柔性应变传感器作为一种可以感知外部力学变化的设备，可以测量因外力产生的机械形变，并将其转化为电信号或其他方便检测的信号，其对外部力的检测依靠敏感材料完成比如碳材料、金属纳米粒子等等，其中激光诱导石墨烯被广泛应用于传感器制造中。目前制备方法简单且具有高灵敏度称为决定柔性应变传感器能否被广泛应用的重要因素，因此开发具有高灵敏度、制备简单的柔性应变传感器具有重要意义。

　　近日，鲁东大学陈雪叶团队以2022级研究生邹绩旭为第一作者，陈雪叶教授为通讯作者在《ACS Applied Materials & Interfaces》期刊发表名为“Bionic spider web flexible strain sensor based on CF-L and machine learning”的论文。研究者利用机器学习简化了激光诱导石墨烯的制备流程，利用激光在Ecoflex/LIG膜表面构建仿生蜘蛛网结构，利用该结构制备了具有蜘蛛网结构的柔性应变传感器。该制备方法不受任何条件限制，具有广泛的适用性。

　　此外，制备的应变传感器具有良好的性能，具有宽的工作范围（0-30%）、较快的响应（响应时间200ms及300ms的恢复时间）、较好的耐久性和稳定性以及长期有效性(重复测试500次后性能稳定)。该应变传感器可以用于检测实验者的手部运动，还可以检测实验者吞咽时的喉结运动，研究结果表明该应变传感器在动作识别领域具有良好的应用前景。

　　图1. 机器学习的预测参数。(A)预测过程中各组数据与实际数据之间的相关性分别为训练集(A)、验证集(b)、测试集(c)和总体数据(d).(B)预测值与实际值的对比图。(C)预测值与实际值之间的误差直方图。

　　图2.预测前和预测后石墨烯制备的差异。预预测前和预预测后石墨烯的(A) U-I曲线。(B)预预测石墨烯表面形貌。(C)预测后的石墨烯表面形貌

　　图3. LIG的表征图。(A)用二氧化碳激光器制备的LIG。(B)超深场显微镜下的表面形貌。LIG的(C)拉曼光谱。1000倍时LIG的(D) SEM图像。(E)5000倍时LIG的扫描电镜图像。(F)Ecoflex填充后的SEM图像。

　　图4.传感器的性能特性描述。(A)拉伸试验用张力计。(B) U-I图像的0-100%的张力。(C)在10%、20%、30%张力时的梯度变化。(D)应变的阶跃响应随10%的梯度变化。(E)在20%应变状态下的耐久性试验。(F)传感器响应时间和恢复时间检测。

　　图5. 传感器用于检测信号。(A)对食指运动的信号监测。(B)对握紧拳头运动的信号监测。(C)信号监测吞咽动作。

　　小结：本文受自然仿生学启发设计并成功制备了具有蜘蛛网结构的柔性应变传感器，传感器的传感部分由LIG构成，为了制备出性能优良的LIG，采用了人工智能中的机器学习对LIG的制备参数进行预测，并成功利用预测参数制备LIG，较之前制备的LIG在性能与形貌都有较大提升。传感器又进行了手指弯曲、握拳、吞咽动作的监测，在测试过程中传感器表现出良好的性能。所制备的蜘蛛网结构传感器具有宽的工作范围（0-30%）、较快的响应（响应时间为260ms，恢复时间为300ms）、较好的耐久性(重复测试500次后性能依旧稳定)和稳定性以及长期有效性，此外该传感器还具有制备流程简单、成本低等特点。研究结果表明该应变传感器在动作识别领域具有良好的应用前景。