性.