深度神经辅助灵活的MXene-Ag复合应变传感器与裂纹双导电网络用于人类运动传感

科学领域:

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

背景情况:

• 开发具有高灵敏度和广泛线性范围的可拉伸应变传感器对于医疗电子非常重要.
• 当前的传感器在满足日常健康监测的实际需求方面面临着挑战.
• 现有的技术往往会损害性能的生物相容性或舒适性.

研究的目的:

• 提出一种新的异质表面策略,用于创建高性能可拉伸式应变传感器.
• 构建一个具有增强检测能力的多层次微裂变应变传感器 (MAP).
• 将传感器阵列与深度学习集成在一起,以智能识别人类活动.

主要方法:

• 一种异质的表面策略,涉及在已改性PDMS (聚甲基氧) 上的现场银沉积.
• 使用银纳米粒子和MXene进行MXene喷涂,以构建一个多层微裂变应变传感器 (MAP).
• 传感器阵列的无集成和深度学习算法的应用用于活动识别.

主要成果:

• MAP传感器表现出极好的检测性能,其测量因子 (GFmax) 为487.3,响应时间约为65毫秒.
• 在多层异质微裂纹结构中的双导电网络在各种变形变量中实现了强大的性能.
• 深度学习算法在使用集成的传感器阵列识别不同的关节运动时达到高达95%的准确性.

结论:

• 开发的多层异质微裂变应变传感器为高性能可拉伸应变传感提供了有前途的解决方案.
• 传感器具有出色的生物相容性和舒适性,适合日常健康监测应用.
• 与深度学习的整合提供了识别人类活动的智能系统,推进了可穿戴健康电子产品.