中山大学周建华/乔彦聪团队 AFM：Nanomesh-YOLO - 基于纳米织物和深度学习目标检测算法的智能比色法电子皮肤

2023-11-17 来源：高分子科技

10月21日，中山大学生物医学工程学院周建华教授/乔彦聪助理教授团队在纳米材料领域重要期刊《Advanced Functional Materials》上发表了题为《Nanomesh-YOLO: Intelligent Colorimetry E-skin Based on Nanomesh and Deep Learning Object Detection Algorithm》的研究论文，通过充分发挥聚氨酯纳米织物优异的吸水性、拉伸性、皮肤保形性等一系列性能，实现了可以用作汗液传感器的纳米织物式电子皮肤。通过与目标检测算法YOLOv3配合，最终实现了高准率识别纳米织物的吸汗量智能检测，该工作有望用于运动过程中身体实时状态检测。

图1. 基于纳米织物和目标检测算法的智能比色法电子皮肤示意图。

随着社会经济的发展和全民运动的风潮兴起，人们对于运动过程中生理信号检测的需求日渐加强。排汗是人体在运动时候重要的生理过程，是身体调节体温的一种重要方式。准确监测排汗量对于评估身体状态以及运动强度至关重要。然而目前的排汗量检测主要基于微流控装置进行汗液采集和测量，通过化学反应产生颜色变化，利用比色法推测出排汗量。但是微流道装置的制造复杂性和高成本以及比色法的化学试剂安全等问题仍有待解决。纳米织物由于其极薄的厚度，多孔性以及良好的机械性能，能够无感觉佩戴同时监测各种生理信号。基于物理特性与实际需求，中山大学生物医学工程学院周建华教授/乔彦聪助理教授团队通过静电纺丝的方法实现了聚氨酯纳米织物制备。聚氨酯纳米织物具有极薄的厚度(14.75μm)和多孔结构(孔隙率为44%)。

图2. 聚氨酯纳米织物的制备和表征。

由于聚氨酯纳米织物极薄的厚度，其具有良好的皮肤保形性。通过比较不同湿润度的聚氨酯纳米织物与手指的OCT图像，可以发现吸收汗液后的聚氨酯纳米织物覆盖在手指上，手指的指纹仍清晰可见。这一观察结果表明，聚氨酯纳米织物能够保持与皮肤的长时间的良好贴合。

图3. 不同吸汗量纳米织物与手指的OCT图片及其与良好的皮肤保形性。

由于纳米织物的多孔结构，其通过毛细作用吸收汗液后可以增加自身的透光率，实验表明在吸收6 μL汗液后，聚氨酯纳米织物的厚度膨胀了362.37%，透光率的变化率达到277.78%。通过分析聚氨酯纳米织物中的的多孔结构，研究团队基于聚氨酯纳米织物的微观结构提出了有限元仿真模型，该模型基于朗伯比尔定律计算入射光与透射光光强之间的关系，模拟了不同吸汗量状态下纳米织物的厚度变化和对应的透光度变化。该理论解释了纳米织物的透光度变化的原因，对指导织物型体液传感器设计具有重要意义。

图4. 不同吸汗量状态下纳米织物的透光率以及有限元模型仿真结果

通过观察记录单位面积的聚氨酯纳米织物吸收不同体积的汗液后的状态，可以得到不同透光率的聚氨酯纳米织物图像。研究团队构建了包含了4种汗液梯度的聚氨酯纳米织物图片的共735张图片的数据集用于后续汗液检测模型的构建。

图5. 四分类的纳米织物图片数据集以及不同透光率纳米织物对应的RGB数值

为了实现对纳米织物的吸汗量进行高准确率分类，排除皮肤颜色、光线和背景等因素的影响，研究团队首次将目标检测算法YOLOv3运用在了对纳米织物的状态分类中。算法包含5次下采样来提取纳米织物在不同尺度和角度下的特征，然后通过3次上采样融合生成3个特征图进行目标检测。这有助于模型捕捉不同大小和性状的纳米织物图案。将纳米织物图片数据集作为数据库用于训练YOLOv3模型，训练后模型对纳米织物吸汗量的分类准确率高达97.0%。

图6.聚氨酯纳米织物与YOLOv3目标检测算法结合用于排汗量检测。

中山大学生物医学工程学院是论文第一单位，中山大学生物医学工程学院21级本科生陈泓宇、许思烨是文章的共同第一作者，中山大学乔彦聪助理教授和周建华教授是论文的通讯作者，该研究成果得到了国家自然基金青年基金项目，深圳市优秀科技创新人才培养项目项目，广东省传感技术与生物医疗仪器重点实验室以及清华大学北京信息科学与技术国家研究中心开放课题的支持。

论文链接: https://onlinelibrary.wiley.com/doi/full/10.1002/adfm.202309798

版权与免责声明：中国聚合物网原创文章。刊物或媒体如需转载，请联系邮箱：info@polymer.cn，并请注明出处。

（责任编辑：xu）

【大中小】【打印】【关闭】

诚邀关注高分子科技

更多>>最新资讯

更多>>科教新闻