爬行运动在婴儿发育中起着至关重要的作用。学习爬行阶段是婴儿是发展多器官协同作用的最佳时期，缺乏爬行可能会导致视觉运动、听觉运动的统合失调。由于婴儿在运动时容易受到伤害且无法准确表达，因此在传统监护模式下，婴儿需要监护人24小时的陪伴，这会给监护人带来极大的精神和身体压力。虽然目前可以利用摄像头对婴儿活动状态进行实时监控，但由于监护人不可能时刻对屏幕进行监视，因而当婴儿处于危险状态时，无法做到及时发现或消除危险。

  近期，太原理工大学信息与计算机学院张虎林教授课题组利用明胶、琼脂、海藻等食材，设计了一种可食用的摩擦电自驱动传感器（图1b），在避免婴儿误食风险的同时，实现了对婴儿特定运动状态的监测（图1e）。该传感器可以将婴儿运动时产生的机械信号转换为电信号（图2d），并且具有 23.1 dB 的高信噪比、0.28 V kPa^?1的高灵敏度和 50 ms 的快速响应时间等一系列引人注目的特性（图3e）。在深度学习算法的帮助下（图4e），传感阵列网络可实现对婴儿特定运动模式100%准确识别（图4h），并通过开发的手机应用程序，向监护人提供实时警告和一键监护互动（图4k）。这项工作为物联网时代的婴儿智能监护提供了一个非常应用的范例。该工作以“Deep Learning Assisted Body Area Triboelectric Hydrogel Sensor Network for Infant Care” 为题，发表在国际材料科学顶级期刊《Advanced Functional Materials》，论文的第一作者为太原理工大学郭瑞博士，西安交通大学的方云生研究员为论文的共同第一作者，美国加利福尼亚大学洛杉矶分校的陈俊教授为论文的共同通讯作者。该研究得到了山西省青年拔尖人才计划以及山西省自然科学基金面上项目的支持。

  该工作是课题组近期关于自驱动传感技术相关研究的最新进展之一。张虎林教授课题组近年来围绕环境能量收集技术以及自驱动传感技术，开发了一系列的传感设备，可用于极端温度监测（Journal of Materials Chemistry C, 2022, 10.1039/d2tc00889k）、人体健康监测（ACS Applied Materials & Interfaces, 2021, 13, 37306）、轨迹跟踪（Nano Energy, 2020, 85, 105381）、多重动态监测（Materials & Design, 2019, 182, 108025）以及管道监测（Nano Energy, 2018, 52, 71），进一步拓展了自驱动传感器的应用范围。

  原文链接：https://doi.org/10.1002/adfm.202204803

  下载：Deep Learning Assisted Body Area Triboelectric Hydrogel Sensor Network for Infant Care