私密直播全婐app免费大渔直播,国产av成人无码免费视频,男女同房做爰全过程高潮,国产精品自产拍在线观看

Links
Contact Info.
  • Address:廣西南寧市西鄉(xiāng)塘區(qū)大學路100號廣西大學輕工與食品工程學院304辦公室
  • Zip:530004
  • Tel:0771-3237301
  • Fax:
  • Email:wangzhiwei@gxu.edu.cn
Current Location :> Home > News > Text
【Nano Energy】基于深度學習的摩擦納米發(fā)電機實時數(shù)據(jù)可視化監(jiān)測

【Nano Energy】基于深度學習的摩擦納米發(fā)電機實時數(shù)據(jù)可視化監(jiān)測 https://mp.weixin.qq.com/s/E4QkLAmaMH8NDv76DvNCTA

01. 研究背景

智能傳感器和邏輯算法的蓬勃發(fā)展推動了物聯(lián)網(wǎng)(IoT)的廣泛應用,加速智能時代的到來。摩擦納米發(fā)電機 (TENG)傳感器及深度學習(DL)的集成憑借TENG的自供電傳感、高靈敏度及廣泛適用性等獨特優(yōu)勢及DL強大的數(shù)據(jù)處理能力,準確、高效和可視化監(jiān)測各種相關信號,具備遠超常規(guī)的傳感性能和發(fā)展?jié)摿Γ谥悄芗揖印⒔】滇t(yī)療、環(huán)境監(jiān)測等領域廣泛應用,推動了下一代更加智能、高效的傳感系統(tǒng)的發(fā)展。

02. 文章概述

近日,王雙飛院士團隊就近年來DL輔助TENG進行實時數(shù)據(jù)可視化監(jiān)測領域的研究進展進行綜述。重點介紹DL相關算法的基本原理和處理過程,突出其在復雜數(shù)據(jù)處理過程的優(yōu)勢,并分析了液-固和固-固的TENG在自供電傳感和多模態(tài)信號采集方面的應用;重點總結(jié)了DL與TENG集成的優(yōu)勢和協(xié)同機制,全面總結(jié)了二者集成數(shù)據(jù)可視化實時監(jiān)測在多維觸覺感知、人體運動感知、健康監(jiān)測、外部環(huán)境感知與反饋和液體識別與分析五個方向的應用。最后,討論了二者集成未來發(fā)展面臨的挑戰(zhàn)和應對措施。該成果以題為“Real-time data visual monitoring of triboelectric nanogenerators enabled by Deep learning”發(fā)表在國際學術期刊《Nano Energy》上。2023級碩士研究生張慧亞為本文第一作者,王志偉副教授為通訊作者,劉濤、鄒雪蓮、朱云鵬、遲明超、吳迪、江柯漾、朱思嘉、翟文霞等參與研究。圖1. DL輔助TENG實時數(shù)據(jù)可視化監(jiān)測,包括DL的步驟;CNN、RNN、 LSTM 算法原理;應用

03. 圖文導讀

1、DL網(wǎng)絡模型

隨著IoT飛速發(fā)展,需要處理的數(shù)據(jù)量也呈指數(shù)型增長,亟需高效處理。AI領域因其數(shù)據(jù)處理技術備受關注,特別是機器學習(ML)技術僅需向計算機系統(tǒng)輸入足夠的相關問題數(shù)據(jù),便能自動洞察數(shù)據(jù)規(guī)律生成模型,進而做出精準判斷或決策。高質(zhì)量的數(shù)據(jù)特征對算法準確度至關重要,作為ML的一個子集,DL展現(xiàn)出能強大的能力。DL能夠自動學習多個任務的特征集,在一次操作中同時完成學習和分類,實現(xiàn)對復雜數(shù)據(jù)的深入學習和理解。因DL卓越的特征學習能力,能夠自動提取數(shù)據(jù)中的高層次特征,在各個領域廣受青睞。圖2. DL的演化

