- 智能紡織品傳感器感知用戶的移動方式
- 來源：賽斯維傳感器網 發表于 2022/7/12
麻省理工學院的研究人員使用一種新穎的制造工藝，生產出貼合身體的智能紡織品，因此它們可以感知穿著者的姿勢和動作。來源：Irmandy Wicaksono
麻省理工學院的研究人員使用一種新穎的制造工藝，生產出貼合身體的智能紡織品，因此它們可以感知穿著者的姿勢和動作。
通過加入一種特殊類型的塑料紗線并使用熱量將其輕微熔化——這一過程稱為熱成型——研究人員能夠大大提高編織到多層針織紡織品中的壓力傳感器的精度，他們稱之為 3DKnITS。
他們利用這個過程創建了一個“智能”鞋和墊子，然后構建了一個硬件和軟件系統來實時測量和解釋來自壓力傳感器的數據。機器學習系統以大約 99% 的準確率預測站在智能紡織墊上的個人所執行的動作和瑜伽姿勢。
麻省理工學院媒體實驗室的研究助理、一篇介紹 3DKnITS 的論文的主要作者 Irmandy Wicaksono 說，他們的制造過程利用了數字針織技術，可以實現快速原型制作，并且可以輕松擴大規模以進行大規模制造。
該技術可以有許多應用，特別是在醫療保健和康復方面。例如，它可以用來生產跟蹤受傷后重新學習走路的人的步態的智能鞋，或監測糖尿病患者足部壓力以防止形成潰瘍的襪子。
“通過數字針織，您可以自由設計自己的圖案，并將傳感器集成到結構本身中，因此它變得無縫且舒服，您可以根據自己的身體形狀進行開發，”Wicaksono 說。
他通過本科生研究機會計劃與麻省理工學院本科生 Peter G. Hwang、Samir Droubi 和 Allison N. Serio 一起撰寫了這篇論文；剛從韋爾斯利學院畢業的吳曦；南洋理工大學助理教授魏燕；和作者 Joseph A. Paradiso，Alexander W. Dreyfoos 教授兼媒體實驗室響應環境小組主任。該研究將在 IEEE 醫學和生物學工程學會會議上發表。
“一些關于智能織物的早期開創性工作發生在 90 年代后期的媒體實驗室。從那時起，材料、嵌入式電子設備和制造機器都取得了巨大的進步，”帕拉迪索說。“現在是看到我們的研究回到這一領域的好時機，例如通過像 Irmandy 這樣的項目——他們指出了一個令人興奮的未來，傳感和功能更流暢地擴散到材料中，并開辟了巨大的可能性。”
為了生產智能紡織品，研究人員使用數字針織機將多層織物與成排的標準和功能性紗線編織在一起。多層針織紡織品由兩層導電紗線編織而成，夾在壓阻式針織物周圍，擠壓時會改變其電阻。按照圖案，機器將這種功能性紗線按水平和垂直行縫合在整個紡織品中。Wicaksono 解釋說，在功能性纖維相交的地方，它們形成了一個壓力傳感器。
但是紗線柔軟而柔韌，因此當穿著者移動時，這些層會移動并相互摩擦。這會產生噪音并導致可變性，從而使壓力傳感器的準確性大大降低。
Wicaksono 在中國深圳的一家針織廠工作時想出了解決這個問題的方法，在那里他花了一個月的時間學習編程和維護數字針織機。他看到工人使用熱塑性紗線制作運動鞋，當加熱到 70 攝氏度以上時會開始熔化，這會使紡織品稍微變硬，因此可以保持準確的形狀。
“熱成型確實解決了噪音問題，因為它通過基本上將整個織物擠壓和熔化在一起，將多層織物硬化成一層，從而提高了準確性。熱成型還允許我們創建 3D 形式，如襪子或鞋子，實際上適合用戶的準確尺寸和形狀，”他說。
一旦完善了制造過程，Wicaksono 就需要一個系統來準確處理壓力傳感器數據。由于織物是像網格一樣編織的，他制作了一個無線電路，可以掃描織物上的行和列，并測量每個點的電阻。他設計了這個電路來克服由“重影”模糊引起的偽影，當用戶同時在兩個或多個單獨的點上施加壓力時會發生這種情況。
受圖像分類深度學習技術的啟發，Wicaksono 設計了一個系統，將壓力傳感器數據顯示為熱圖。這些圖像被饋送到機器學習模型中，該模型經過訓練以根據熱圖圖像檢測用戶的姿勢、姿勢或運動。
一旦模型經過訓練，它可以以 99.6% 的準確率對用戶在智能墊上的活動（走路、跑步、做俯臥撐等）進行分類，并且可以以 98.7% 的準確率識別七種瑜伽姿勢。
他們還使用圓形針織機制作了一款合身的智能紡織鞋，在整個 3D 紡織品上分布有 96 個壓力感應點。當穿著者踢足球時，他們使用鞋子來測量施加在腳不同部位的壓力。
3DKnITS 的高精度使其可用于假肢應用，其中精度至關重要。Wicaksono 說，智能紡織襯里可以測量假肢施加在插座上的壓力，使假肢師能夠輕松查看設備的貼合度。
他和他的同事也在探索更具創造性的應用。他們與聲音設計師和當代舞者合作，開發了一種智能紡織地毯，可以根據舞者的腳步驅動音符和音景，以探索音樂和舞蹈之間的雙向關系。這項研究近期在 ACM 創造力和認知會議上發表。
“我了解到跨學科合作可以創造一些非常獨特的應用程序，”他說。
既然研究人員已經證明了他們的制造技術的成功，Wicaksono 計劃改進電路和機器學習模型。目前，模型可以先針對每個人進行校準，然后才能對動作進行分類，這是一個耗時的過程。刪除該校準步驟將使 3DKnITS 更易于使用。研究人員還希望在實驗室外對智能鞋進行測試，以了解溫度和濕度等環境條件如何影響傳感器的準確性。
“看到技術以如此有意義的方式進步總是令人驚訝。想到我們穿的衣服，袖子或襪子，可以通過其三維結構用于傳感的方式來創造，真是令人難以置信，埃里克·伯克森（Eric Berkson）說，他沒有參與這項研究，他是哈佛醫學院整形外科助理教授、麻省總醫院運動醫學整形外科醫生。“在醫療領域，特別是在骨科運動醫學中，該技術提供了更好地檢測和分類運動以及識別現實世界（實驗室外）情況下的力分布模式的能力。這種思維方式將增強傷害預防和檢測技術，并有助于評估和指導康復。”
- 如果本文收錄的圖片文字侵犯了您的權益，請及時與我們聯系，我們將在24內核實刪除，謝謝！
