Представлена передовая система измерения влажности, способная отслеживать поведение человека в режиме реального времени посредством обнаружения респираторных паттернов. Эта прорывная технология объединяет высокочувствительный датчик влажности с термистором и микронагревателем, что обеспечивает исключительную точность распознавания поведения.
Используя пористые нанолеса в качестве чувствительного материала, система демонстрирует замечательную чувствительность, стабильность и селективность к газу. Благодаря дополнительной мощности алгоритмов машинного обучения система достигает впечатляющей точности в 96,2% при определении поведения человека, позиционируя ее как революционный игрок в здравоохранении, умных домах и ежедневном мониторинге здоровья.
Распознавание человеческого поведения становится все более важным в различных областях, от здравоохранения до автоматизации умного дома. Традиционные методы, такие как видеоанализ и носимые устройства, часто сталкиваются с проблемами конфиденциальности, ограничениями окружающей среды и необходимостью использования нескольких датчиков. Дыхание, ключевой физиологический сигнал, меняется в зависимости от различных физических условий, что делает его многообещающей метрикой для распознавания поведения.
Однако современные датчики влажности не обладают достаточной чувствительностью и стабильностью, особенно при обнаружении тонких изменений дыхания, таких как быстрое или слабое дыхание. Этот пробел выявил настоятельную необходимость в усовершенствованных датчиках, способных точно отслеживать и анализировать поведение человека в режиме реального времени.
Исследователи из Института микроэлектроники Китайской академии наук представили захватывающую разработку — новую систему измерения влажности, подробно описанную в журнале Microsystems & Nanoengineering от 22 января 2025 года.
Эта система включает в себя термистор и микронагреватель с пористыми нанолесами в качестве чувствительного материала, достигая впечатляющей точности в 96,2% при распознавании поведения человека посредством мониторинга дыхания. Интеграция машинного обучения еще больше повышает способность системы предоставлять анализ в реальном времени, подготавливая почву для преобразующих приложений в здравоохранении и технологиях умного дома.
В основе этого исследования лежит инновационный датчик влажности, использующий пористые нанолеса (NF). Датчик работает в диапазоне относительной влажности (RH) 60–90% и имеет чувствительность 0,56 пФ/%RH. Микронагреватель увеличивает его чувствительность в 5,8 раза, что позволяет обнаруживать даже самые незначительные изменения влажности в выдыхаемом воздухе. Включение термистора позволяет осуществлять точный мониторинг температуры, гарантируя долгосрочную стабильность и точность. Благодаря быстрому времени отклика всего 2,2 секунды и превосходной селективности к газу датчик идеально подходит для мониторинга дыхательной активности.
Распознавание поведения осуществляется с помощью сверточной нейронной сети (CNN), которая анализирует данные датчика о влажности, температуре и времени. Преобразуя эти одномерные сигналы в трехмерные карты, система может классифицировать девять распространенных видов поведения, таких как ходьба, сон и физические упражнения, с высокой степенью точности (96,2%). Интегрированный в маску, датчик непрерывно собирает данные о дыхании, которые по беспроводной связи передаются на смартфоны или компьютеры для анализа. Это бесшовное слияние аппаратного и программного обеспечения демонстрирует огромный потенциал системы для практического использования в здравоохранении и повседневной жизни.
