竞技宝官网app·太原理工张虎林《Nano Energy》：指温驱动

　　不当的握笔姿势不仅会导致书写速度下降、肌肉劳损，甚至可能导致近视、关节炎和颈椎病等疾病的发生。然而，由于结构复杂和外在电源不可或缺等因素，同质化的书写笔在主动监测书写行为方面仍面临挑战。

　　这种PFG双网络凝胶不仅具有-2.05mV K-1的高热电势和130ms的快速响应，而且具备优良的柔韧性、抗干性和高达300%的高抗拉强度。通过在笔杆中集成热电凝胶单元，并结合深度学习，热电凝胶智能笔对8个基本汉字笔画的识别准确率达到了98.1%。此外，通过四通道扩展，对于8位不同人员、9种不同握笔姿势的识别准确率分别达到98.8%和99.1%，同时提供监测结果的实时可视化。研究表明，由机器学习辅助的无源智能笔为可穿戴生物电子技术迈向智能时代提供了一种新的方案。

　　图1 热电凝胶智能笔结构设计。a) 热电凝胶单元的基本结构；b) PVA分子中的羟基与明胶侧链的交联；c) 热电势产生原理；d) 笔杆上四通道信号扩展示意图；e) 结合深度学习的书写监测系统示意图。

　　图2 a) 不同浓度NaCl和FeCN4-/3-PFG的塞贝克系数；b) 不同浓度NaCl和FeCN4-/3-PFG 达到稳态的时间；c) 单个PFG加热/冷却的电压响应；d-e) 不同温度下PFG的电流-电压曲线和相应的功率密度；f-g) 垂直应力下PFG的应力响应和频率响应输出性能；h-i) 弯曲条件下PFG的角度和频率响应输出性能。

　　图3 a) 不同质量比（PVA：明胶）下的应力-应变曲线；d-f) PFG的d) 拉伸、e) 压缩、f) 提升砝码的照片；g) PFG凝胶打结后拉伸的照片；h) PFG凝胶的抗干燥性能；i) PPF膜的应力-应变曲线 a) 温度/压力引起的信号变化示意图；b) 手指不同部位引起的电压信号变化；c) 手指不同部位的红外成像；d) 汉字笔画书写；e) 8种基本笔画对应的电压信号变化曲线种笔画信号的主成成分分析（PCA）；g) 机器学习识别的混淆矩阵；h) 用于笔画识别的人机界面。

　　图5 a) 集成在笔杆上的4通道示意图；b) 书写过程的红外成像；c) 用于身份识别和握笔姿势辅助矫正的智能书写笔示意图；d) 9种常用握笔姿势的3D示意图和四通道信号；e) 九种信号的主成成分分析（PCA）；f)机器学习用于识别9种握笔姿势的混淆矩阵；g) 智能书写系统的界面。

　　作者开发了一种具有较高的塞贝克系数（-2.05mV K-1）、快速响应（130毫秒）、良好机械性能（44kPa）和耐干燥性（30天）的双网络水凝胶。基于这些特性，并利用热电转换与应变压阻的耦合效应设计了一种手指温度驱动的无源智能传感笔，即手指和笔杆之间的温差以及书写时施加在凝胶单元上的压力均会被转换成电压信号，从而可以直观地进行分析。通过集成深度学习算法，最终实现了对8种基本笔画、8种身份和9种握笔姿势的高准确率（98.1%）识别。此外，经过处理的电压信号可以转换成相应的识别图像，显示在计算机上，并通过无线传输到移动端设备，以获得实时反馈和帮助。这款基于热电凝胶的智能书写笔为物联网时代的可穿戴电子设备提供了更多选择。

　　该研究工作得到了山西省自然科学基金、山西省科技合作与交流专项、山西浙大先进材料与化学工程学院和山西省 1331工程 基金的支持。来自微信公众号“材料科学与工程”。感谢论文作者团队供稿支持。