深度学习辅助的3D打印液态金属传感系统

液态金属（LM）表现出与金属相当的高导电性和源自其液态独特的可变形性，因此被认为是高性能软电子器件的有前途的材料。然而，快速图案化液态金属以实现高灵敏度传感系统仍然是一个挑战，这主要源于其较差的流变性和润湿性。

据麦姆斯咨询报道，近日，浙江工业大学（Zhejiang University of Technology）和科罗拉多大学波德分校（University of Colorado Boulder）的研究人员联合报道了一种液态金属的流变改性策略和应变再分布机制，以简化可扩展的制造工艺并显著提高液态金属传感器的灵敏度。

通过将SiO?颗粒掺入液态金属中，LM-SiO?复合材料的模量、屈服应力和粘度显著提高，从而能够在用于可拉伸电子器件的软材料上进行3D打印。基于打印LM-SiO?复合材料的传感器具有优异的机械柔性、鲁棒性、应变和压力传感性能。这种传感器可以集成到可穿戴设备中，用于人体的不同位置。相关研究成果以“Deep-learning-assisted printed liquid metal sensory system for wearable applications and boxing training”为题发表在npj Flexible Electronics期刊上。

可打印的液态金属传感器和具有拳击识别功能的触觉手套

在这项工作中，研究人员采用镓铟合金（Ga:In = 75:25 wt%）作为导电液态金属，在液态金属中加入不导电的SiO?颗粒以改变其机械和电学性能。采用6 μm和40 μm两种不同尺寸的SiO?颗粒用于液态金属复合材料。流变学测试表明，随着SiO?质量分数的增加，两种液态金属复合材料的平均弹性、振荡屈服应力、剪切屈服应力和1 s??下的粘度均增加。增加的弹性模量、剪切应力和粘度使复合材料能够在挤压后保持形状，使其可3D打印。

LM-SiO?复合材料的流变学测试及3D打印

为了进一步定量评估LM-SiO?微粒复合材料的电学和机械性能，将图案化的复合线连接到铜带上，然后用Ecoflex封装以组成传感器件。该应变传感器可以扭曲、卷曲、拉伸而不会对器件造成任何损坏，具有良好的机械柔韧性和拉伸性。由于液态金属应变传感器具有机械柔韧性、在小应变和大应变下的高灵敏度以及极宽的传感范围，因此可以用作人体可穿戴设备，实时监测不同位置的细微运动和大幅运动。液态金属应变传感器放置在人体的眼睛、脖子、手指和膝盖上，以检测人体的各种动作。

液态金属传感器的应变传感

此外，通过将3D打印的液态金属传感器集成在触觉手套上，应变和压力传感的协同效应可以解码拳击训练中的握拳姿势和击打强度。在深度学习算法的辅助下，这款触觉手套可以实现对拳击技术的识别，例如刺拳、挥拳、上勾拳和组合拳，准确率达90.5%。

深度学习辅助的触觉手套的拳击识别

总而言之，研究人员通过对液态金属的有效流变改性和SiO?颗粒的应变再分配机制，开发了一种具有高灵敏度和良好机械性能的可打印液态金属传感器。SiO?微粒的加入增加了液态金属的弹性模量、粘性模量、屈服应力和粘度，这使得能够通过3D打印快速定制和可扩展地制造基于改性液态金属的软电子产品。作为概念验证演示，多功能传感器被集成到触觉手套上，以解码拳击训练中的握拳姿势和击打力量。在深度学习算法的辅助下，这款触觉手套能够识别不同的拳击技术（刺拳、挥拳、上钩拳和组合出拳），识别准确率为90.5%。机械和电气性能的结合以及在可穿戴系统中的演示，表明液态金属传感器在智能运动训练、机器人操作和人机界面等各种应用领域具有巨大的潜力。

审核编辑：刘清