手写到数字文本翻译使用自动驱动的Triboelectricity诱导的压电式写字通过深度学习算法
Shubhraja Chowdhury1, Nur A Hoque1, Asfak Ali2
1School of Applied & Interdisciplinary Sciences, Indian Association for the Cultivation of Science, Jadavpur, Kolkata 700032, India.
ACS applied materials & interfaces
|March 6, 2026
概括
一个新的 triboelectricity 诱导的压电式写字板 (TPWP) 将手写转换为数字文本. 这种先进的字母检测技术达到99%的精度,提高了生产力和信息管理.
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:
- 人机界面需要集成的能源,通信和计算.
- 传统的写作方法缺乏数字效率.
- 需要直观而强大的输入系统.
研究的目的:
- 引入一种带电引发的压电式写字板 (TPWP),用于手写文字转换为数字文本.
- 评估TPWP在高级信件检测方面的有效性.
- 展示一种新的人机界面,以提高生产力.
主要方法:
- 开发了一个微型TPWP用于信号采集.
- 收集了来自多个个人的英语字母A,B,C和D的手写信号.
- 应用深度学习算法,包括卷积神经网络 (CNN),用于信号处理和分类.
- 过和训练了250个时代的手写图案,将时间变化的信号转化为光谱图.
主要成果:
- TPWP成功捕获了独特的手写信号,区分个人和识别字母模式.
- 实现了高分类准确度:字母A和B的百分之百,字母C和D的99%.
- 在手写识别方面,整体模型精度达到99%.
- 展示了3D打印纹理TPWP在实际应用中的潜力.
结论:
- 开发的TPWP提供了一个有效的解决方案,用于将手写输入转换为数字文本.
- 三电电,压电和深度学习 (CNN) 的整合显著提高了字母检测的准确性.
- TPWP技术对未来的人机界面具有前景,可以改善信息管理和用户生产力.
