近日，我院张彦振教授团队机械工程专业博士研究生贺炜威在柔性传感器的设计制造及智能应用领域取得重要进展，相关研究成果《基于液相还原金属电极的深度学习辅助柔性压阻传感器，用于健身运动识别和校正》(Deep learning-assisted flexible piezoresistive sensor with liquid-phase reduced metal electrodes for fitness movement recognition and correction)发表在《Chemical Engineering Journal》。《Chemical Engineering Journal》是工程技术与化学化工领域最有影响力的三大顶级期刊之一，作为国际顶级刊物在中国知晓度极高，目前影响因子为15.1（SCI一区Top）。该研究第一作者为博士研究生贺炜威，通讯作者为张彦振教授，中国石油大学（华东）为第一署名单位和通讯单位。研究工作得到国家自然科学基金以及“泰山学者”青年专家计划等项目的大力支持。
论文首页
随着全民健身运动的兴起，电子设备的灵活性和可穿戴性越来越受到重视。其中，压阻传感器因其高灵敏度能够准确监测健康信号而脱颖而出。然而，传统的金属纳米粒子墨水电极面临着易剥离、化学不稳定性和基底限制等问题。为了实现柔性传感器的大规模应用，在提高传感性能和长期稳定性的同时，开发一种低成本、简单的电极制造方法势在必行。
柔性压阻式传感器的制造工艺及智能应用示意图
针对上述问题，本文创新地提出了一种利用液相还原金属电极制备高性能柔性压阻传感器的新方法。制备的传感器具有高灵敏度（3.57 KPa-1）、快速响应时间（58 ms/72 ms）和出色的循环稳定性（超过10000次循环）等特性。并且可实现人体生理信号监测、压力阵列识别和手写识别，展示了其在医疗保健、运动监测和加密信息传输方面的潜力。此外，在深度学习的辅助下，它还成功实现了健身动作的精确识别（99.25%）和校正（98.75%），旨在增强安全性、提高训练效率，并推动未来智能可穿戴健身设备的商业化。
论文链接：https://doi.org/10.1016/j.cej.2024.153362
