01

內容概覽

現有技術缺點

線性與穩定難兼顧：傳統水下傳感器（如電容式）線性范圍小（僅10kPa）或穩定性差（離子型易受水干擾），無法適配高壓/湍流水下環境。

信號處理復雜：現有神經形態傳感器需復雜算法，難滿足水下實時監測需求。

文章亮點

仿生高性能：受魚類側線系統啟發，用微磁珠（NdFeB-PDMS）+交替線圈設計，實現200kPa壓力高線性響應（R2=0.997），自激發磁動作電位簡化信號處理。

水下穩定：經海洋水池/公海驗證，抗水流/壓力干擾，信號保真。

應用精準：游戲控制準確率92.19%，水下物體識別94.71%（機器學習+SNN）。

應用場景

水下機器人：導航避障、目標識別。

海洋監測：實時監測海水壓力/流速。

人機交互：游戲控制、VR觸覺反饋。

總結

在本研究中，作者提出了一種仿生神經形態軟壓力傳感器，旨在實現穩定的水下性能和簡化的信號處理。這是通過微磁球、微流體通道和交替線圈連接的創新整合實現的。該傳感器在施加力時表現出自激發行為，對壓力變化的響應具有高線性度（R2 = 0.997），可達200 kPa。所提出的機制通過其交替線圈設計產生明顯的磁性動作電位，從而實現高效的信號處理。這種人工神經感受器在游戲控制應用中實現了92.19%的準確率，在水下物體識別中使用機器學習達到了94.71%的準確率。此外，該傳感器在實驗海洋水池和開放海域環境中進行了驗證，確認其在水下機器人、海洋環境監測和海洋工業應用中的潛力。

02

圖文簡介

圖1. 生物啟發式人工神經元的設計與工作機制。a) 水生脊椎動物側線系統中的生物神經元與作者的仿生人工神經元設計之間的結構比較。b) 電子毛細胞的工作機制，顯示通過雙微型磁球產生壓力誘導的磁動勢。c) 人工神經元系統生成的獨特對稱信號配置。

圖2. 人工神經脈的表征。a) 使用解析模型驗證12圈螺旋線圈的模擬與實驗疊加的磁動作電位（mAP）。b) 組合mAP序列編碼刺激信息：施加的壓力（上）及相應的誘發mAP（下）。c) 使用振動樣品磁強計測量不同磁濃度的微磁球的剩余磁性。誤差條表示六個獨立制造批次的標準偏差（n = 6）。插圖：23體積分％微磁球的掃描電子顯微鏡圖像。d) 微磁球通過12圈螺旋線圈位移時峰-峰電壓（Vpp）與速度之間的線性關系。誤差條表示三個設備的標準偏差（n = 3）。e) 通過改變氣柱體積調節人工神經脈的靈敏度。f) 在具有19 μL氣柱的人工神經脈設備中，微磁球的移動距離與施加壓力之間存在強線性相關性（R2 = 0.997），在不同加載速率下測得。

圖3. 機器學習增強的游戲控制與水下物體識別。a) 通過不同的磁鐵排列實現的可定制化平均精度（mAP）配置。灰度顏色代表不同的磁化狀態。具有相同剩磁（62–62 emu cm?3）的雙磁鐵產生對稱模式（頂部），而六個具有不同剩磁（62–62–21–21–36–36 emu cm?3）的磁鐵形成獨特的非對稱模式（底部）。b) 用于俄羅斯方塊控制的2 × 2人造神經元陣列，其中四個神經元簡單串聯連接，分別對應不同的運動方向。c) 使用卷積神經網絡進行游戲控制器識別任務的平均混淆矩陣。d) 使用配備薄膜人造神經元的機器人抓手進行水下物體識別的演示。e) 修改后的薄膜人造神經元的結構。f) 用于水下識別的物體匯總。g) 基于脈沖神經網絡的水下物體識別的平均混淆矩陣。

圖4. 在實驗和開放海域環境中對閥門操作的穩健水下檢測。a) 集成于軟抓手中的軟人工神經感受器，安裝在自主水下航行器（AUV）上，并在實驗海盆中測試閥門操作。b) 在新加坡圣約翰島進行的開放海域測試。c) 軟抓手結構和閥門的示意圖。d) 用于水下信號采集和傳輸的定制電路和算法。e) 閥門操作期間檢測到的信號。f) 關鍵階段的詳細信號響應：i) 碰擊，ii) 抓取，iii) 釋放，iv) 離開。

03

文獻來源

Yang, J.et al.Self-Spiking Linear Neuromorphic Soft Pressure Sensor for Underwater Sensing Applications.Advanced Materialsn/a, e05486. doi:10.1002/adma.202505486

審核編輯 黃宇