空气写字识别通过灵活的双网络基基传感器和机器学习实现.
Derrick Boateng1,2,3, Xukai Li1, Weiyao Wu1
1College of Health Science and Environmental Engineering, Shenzhen Technology University, Shenzhen, 518188, China.
ACS applied materials & interfaces
|September 25, 2024
概括
这项研究引入了一种新的空中文字识别系统,使用灵活的水凝传感器和1D-CNN算法. 该系统在手写英语字符中达到~96.3%的准确性,改善了人机界面.
科学领域:
- 材料科学 材料科学 材料科学
- 机器学习 机器学习
- 人与计算机的交互
背景情况:
- 目前的空中文字识别通常使用基于图像的传感器,限制自然运动.
- 现有的系统可能会受到指导写作和限制运动的阻碍,影响准确性.
- 需要先进,准确和自然的空中文字识别系统.
研究的目的:
- 开发一个智能且准确的空中文字识别系统.
- 将一种新的离子导电柔性应变传感器与1D-CNN算法集成.
- 为了克服基于图像的传感器和有限的写作运动的局限性.
主要方法:
- 开发了一种双网络水凝传感器 (NaCl/SA/PAM),具有很高的伸展性,导电性和应变灵敏度.
- 使用一维卷积神经网络 (1D-CNN) 机器学习算法进行数据分析.
- 测试了在空中识别手写英语字母表的系统.
主要成果:
- 在空中手写字符中实现了大约96.3%的高识别准确度.
- 水凝传感器表现出了出色的性能,包括高伸展性,导电性和应变灵敏度.
- 对比分析显示,与ResNet.Net等最先进的方法相比,其性能具有竞争力.
结论:
- 集成的水凝传感器和1D-CNN系统提供了准确而智能的空气字体识别.
- 该系统克服了传统基于图像的方法和受限制的写作风格的局限性.
- 这项技术显示了推进人机界面应用的巨大潜力.
