亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Crack-Across-Pore Enabled High-Performance Flexible Pressure Sensors for Deep Neural Network Enhanced Sensing and Human Action Recognition

材料科学 压力传感器 人工神经网络 动作(物理) 人工智能 纳米技术 计算机科学 机械工程 工程类 物理 量子力学
作者
Yuxin Hou,Lei Wang,Ran Sun,Yuanao Zhang,Mengxi Gu,Yuan‐Hao Zhu,Yubo Tong,Xunyu Liu,Zhixun Wang,Juan Xia,Yougen Hu,Lei Wei,Chunlei Yang,Ming Chen
出处
期刊:ACS Nano [American Chemical Society]
卷期号:16 (5): 8358-8369 被引量:64
标识
DOI:10.1021/acsnano.2c02609
摘要

Flexible pressure sensors with high sensitivity over a broad pressure range are highly desired, yet challenging to build to meet the requirements of practical applications in daily activities and more significant in some extreme environments. This work demonstrates a thin, lightweight, and high-performance pressure sensor based on flexible porous phenyl-silicone/functionalized carbon nanotube (PS/FCNT) film. The formed crack-across-pore endows the pressure sensor with high sensitivity of 19.77 kPa–1 and 1.6 kPa–1 in the linear range of 0–33 kPa and 0.2–2 MPa, respectively, as well as ultralow detection limit (∼1.3 Pa). Furthermore, the resulting pressure sensor possesses a low fatigue over 4000 loading/unloading cycles even under a high pressure of 2 MPa and excellent durability (>6000 cycles) after heating at high temperature (200 °C), attributed to the strong chemical bonding between PS and FCNT, excellent mechanical stability, and high temperature resistance of PS/FCNT film. These superior properties set a foundation for applying the single sensor device in detecting diverse stimuli from the very low to high pressure range, including weak airflow, sway, vibrations, biophysical signal monitoring, and even car pressure. Besides, a deep neural network based on transformer (TRM) has been engaged for human action recognition with an overall classification rate of 94.96% on six human actions, offering high accuracy in real-time practical scenarios.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Lucas应助星启采纳,获得10
3秒前
5秒前
jeff完成签到,获得积分10
5秒前
陈明明发布了新的文献求助10
10秒前
落落完成签到 ,获得积分0
29秒前
30秒前
42秒前
hmf1995完成签到 ,获得积分10
44秒前
强健的迎波完成签到,获得积分10
1分钟前
yu完成签到 ,获得积分10
1分钟前
SciGPT应助xxx采纳,获得10
1分钟前
今后应助laura采纳,获得10
1分钟前
科研通AI5应助王蒙采纳,获得10
1分钟前
快乐天荷完成签到,获得积分10
1分钟前
2分钟前
2分钟前
2分钟前
2分钟前
2分钟前
莹莹完成签到,获得积分10
2分钟前
2分钟前
lwenrou完成签到,获得积分10
2分钟前
2分钟前
莹莹发布了新的文献求助10
2分钟前
lidow发布了新的文献求助10
2分钟前
2分钟前
善学以致用应助lidow采纳,获得10
2分钟前
孟佳完成签到 ,获得积分10
3分钟前
lidow完成签到,获得积分10
3分钟前
3分钟前
3分钟前
哼哼发布了新的文献求助10
3分钟前
3分钟前
影子发布了新的文献求助10
3分钟前
nana完成签到,获得积分10
3分钟前
kk完成签到 ,获得积分10
3分钟前
fransiccarey完成签到,获得积分10
3分钟前
DD完成签到 ,获得积分10
3分钟前
wangxiaoyu发布了新的文献求助20
3分钟前
3分钟前
高分求助中
Production Logging: Theoretical and Interpretive Elements 2700
Social media impact on athlete mental health: #RealityCheck 1020
1.3μm GaAs基InAs量子点材料生长及器件应用 1000
Ensartinib (Ensacove) for Non-Small Cell Lung Cancer 1000
Unseen Mendieta: The Unpublished Works of Ana Mendieta 1000
Bacterial collagenases and their clinical applications 800
El viaje de una vida: Memorias de María Lecea 800
热门求助领域 (近24小时)
化学 材料科学 生物 医学 工程类 有机化学 生物化学 物理 纳米技术 计算机科学 内科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 量子力学 光电子学 冶金
热门帖子
关注 科研通微信公众号,转发送积分 3526513
求助须知:如何正确求助?哪些是违规求助? 3106959
关于积分的说明 9281948
捐赠科研通 2804458
什么是DOI,文献DOI怎么找? 1539468
邀请新用户注册赠送积分活动 716571
科研通“疑难数据库(出版商)”最低求助积分说明 709579