大深柔性传感器及应用

来源:大深

作者:-

发布时间:2025-07-24

阅读量:3

大深柔性传感器


大深柔性传感器(配备压力/温度/化学/生物信号等多模式传感测量功能),具备可弯曲、可拉伸、可折叠等特性,采用原子团簇墨水及高密度柔性传感阵列打印技术(一种在原子或分子层面上进行精确操控,以制造出具有特定属性和功能的纳米结构或材料的制造技术),可模仿人手结构、皮肤形态、人手触感,可检测多维力、温度、震动、滑动、纹理等,适用于人形、脑机通讯、尖端医疗、航空航天、军工等众多领域。





01

#

  识别植物的生长时期

#


传统的植物生长监测方法往往依赖于人工观察、记录和分析,这种方法耗时费力且易受主观因素影响。


大深柔性触觉传感器具有高灵敏度、高柔韧性、响应速度快、延展性高等特点,甚至可以自由弯曲折叠,非常适合用于与植物等不规则表面进行接触监测。在植物生长过程中,了解其生长时期对于农业生产、植物学研究等领域具有重要意义。


实时监测植物生理状态:柔性触觉传感器可以贴附在植物表面,实时监测植物的水分、养分传输情况,以及植物对环境压力的响应等生理状态。这些数据有助于了解植物的生长状况,从而间接推断其生长时期。 


无损监测:与传统的侵入式监测方法相比,柔性触觉传感器对植物造成的物理伤害较小,可以实现无损监测。这对于保护植物健康、促进植物生长具有重要意义。 


多维度感知:大深柔性触觉传感器能够感知多种触觉输入,如压力、温度、湿度等,为植物生长监测提供了更丰富的信息。这些信息有助于更全面地了解植物的生长环境和生理状态。




02

#

识别不同生长时期的树叶

#



由于植物的粗糙度、硬度以及含水量的不同,这些因素会导致收集到的植物电信号有所差异。所以,某一状态下的植物实际上会输出一种特定的电信号。


测量树叶特性:柔性触觉传感器可以测量树叶在特定条件下的电荷量存储情况、电流通过树叶的难易程度以及接触力等关键数据。这些数据能够反映树叶在不同生长时期的生理状态,如水分含量、硬度、表面纹理等。


识别不同生长时期的树叶:通过机器学习算法对柔性触觉传感器采集的数据进行处理和分析,可以实现对不同生长时期树叶的准确识别。例如,经过机器学习后,用集成到指套上的传感器进行羊蹄甲生长状况的识别,从嫩叶到脱落阶段,识别准确率可达100%。


实时监测与反馈:柔性触觉传感器可以贴附在树叶表面或集成到系统中,实现实时监测树叶的生长状态和变化。当树叶的某些特性发生变化时,传感器能够及时感知并反馈相关信息,为植物研究和农业生产提供重要参考。




03

#

识别不同种类树叶

#


在实际应用中,柔性触觉传感器通常会结合多种感知机制来综合评估树叶的特性。例如,同时测量粗糙度、离子电导率、含水量和硬度等指标,以实现对不同种类树叶的全面识别。


大深柔性触觉传感器具有高精度、实时监测等优点。它们不受光照条件、天气变化或背景干扰等因素的影响,能够在各种环境下稳定工作。大深柔性触觉传感器还可以与机器学习算法相结合,实现对树叶特性的智能分析和识别。







04

#  植物的健康监测

#



柔性触觉传感器能够实时监测植物在浇水后的这些生理反应,为植物健康监测提供重要数据支持。


实时监测离子电导率:传感器通过感知植物体内的离子浓度变化来评估其健康状况。离子电导率的降低和上升过程可以反映植物吸水和离子平衡调整的能力。


监测电容值与电阻值的变化:电容值和电阻值的变化可以反映植物细胞膜的完整性和电解质溶液的导电性,从而间接评估植物的水分状态和生理活性。


提供早期预警:通过连续监测这些参数的变化趋势,柔性传感器可以在植物出现生理异常时提供早期预警,帮助农民或园艺工作者及时采取措施调整灌溉策略或处理潜在的病虫害问题。



05

#

双模态传感器用于植物识别

#



大深柔性传感器(压阻-压容双模态传感器)结合了压阻和压容两种传感机制,能够同时感知压力大小和电容变化,从而提供更丰富的信息。这有助于更全面地了解植物的生理状态和生长环境。通过贴附在植物表面或嵌入到植物组织中,双模态传感器可以实时监测植物的水分传输、养分吸收以及环境压力响应等生理状态。这些信息对于农业生产、植物学研究等领域具有重要意义。


不同种类的植物在叶片形状、硬度、水分含量等方面存在差异。双模态传感器可以通过测量这些差异来区分不同的植物种类。此外,结合机器学习算法,大深柔性传感器可以实现对植物种类的智能识别。




06

#

肉类的新鲜度检测

#


大深柔性触觉传感器利用电阻和电容特性来检测猪肉新鲜度是一种创新的检测方法,这种方法基于肉类在变质过程中物理和化学性质的变化。猪肉在变质过程中,其内部的细胞结构和水分含量会发生变化,这些变化会导致猪肉的电阻值发生变化。通过测量猪肉的电阻值,可以间接反映其新鲜度。


0
0
收藏

免责声明

  • 1、本文内容版权归属原作者、原发表出处。若版权所有方对本文的引用持有异议,请联系感算商城(service@gansuan.com),我方将及时处理。
  • 2、本文的引用仅供读者交流学习使用,不涉及商业目的。
  • 3、本文内容仅代表作者观点,感算商城不对内容的准确性、可靠性或完整性提供明示或暗示的保证。读者阅读本文后做出的决定或行为,是基于自主意愿和独立判断做出的,请读者明确相关结果。
  • 4、如需转载本方拥有版权的文章,请联系感算商城(service@gansuan.com)注明“转载原因”。未经允许私自转载感算商城将保留追究其法律责任的权利。
在线客服 微信咨询 0 样品清单 浏览足迹 有奖反馈 回顶部