西安工程大学余灵婕团队：人造血管支架启发的机器学习辅助可穿戴手势识别系统！

随着科学技术的发展，可穿戴电子设备在医疗健康、机器人技术、人机交互和人工智能等领域颇具应用前景。数据手套作为穿戴设备的一种，为虚拟现实系统提供了一种全新的交互手段。传统的数据手套，较多使用应变传感器来感知手部运动信号。并且导电聚合物材料以及碳基材料等由于其非凡的拉伸性和织物集成的可行性，一直是集成到智能手套和智能服装等可穿戴设备中的首选。

近期，西安工程大学余灵婕团队受人造血管支架结构的启发，为可穿戴传感器的制备提供了一种新的范式——将金属丝作为制备可穿戴弯曲传感器的材料选择。结合商用压力传感器，制备了一个低成本，高灵敏的多通道数据手套，利用机器学习算法成功分类了10种不同的手势。

由于金属丝本身具有一定的硬度和刚性，难以像普通纱线一样直接在传统的机织或针织机上进行织造，导致其很难直接集成于柔性智能穿戴设备中。因此受人造血管支架结构的启发，研究通过编织的方法，模仿纺织中两种常见结构（平纹组织结构和针织线圈结构）在特定的编织模具上将金属丝制成具有一定弹性、柔性和弯曲性能的管状结构来作为弯曲传感器。将这个管状结构集成在手套上，来测量每个手指关节处的弯曲信息。另外，研究还对比了不锈钢软丝，铜软丝和银软丝这三种金属丝所制成的传感器的传感性能。其中还对弯曲传感器的五种不同（6头，8头，10头，12头和14头）的编织密度做了对比研究，以探讨最合适的编织密度。因此，在一系列实验评估后，最终在三种金属丝和五种编织密度中选择了不锈钢软丝和10头编织密度所制成的弯曲传感器。这种使用金属丝编织成管状的弯曲传感器，成本低廉，稳定性好，灵敏度高，编织结构赋予了金属丝较强的柔性可弯曲性，能够更加全面地感知手指的运动信息。同时将多个压力传感器分别放置在手套上的各个指尖处，用于感知指尖压力。该数据手套，采用了多通道的数据传输模式，通过集成电路将手部的弯曲和压力信号传输到电脑终端上进行后续的数据处理和分析。并利用机器学习-SVM（Support Vector Machine）对不同手势进行识别。

研究成果总结成题“Artificial Vascular Stent-Inspired Bending Sensors Embedded in A Data Glove for Hand Gesture Recognition”发表在IEEE Sensors Journal（DOI：10.1109/JSEN.2023.3306045）上。文章第一作者为西安工程大学硕士研究生董晗睿，共同第一作者为西安工程大学支超副教授，通讯作者为西安工程大学纺织科学与工程学院余灵婕副教授。此外，西安工程大学孙润军教授，西安工程大学董子靖副教授，青岛大学王聪儿博士，太原理工大学张钰晶博士也参与了这项工作。

图1. a）弯曲传感器两种结构的制备方法及其与压力传感器的放置位置。b）集成电路设计。c）所要识别的10个手势。d）弯曲传感器弯曲时的传感机制图。e）机器学习采用SVM算法。f）手势识别系统的整体流程图。

图2. 编织两种不同结构弯曲传感器的模具设计及其展开图。并展示了牙签插入过程，牙签作为编织时的固定点。

图3. 由10头编织密度，不锈钢软丝制成的弯曲传感器的重复性实验。在平纹组织结构a）和线圈结构b）中，施加不同压缩变形（20%、40%、60%、80%）下传感器的电阻归一化响应随时间的变化。在平纹组织结构c）和线圈结构d）中不同手指弯曲状态下传感器的电阻归一化响应随时间的变化。

图4. 手势模式识别。a）所设计的十个手势。b）十种不同手势中每个手指的电压信号。c）十折交叉验证的原理和结果示意图。d）分类识别结果的混淆矩阵。

文章所介绍的数据手套，以金属丝为制备材料，为多通道数据手套的制作提供了一种新方法。研究团队在制备过程中巧妙地融合了金属丝的特性，实现了低成本、高灵敏的多通道数据手套。这项研究为金属材料在柔性可穿戴器件中的应用提供了新思路。

*感谢论文作者团队对本文的大力支持。