中山大學(xué)周建華/喬彥聰團(tuán)隊(duì) AFM：Nanomesh-YOLO - 基于納米織物和深度學(xué)習(xí)目標(biāo)檢測算法的智能比色法電子皮膚
10月21日，中山大學(xué)生物醫(yī)學(xué)工程學(xué)院周建華教授/喬彥聰助理教授團(tuán)隊(duì)在納米材料領(lǐng)域重要期刊《Advanced Functional Materials》上發(fā)表了題為《Nanomesh-YOLO: Intelligent Colorimetry E-skin Based on Nanomesh and Deep Learning Object Detection Algorithm》的研究論文，通過充分發(fā)揮聚氨酯納米織物優(yōu)異的吸水性、拉伸性、皮膚保形性等一系列性能，實(shí)現(xiàn)了可以用作汗液傳感器的納米織物式電子皮膚。通過與目標(biāo)檢測算法YOLOv3配合，最終實(shí)現(xiàn)了高準(zhǔn)率識別納米織物的吸汗量智能檢測，該工作有望用于運(yùn)動過程中身體實(shí)時狀態(tài)檢測。
圖1. 基于納米織物和目標(biāo)檢測算法的智能比色法電子皮膚示意圖。
隨著社會經(jīng)濟(jì)的發(fā)展和全民運(yùn)動的風(fēng)潮興起，人們對于運(yùn)動過程中生理信號檢測的需求日漸加強(qiáng)。排汗是人體在運(yùn)動時候重要的生理過程，是身體調(diào)節(jié)體溫的一種重要方式。準(zhǔn)確監(jiān)測排汗量對于評估身體狀態(tài)以及運(yùn)動強(qiáng)度至關(guān)重要。然而目前的排汗量檢測主要基于微流控裝置進(jìn)行汗液采集和測量，通過化學(xué)反應(yīng)產(chǎn)生顏色變化，利用比色法推測出排汗量。但是微流道裝置的制造復(fù)雜性和高成本以及比色法的化學(xué)試劑安全等問題仍有待解決。納米織物由于其極薄的厚度，多孔性以及良好的機(jī)械性能，能夠無感覺佩戴同時監(jiān)測各種生理信號；谖锢硖匦耘c實(shí)際需求，中山大學(xué)生物醫(yī)學(xué)工程學(xué)院周建華教授/喬彥聰助理教授團(tuán)隊(duì)通過靜電紡絲的方法實(shí)現(xiàn)了聚氨酯納米織物制備。聚氨酯納米織物具有極薄的厚度(14.75μm)和多孔結(jié)構(gòu)(孔隙率為44%)。
圖2. 聚氨酯納米織物的制備和表征。
由于聚氨酯納米織物極薄的厚度，其具有良好的皮膚保形性。通過比較不同濕潤度的聚氨酯納米織物與手指的OCT圖像，可以發(fā)現(xiàn)吸收汗液后的聚氨酯納米織物覆蓋在手指上，手指的指紋仍清晰可見。這一觀察結(jié)果表明，聚氨酯納米織物能夠保持與皮膚的長時間的良好貼合。
圖3. 不同吸汗量納米織物與手指的OCT圖片及其與良好的皮膚保形性。
由于納米織物的多孔結(jié)構(gòu)，其通過毛細(xì)作用吸收汗液后可以增加自身的透光率，實(shí)驗(yàn)表明在吸收6 μL汗液后，聚氨酯納米織物的厚度膨脹了362.37%，透光率的變化率達(dá)到277.78%。通過分析聚氨酯納米織物中的的多孔結(jié)構(gòu)，研究團(tuán)隊(duì)基于聚氨酯納米織物的微觀結(jié)構(gòu)提出了有限元仿真模型，該模型基于朗伯比爾定律計算入射光與透射光光強(qiáng)之間的關(guān)系，模擬了不同吸汗量狀態(tài)下納米織物的厚度變化和對應(yīng)的透光度變化。該理論解釋了納米織物的透光度變化的原因，對指導(dǎo)織物型體液傳感器設(shè)計具有重要意義。
圖4. 不同吸汗量狀態(tài)下納米織物的透光率以及有限元模型仿真結(jié)果
通過觀察記錄單位面積的聚氨酯納米織物吸收不同體積的汗液后的狀態(tài)，可以得到不同透光率的聚氨酯納米織物圖像。研究團(tuán)隊(duì)構(gòu)建了包含了4種汗液梯度的聚氨酯納米織物圖片的共735張圖片的數(shù)據(jù)集用于后續(xù)汗液檢測模型的構(gòu)建。
圖5. 四分類的納米織物圖片數(shù)據(jù)集以及不同透光率納米織物對應(yīng)的RGB數(shù)值
為了實(shí)現(xiàn)對納米織物的吸汗量進(jìn)行高準(zhǔn)確率分類，排除皮膚顏色、光線和背景等因素的影響，研究團(tuán)隊(duì)首次將目標(biāo)檢測算法YOLOv3運(yùn)用在了對納米織物的狀態(tài)分類中。算法包含5次下采樣來提取納米織物在不同尺度和角度下的特征，然后通過3次上采樣融合生成3個特征圖進(jìn)行目標(biāo)檢測。這有助于模型捕捉不同大小和性狀的納米織物圖案。將納米織物圖片數(shù)據(jù)集作為數(shù)據(jù)庫用于訓(xùn)練YOLOv3模型，訓(xùn)練后模型對納米織物吸汗量的分類準(zhǔn)確率高達(dá)97.0%。
圖6.聚氨酯納米織物與YOLOv3目標(biāo)檢測算法結(jié)合用于排汗量檢測。
中山大學(xué)生物醫(yī)學(xué)工程學(xué)院是論文第一單位，中山大學(xué)生物醫(yī)學(xué)工程學(xué)院21級本科生陳泓宇、許思燁是文章的共同第一作者，中山大學(xué)喬彥聰助理教授和周建華教授是論文的通訊作者，該研究成果得到了國家自然基金青年基金項(xiàng)目，深圳市優(yōu)秀科技創(chuàng)新人才培養(yǎng)項(xiàng)目項(xiàng)目，廣東省傳感技術(shù)與生物醫(yī)療儀器重點(diǎn)實(shí)驗(yàn)室以及清華大學(xué)北京信息科學(xué)與技術(shù)國家研究中心開放課題的支持。
論文鏈接: https://onlinelibrary.wiley.com/doi/full/10.1002/adfm.202309798
