日常生活中一些常见的危险驾驶行为（疲劳驾驶、打电话等）往往是导致大量交通事故发生的“罪魁祸首”。研究人员已提出了各种方法来监测驾驶员的状态，但传统检测方法仍存在一些弊端，如难以在所有价格汽车中推广、存在外部因素干扰、检测精度低、电池寿命有限、可穿戴性不足和对环境造成负担等。

  作为一种新型绿色能源采集装置，摩擦纳米发电机（TENG）由于其成本低、制备简单、材料选择多样等优点，已被广泛应用到交通领域以提高道路安全性。研究者们提出了通过监测汽车速度、方向盘转动以及驾驶员眼睛、嘴巴的肌肉运动等来检测驾驶员状态的方法。但目前这些方法仍然存在一系列问题，比如仍容易受到外部因素干扰、影响驾驶舒适度、可穿戴性不足、对人体或环境有害等。因此，有必要进一步提升驾驶员状态监测领域中摩擦电传感器的性能。

  近日，西南大学电子信息工程学院陈斌副教授团队提出了一种基于NaCl/PVA水凝胶的绿色可拉伸摩擦电传感器（NH-TES）。通过在PVA水凝胶中掺杂氯化钠溶液，传感器的灵敏度、输出电压和电流分别提高了约10.57、9.89和9.52倍。基于自然沉积的原理，利用牺牲模板在两薄膜之间制备了接触曲面，使传感器的灵敏度、输出电压和电流又分别提高了约3.82、4.14和2.79倍。另外，团队还探究了不同厚度水凝胶薄膜、不同施力频率、外界环境不同湿度和温度以及长时间工作对传感器性能的影响。最终制备得到的传感器在0-11.28和11.28-56.63 kPa的范围内分别具有1.95和0.5 V/kPa的高灵敏度。不仅如此，该传感器具有良好的耐久性和稳定性，在较为极端的环境下仍具有良好的传感性能。接下来，团队利用多个NH-TES构成传感阵列并结合机器学习算法开发了一种智能颈环用于识别多种不同的颈部运动，其最高分类准确率达到96.10%。不仅如此，团队还基于该智能颈环设计了一个驾驶员多维信息监测系统。通过实时监测驾驶员的颈部运动和胸部呼吸，该监测系统可以获得关于驾驶员状态的大量信息。结合智能算法提取相关参数后，该系统可以对驾驶员的疲劳程度、注意力集中水平以及健康情况进行实时判断。最终，该团队设计了一个界面用于详细显示驾驶员颈部运动和胸部呼吸信号、提取的相关参数值以及驾驶员的实时状态。综上，该系统可以检测危险驾驶行为，监测驾驶员的健康状况并提供适当的提醒，以提高驾驶安全并在一定程度防止公共场所病毒传播。这项工作对驾驶员状态监测的进一步发展具有重要意义，也展现了TENG在智能交通领域的巨大潜力。研究成果以“Wearable and self-powered triboelectric sensors based on NaCl/PVA hydrogel for driver multidimensional information monitoring”为题发表于《Nano Energy》上。该成果的第一作者为西南大学电子信息工程学院硕士研究生罗方苑。

工作亮点：

图1

图2

图3 

  图3展示了所提出传感器的系列常规性能测试结果。包括：(a) 传感器在0-60 kPa压力范围内的输出电压，以及在不同压力点下对应的 (b) 输出电压波形和 (c) 电流波形。传感器的 (d) 输出电压波形和 (e) 输出电流波形与频率的关系。(f) 传感器的电压响应与湿度的关系。(g) 传感器的响应时间和恢复时间。(h) 传感器的最小检测极限。(i) 传感器在四个小时周期性压力下的输出电压脉冲。(j) 传感器在七天内的输出电压脉冲。(k) 传感器的电压响应与温度的关系。(l) 传感器的输出电流和电压与外部负载电阻的关系。

图4 

  结合机器学习算法，基于该传感阵列构造的智能颈环可以有效识别人体不同的颈部运动，具体流程和相关结果如图4所示。(a)智能颈环监测人体不同颈部运动的具体流程。智能颈环在人体 (b) 说话、(c) 转头和 (d) 咳嗽状态下的输出电压波形。 (e) 智能颈环对不同颈部运动进行分类的过程。用于颈部运动分类的 (f) KNN、(g) SVM和 (h) CNN算法的混淆矩阵。

图5 

  图5 展示了基于智能颈环构建的驾驶员多维信息监测系统。(a) 驾驶员多维信息监测系统的流程图。(b) 驾驶员注意力集中程度和健康状况的评价标准。

  原文链接：https://www.sciencedirect.com/science/article/abs/pii/S2211285523008728