【Nano Energy】一种用于高准确度物体识别的摩擦电-电感复合触觉传感器
研究背景 触觉传感器可以帮助机器人识别接触物体的一些物理属性。然而，由于目标物体的多样性和动态特性，以及现实环境的复杂性，实现触觉传感器对物体的准确识别有很大挑战。自2012年王中林教授课题组将摩擦电现象用于能量转换以来，该现象现已广泛用于低频机械能采集和自供能传感系统。摩擦电传感器的输出信号由摩擦接触层和目标物体表面的电荷互动决定，因而通过简单的接触分离模式，摩擦电传感器可以提取物体表面的电荷特征。同时，摩擦电信号也受到接触速度、物体软硬度、环境温湿度等多种干扰项的影响。另一方面，目标物体的电磁感应是其固有的物理属性之一，与物体的形状、组成、导电性等因素有关。电磁场能穿透大多数物体，因而电感传感器可以克服摩擦电传感器只能识别物体表面特性的局限。因此，将两者结合可以有效提升机器人触觉传感器识别物体的能力。 文章概述 深圳大学物理与光电工程学院彭争春课题组近期提出了一种双模态的触觉传感器，将摩擦电传感器阵列与电感传感器集成在机器人灵巧手同一位点，并将从不同目标物体上采集到的摩擦电信号和电磁感应信号反馈给机器学习模型，实现了高准确度的物体识别。该研究成果以“A triboelectric-inductive hybrid tactile sensor for highly accurate object recognition”为题发表在Nano Energy上。深圳大学物理与光电工程学院彭争春教授与孟博助理教授为论文共同通讯作者，副研究员李宁与硕士研究生尹柱辉为共同第一作者，深圳大学为论文第一单位。 图文导读 图1：摩擦电-电感复合传感器的结构示意图及传感信号特征 摩擦电-电感复合传感器的结构示意图及传感信号特征如图1所示，其中摩擦电传感器用于识别目标物体表面材料的得失电子能力，电感传感器用于表征目标物体的电磁感应特征，如图2所示。 图2：复合传感器采集8种水果的双模信号特征 本研究工作采用一维卷积神经网络（1D-CNN）对两种传感信号数据进行处理和分析,可实现对物体的有效辨识，对8种不同水果的识别准确率达到98.75%（图3）。相比之下，基于单摩擦电信号的识别准确率只有87.81%，说明双模传感信号可以有效提升识别准确率。同时，本研究工作验证了该复合传感器对机械手与目标物之间的接触动力学差异、环境温湿度差异、水果成熟度差异等干扰项的鲁棒性（具体见Supplementary Material）。 图3：复合传感器对8种水果的辨识 多数物体在生产运输过程中往往带有不同的包装，本研究工作选用纸袋、PVC塑料袋、泡沫塑料袋分别包装四种水果，构建了16个测试样本对双模态复合传感器的性能进行验证。结果表明，复合传感器对16个样本的识别准确率达到了95.93%，远高于单摩擦电传感器的识别准确率（63.43%）。 图4：复合传感器用于识别16种带包装的物品 结论 集成摩擦电效应和电感效益的双模态触觉传感器可以同时感知目标物体表面的电荷交互特性和内部的电磁感应特性。采用一维卷积神经网络对该复合触觉传感器采集的信号进行机器学习，可有效提升机器人对不同种类水果的识别准确率，有望应用于智能分拣等领域。未来，将基于触觉的物体识别技术与视觉技术相结合，将大幅度提升机器人的智能化水平。 原文链接： https://www.sciencedirect.com/science/article/pii/S2211285522001471 编辑｜Brilliance 审核｜萧瑟 邀请｜Wei
查看全文
作者最近更新
-
【Nano Energy】一种用于高准确度物体识别的摩擦电-电感复合触觉传感器纳米发电机
2022-05-20 -
用于数字孪生技术的三维扫描传感器纳米发电机2022-04-02
评论0条评论