(1)卷積神經(jīng)網(wǎng)絡(CNN)模型

CNN通過模擬生物視覺認知機制,能夠有效提取圖像和視頻數(shù)據(jù)中的關鍵特征,具有廣泛的應用前景。CNN通常由輸入層、卷積層、池化層和全連接層和輸出層組成,通過卷積層和池化層等部分連接降低了網(wǎng)絡參數(shù)量,簡化網(wǎng)絡訓練過程。CNN中的人工神經(jīng)元能夠?qū)植繀^(qū)域的特征做出響應,并在圖像處理中逐漸將低級特征映射為高級特征,實現(xiàn)最終的分類識別。圖3. CNN模型

(2)循環(huán)神經(jīng)網(wǎng)絡(RNN)模型

RNN是一種專門處理時間序列的神經(jīng)網(wǎng)絡,通過其循環(huán)結(jié)構(gòu)和時間記憶能力,能夠處理時間動態(tài)消息,從而適用于語音識別、自然語言處理、時間序列分析等任務。一個標準的RNN模型主要是由輸入層、隱藏層和輸出層組成,隱藏層內(nèi)部的節(jié)點是有連接的,隱藏層的輸入不僅包括輸入層的輸出,還包括上一時刻隱藏層的輸出。這種同層神經(jīng)元間直接連接,賦予RNN獨特的時間記憶功能。圖4. RNN模型

(3)長短期記憶(LSTM)模型

LSTM能夠通過增加線性干預有選擇地添加或減少信息,從而解決普通RNN網(wǎng)絡記不住和梯度消失問題,因此在數(shù)據(jù)中的長期依賴關系方面表現(xiàn)出色,適用于語音識別、自然語言處理和機器翻譯等領域。每個LSTM單元具有相同的輸入和輸出,也有更多參數(shù)和控制信息的門控單元系統(tǒng),最重要的組成部分是狀態(tài)單元,有類似于滲透單元的線性自循環(huán),因此能有效存儲和更新上下文信息。圖5. LSTM模型

2、DL驅(qū)動TENG傳感器的特點和優(yōu)勢

TENG因其自供電和靈敏度高的特性,在傳感領域備受關注。但是,TENG易受環(huán)境影響,來自環(huán)境的微小信號很難用肉眼識別,影響其傳感性能,隨著信息技術的發(fā)展,將DL數(shù)據(jù)處理技術與TENG相結(jié)合,在物聯(lián)網(wǎng)傳感領域取得了豐碩的成果。現(xiàn)從用于自供電傳感的液固和固固TENG原理出發(fā),通過對TENG采集的多通道數(shù)據(jù)進行解耦處理,可以與DL進行耦合,實現(xiàn)數(shù)據(jù)的自動學習和特征提取 。圖6. 用于自供電傳感的TENG傳感器3.DL輔助TENG在實時數(shù)據(jù)可視化監(jiān)測中的新興應用

DL輔助TENG可以實現(xiàn)數(shù)據(jù)的實時智能處理,從而提高數(shù)據(jù)處理質(zhì)量、識別模式、預測未來趨勢或做出智能決策,實現(xiàn)更智能、更高效的能源采集和傳感網(wǎng)絡,為未來可持續(xù)發(fā)展奠定基礎。隨著技術的不斷進步,DL輔助TENG傳感器已廣泛應用于多維觸覺感知、人體運動感知、健康監(jiān)測、外部環(huán)境感知與反饋、液體識別與分析等領域,從而推動了智能傳感技術的創(chuàng)新與發(fā)展。

(1) 多維觸覺感知

隨著人工智能的發(fā)展,各種類型的傳感器和交互界面已經(jīng)遍布整個物聯(lián)網(wǎng)。觸覺交互界面對對于可視化實時監(jiān)測在機器人智能分揀和環(huán)境監(jiān)測非常重要。在DL的輔助下,受軟機器人和電子皮膚的啟發(fā),TENG可視化實時監(jiān)測可用于多維觸覺感知系統(tǒng),例如物體識別、材料和紋理識別和手寫識別等領域。圖7. DL輔助TENG用于多維觸覺感知

