基于网络的触摸/手势传感器和预测与机器学习
Bikash Baro1, Kavit Shah2, Kavan Hiren Shah2
1Department of Physics, Rajiv Gandhi University, Doimukh, Arunachal Pradesh 791112, India.
ACS applied materials & interfaces
|October 28, 2024
概括
我们开发了一种灵活的ZnO纳米墙网络,用于先进的触觉和手势传感器. 这种优化的材料为自动供电传感应用提供了卓越的性能,甚至可以实现手语识别.
科学领域:
- 材料科学 材料科学 材料科学
- 纳米技术 纳米技术
- 传感器技术 传感器技术
背景情况:
- 低维材料根据其形态学表现出独特的特性.
- 三电纳米发电机 (TENG) 对自动供电传感器来说是有前途的.
研究的目的:
- 为灵活的触觉和手势传感器开发一个优化的ZnO纳米墙网络.
- 评估开发的材料的 triboelectric 性能和传感能力.
主要方法:
- ZnO纳米墙网络的化学生长.
- 制造单个电极 triboelectric 纳米发电机 (STENGs).
- 测试压力和手势感应能力,以及机器学习分类.
主要成果:
- ZnO纳米墙网络展示了优越的 triboelectric 输出 (电流 ~ 0.6 μA,功率 ~ 20 μW/cm2).
- 该STENG的压力灵敏度为~1V/N,手势灵敏度为~0.1V/度.
- 机器学习模型在分类传感器信号时实现了96%的准确性.
结论:
- 优化的ZnO纳米墙网络对于灵活的触觉和手势感知非常有效.
- 开发的传感器显示出有助于不同能力的个人应用的潜力.
