基于机器学习的3D打印保形应变和湿度传感器实现人体运动预测

可穿戴传感器由于其灵活性和重量轻的特点，在医疗保健应用领域获得了极大关注。然而，开发易于制造和保形性良好的鲁棒性可穿戴传感器仍然是一个挑战。

据麦姆斯咨询报道，近日，南洋理工大学（Nanyang Technological University）的科研人员合成了一种导电石墨烯纳米板-碳纳米管（GC）油墨，用于多射流熔融（MJF）打印。MJF的逐层制造工艺不仅提高了GC传感器的力学性能和阻燃性能，而且提高了其鲁棒性和灵敏度。此外，利用GC传感器收集的阻力变化数据对支持向量机（SVM）进行训练，其预测人体运动的准确率为95.83%。由于其稳定的湿度敏感性，GC传感器在监测人体呼吸和预测呼吸模式（正常呼吸、快速呼吸和深呼吸）方面也表现出优异的性能，从而扩大了其在医疗保健领域的潜在应用。相关研究成果以“3D Printed Conformal Strain and Humidity Sensors for Human Motion Prediction and Health Monitoring via Machine Learning”为题发表在Advanced Science期刊上。

在这项研究工作中，科研人员使用石墨烯纳米板（GNP）和碳纳米管（CNT）制备了导电油墨。GNPs-CNTs（GC）油墨被用作MJF打印的助熔剂（FA），以制造多层应变和湿度传感器。MJF打印机不仅可以调节沉积油墨的类型和位置，还可以根据样品结构设计调整喷墨的剂量，从而生产出具有不同导电性能的材料。传感器的逐层制造工艺不仅减少了导电填料的消耗，而且增强了印刷GC传感器的机械强度。MJF打印的各种形状的传感器具有优异的保形性，可用于运动预测和健康监测目的。

GC传感器的制造和应用

所制造的GC传感器具有应变和弯曲灵敏度。GC传感器的电阻随着拉伸和向外弯曲而增加，但随着向内弯曲而减小。通过分析由于变形而产生的不同信号来监测传感器的形状变化，并且可以根据这些信号来预测弯曲方向的变化。这些特征可用于监测人体运动，如手腕、脖子、膝盖和肘部的复杂关节运动。采用MJF打印技术制造的GC传感器具有柔韧性、重量轻和可定制的特点，以实现与关节的最佳保形性。

所制造的GC传感器的机电特性和人体运动监测测试

科研人员开发了一种用于信号处理的多类支持向量机（SVM）分类器。利用传感数据对其进行训练，以自动确定人体运动。这项研究考虑了六种常见的运动（坐下、爬楼梯、蹲下、跑步、走路和跳跃）。原始电阻数据由附着在受试者膝盖上的GC传感器直接收集。基于特征矩阵训练模型，实现了95.83%的高分类精度。

机器学习的工作机制及其潜在应用

通过利用MJF打印技术，科研人员制造了一种带有集成传感器过滤器的口罩，可以通过检测呼吸引起的湿度变化来检测呼吸模式的变化。集成传感器由热塑性聚氨酯（TPU）和GC交替层组成，其结构与应变传感器相同，但具有不同的类似过滤器形状。研究结果表明，使用MJF打印技术制造的GC/TPU复合材料可以作为一种可靠的湿度传感器，在机器学习的帮助下精确预测呼吸模式。

GC传感器的湿度敏感性和潜在应用

总而言之，科研人员开发了一种新型GC油墨，并利用MJF打印技术制造了一系列实用且可扩展的应变和湿度传感器。这些传感器表现出与人体关节的极好保形性和良好的机械性能，例如灵活性和鲁棒性。从弯曲传感器获得的输出数据对变形方向高度敏感，证明该传感器非常适合监测人体运动。多层弯曲传感器能够检测手腕弯曲，并识别五种基本的紧急手势信号，包括“走”、“停”、“右转”、“左转”和“有危险”。此外，从佩戴在膝盖上的弯曲传感器获得的输出信号被用于训练SVM，以预测六种常见运动，包括行走、跑步、坐下、蹲下、跳跃和爬楼梯，其准确率为95.83%。机器学习和弯曲传感器的集成在预测人类运动和实现及时救援措施方面具有巨大潜力。此外，该传感器优异的湿度灵敏度使其成为监测人体呼吸的绝佳候选者。所制备GC传感器提高的热稳定性和阻燃性，确保了其在消防救援中的安全应用。利用先进的GC油墨和快速MJF制造技术，有望赋予应变湿度传感器灵活性、鲁棒性和形状记忆，从而在人类安全和医疗保健方面带来重大有益影响。

审核编辑：刘清