(2) 人體運動感知

利用摩擦電信號的幅值和峰值實現(xiàn)人機交互、識別人體運動,對人體運動監(jiān)測等具有重要意義。然而,由于與人體運動相關的摩擦電信號具有許多微妙的信息,僅依靠摩擦電振幅或峰值數(shù)無法識別復雜的運動信息。因此,可以將DL數(shù)據(jù)自動識別和特征提取的優(yōu)勢用于輔助TENG實現(xiàn)人體運動感知,可用于手勢識別、步態(tài)分析、甚至可用于微動作識別以及其他運動識別等。圖8. DL輔助TENG用于人體運動感知(3) 健康監(jiān)測

實時數(shù)據(jù)可視化監(jiān)測在為健康監(jiān)測、早期診斷和疾病管理提供非植入式解決方案方面取得了重大進展。然而,這一領域的主要障礙是在于準確和持續(xù)地從人體收集數(shù)據(jù)。TENG先進傳感技術以及DL優(yōu)異數(shù)據(jù)處理技術的集成,推動了TENG在健康監(jiān)測領域的發(fā)展,在呼吸檢測、輔助康復訓練、血壓監(jiān)測與診斷以及其他健康監(jiān)測系統(tǒng)得到了廣泛關注。

圖9. DL輔助TENG用于健康監(jiān)測(4)外部環(huán)境感知與反饋隨著科技發(fā)展,傳感器遍布我們生活的方方面面,促進了生產(chǎn)和生活的進步。特別是在DL輔助下的TENG傳感器表現(xiàn)出更高的識別精度,推動了TENG在外部環(huán)境感知與反饋方面的發(fā)展,可用于環(huán)境因素感知、機械失衡預警、智能家居傳感和輔助駕駛行為等領域得到應用。圖10. DL輔助TENG用于外部環(huán)境感知與反饋(5)液體識別與分析

隨著社會的快速發(fā)展,液體已成為工業(yè)生產(chǎn)和日常生活中不可或缺的重要物質(zhì)。DL輔助TENG進行液體監(jiān)測,可以快速識別溶液參數(shù),促進智能傳感器進行多參數(shù)監(jiān)測的發(fā)展,可用于微塑料、沉積物顆粒、膠體溶液、溶液類型甚至液體味道等領域的可視化監(jiān)測。

圖11. DL輔助TENG用于液體識別與分析4、結(jié)論

(1)挑戰(zhàn)與應對措施

隨著物聯(lián)網(wǎng)的快速發(fā)展,未來對便捷、多功能的監(jiān)測系統(tǒng)的需求不斷增加,開發(fā)集成高靈敏性、高精度和綠色低碳等優(yōu)勢于一體的可視化實時監(jiān)測系統(tǒng),將成為關鍵的突破口。盡管DL輔助TENG推動了實時數(shù)據(jù)可視化監(jiān)控系統(tǒng)在單個或跨領域取得了重大進展,在實際應用前仍面臨諸多挑戰(zhàn)。


圖12.DL輔助TENG實時數(shù)據(jù)可視化監(jiān)測的應用、挑戰(zhàn)與應對措施

本文在簡要概述DL數(shù)據(jù)處理優(yōu)勢和TENG自供電傳感基本原理的基礎上,系統(tǒng)的討論了CNN、RNN、LSTM三大主流DL模型的架構(gòu)、原理和應用方向,同時闡釋了TENG傳感器的工作機制及應用領域,重點總結(jié)了DL輔助TENG在可視化實時監(jiān)測領域的最新進展。然而,未來研究需要在提升系統(tǒng)整體性能和實用性方面進行更深入的探討,并克服多模態(tài)傳感、邊緣計算、新材料和算法優(yōu)化等方面的挑戰(zhàn),以促進更廣泛的商業(yè)化和實際應用。



原文鏈接:https://doi.org/10.1016/j.nanoen.2024.110186