Slimme vochtigheidssensor bewaakt menselijk gedrag door middel van ademhalingspatronen

Een geavanceerd gevoel voor vochtigheid is onthuld, dat in realtime menselijk gedrag in staat is om menselijk gedrag te monitoren door de ademhalingspatronen. Deze doorbraaktechnologie integreert een zeer gevoelige vochtigheidssensor met een thermistor en micro-inheater, waardoor een uitzonderlijke nauwkeurigheid in gedragsherkenning mogelijk is.

Door poreuze nanoforests als het detectiemateriaal te gebruiken, vertoont het systeem opmerkelijke gevoeligheid, stabiliteit en gasselectiviteit. Met de toegevoegde kracht van machine learning-algoritmen bereikt het systeem een ​​indrukwekkende 96,2% nauwkeurigheid bij het identificeren van menselijk gedrag, het positioneren als een game-wisselaar in de gezondheidszorg, slimme huizen en dagelijkse gezondheidsmonitoring.

Herkenning van menselijk gedrag is in verschillende domeinen in toenemende mate van vitaal belang geworden, van gezondheidszorg tot smart home -automatisering. Traditionele methoden, zoals video -analyse en draagbare apparaten, worden vaak geconfronteerd met privacyproblemen, milieubeperkingen en de behoefte aan meerdere sensoren. Ademhaling, een belangrijk fysiologisch signaal, verandert met verschillende fysieke omstandigheden, waardoor het een veelbelovende statistiek is voor gedragherkenning.

De huidige vochtigheidssensoren schieten echter tekort in termen van gevoeligheid en stabiliteit, met name bij het detecteren van subtiele ademhalingsverschuivingen, zoals snelle of zwakke ademhaling. Deze kloof heeft de dringende behoefte aan geavanceerde sensoren benadrukt die in staat zijn om menselijk gedrag nauwkeurig te volgen en te analyseren in realtime.

In een opwindende ontwikkeling hebben onderzoekers van het Institute of Microelectronics van de Chinese Academie van Wetenschappen een nieuw vochtigheidssysteem geïntroduceerd, gedetailleerd in Microsystems & nanoengineering op 22 januari 2025.

Dit systeem bevat een thermistor en micro-inheater met poreuze nanoforests als het detectiemateriaal, waardoor een indrukwekkende nauwkeurigheid van 96,2% wordt bereikt bij het herkennen van menselijk gedrag door middel van ademhalingsmonitoring. De integratie van machine learning verbetert verder het vermogen van het systeem om realtime analyse te bieden, waardoor de fase wordt ingesteld voor transformatieve toepassingen in gezondheidszorg en smart home-technologieën.

De kern van dit onderzoek is de innovatieve vochtigheidssensor die poreuze nanoforests (NFS) gebruikt. De sensor werkt binnen een vochtbereik van 60-90% relatieve vochtigheid (RH) en heeft een gevoeligheid van 0,56 pf/% RV. Een micro-verzet verbetert zijn gevoeligheid met 5,8 keer, waardoor zelfs de zwakste vochtveranderingen in uitgeademde lucht kunnen worden gedetecteerd. De opname van een thermistor zorgt voor precieze temperatuurbewaking, waardoor stabiliteit en nauwkeurigheid op de lange termijn zorgt. Met een snelle responstijd van slechts 2,2 seconden, samen met uitstekende gasselectiviteit, is de sensor ideaal geschikt voor het bewaken van de ademhalingsactiviteit.

Gedragherkenning wordt aangedreven door een convolutioneel neuraal netwerk (CNN) dat de vochtigheid, temperatuur- en tijdgegevens van de sensor analyseert. Door deze eendimensionale signalen om te zetten in driedimensionale kaarten, kan het systeem negen gemeenschappelijk gedrag classificeren, zoals wandelen, slapen en sporten, met een hoge mate van nauwkeurigheid (96,2%). Geïntegreerd in een masker, verzamelt de sensor continu ademhalingsgegevens, die draadloos worden verzonden naar smartphones of computers voor analyse. Deze naadloze fusie van hardware en software toont het enorme potentieel van het systeem voor praktisch gebruik in de gezondheidszorg en het dagelijkse leven.

Dr. Haiyang Mao, de hoofdonderzoeker van de studie, benadrukte het belang van deze doorbraak: “Dit innovatieve sensing-systeem voor vochtigheid is een belangrijke sprong voorwaarts in realtime gedragsherkenning. Door geavanceerde sensortechnologie te combineren met machine learning, hebben we een betrouwbaar en zeer nauwkeurig hulpmiddel gecreëerd voor het monitoren van menselijk gedrag, dat profileert voor zowel gezondheidszorg- en smart-thuistechnologie.”

De potentiële toepassingen van dit intelligente vochtigheidssysteem zijn enorm. In de gezondheidszorg zou het kunnen worden gebruikt om patiënten met ademhalingsaandoeningen te volgen of degenen die de fysieke activiteitsniveaus moeten volgen. In slimme huizen kan het comfort en veiligheid verbeteren door apparaten automatisch aan te passen op basis van het gedrag van inzittenden.

Bovendien kan het vermogen van het systeem om subtiele veranderingen in de ademhaling te detecteren ook waardevolle inzichten bieden in emotionele toestanden, zoals angst of stress, het openen van nieuwe paden voor monitoring van de geestelijke gezondheid. Met zijn indrukwekkende nauwkeurigheid en realtime mogelijkheden, is dit systeem een ​​hoeksteen van toekomstige gezondheidselektronica en intelligent leven.