帖子
勋章
关注
任务
超越光学系统局限！新型光学触觉传感器为先进生物识别技术铺平道路 作为下一代生物识别技术，光学触觉传感器正受到广泛关注。这些传感器能够从单个图像中分析动态力，超越了现有光学系统的局限性，在笔迹情感分析、表面特征描述和防伪措施等不同领域创造了潜在的应用。 由UNIST能源与化学工程学院的Jiseok Lee教授、Hyunhyub Ko教授和 Donghyuk Kim教授以及首尔国立大学的Jungwook Kim教授组成的合作研究小组，开发出了一种能实时分析动态触摸信号的光学触觉传感器。这项研究成果发表在《自然·通讯》（Nature Communications）上。  基于上转换纳米晶体 （UCN） 的光学触觉传感器，类似于人类皮肤。 以前的传感器仅限于测量静态力或动态力，而这一研究团队开创的技术可以同时分离和分析这些力。值得注意的是，这一进步为直观呈现手写速度和压力的变化，以及通过机器学习分析进行个体识别提供了新的可能性。 这项创新技术的核心是上转换纳米粒子，它有助于对动态力进行高分辨率测量，并通过吸收近红外线准确检测外部刺激。 为了加强数据分析，研究团队采用了机器学习技术，以更精确地处理传感器收集的数据。他们的机器学习算法有效地分离了动态触摸信号中的垂直压力和摩擦剪切力，并准确地识别了这些力的方向。通过有限元分析，进一步确认了传感器内力传输路径和信号变化的有效性。 传感器的设计模仿了人体皮肤的感觉结构，提供了力检测的放大功能。它能从单个光学图像中同时分辨出垂直压力和摩擦剪切力，能够检测出物体受到轻压时产生的低至 0.05 牛顿的微小力，并拥有令人印象深刻的9.12毫秒响应时间。  高时空光学触觉识别演示 所开发的传感器不仅可用于手写分析，还可用于指纹识别和盲文解读。在实践中，研究团队已经实现了将盲文转换为语音的系统，证明了传感器在动态生物识别系统和防伪场景中的实用性。 Lee教授指出：“这是第一项通过模仿人体皮肤的感觉结构，同时将静态压力和动态摩擦可视化的研究，通过机器学习将这两种力分离，实现了实时分析。” 第一作者 Changil Son 强调说：“这种简单的传感器结构为未来在动态压力量化方面的应用带来了希望，尤其是在高灵敏度手写检测方面。” 共同作者 Chaeyong Ryu 说：“这些进展将有助于开发适用于机器人技术的基于人工智能学习的传感器。” 相关链接：https://techxplore.com/news/2024-10-optical-tactile-sensors-pave-advanced.html 论文链接：https://dx.doi.org/10.1038/s41467-024-52331-4 分享到：
|
