新型光学触觉传感器为先进的生物识别技术铺平了道路

作为下一代生物识别技术，光学触觉传感器正受到广泛关注。这些传感器能够从单个图像分析动态力，突破了现有光学系统的局限性，在笔迹情感分析、表面表征和防伪措施等多个领域创造了潜在的应用。

一个由韩国蔚山科学技术大学能源与化学工程学院的 Jiseok Lee 教授、Hyunhyub Ko 教授和 Donghyuk Kim 教授以及首尔国立大学的 Jungwook Kim 教授组成的合作研究团队开发了一种光学触觉传感器，可以实时分析动态触摸信号。该研究成果发表在《自然通讯》上。

以前的传感器仅限于测量静态或动态力;然而，该研究团队开创了一种可以同时分离和分析这些力的技术。值得注意的是，这一进步为直观地表示笔迹速度和压力的变化以及通过机器学习分析进行个人识别开辟了新的可能性。

这项创新技术的核心是上转换纳米粒子，它有助于对动态力进行高分辨率测量，并通过吸收近红外光准确检测外部刺激。

为了加强数据分析，研究团队结合机器学习技术，更精准地处理传感器采集的数据。他们的机器学习算法有效地将动态触摸信号中的垂直压力与摩擦剪切力分离，并准确识别这些力的方向。通过有限元分析，进一步证实了传感器内力传递路径和信号变化的有效性。

该传感器的设计模仿了人体皮肤的感觉结构，可放大力检测。它可从单个光学图像中同时区分垂直压力和摩擦剪切力，能够检测物体上轻压产生的低至 0.05 N 的微小力，并拥有令人印象深刻的 9.12 毫秒响应时间。

所开发的传感器不仅可用于笔迹分析，还可用于指纹识别和盲文解读。在实践中，研究团队已经实现了一个将盲文转换为语音的系统，证明了该传感器在动态生物识别系统和防伪场景中的实用性。

李教授指出：“这是第一项通过模仿人体皮肤的感觉结构同时可视化静压和动摩擦的研究，通过机器学习分离这两种力可以进行实时分析。”

第一作者 Changil Son 强调说：“这种简单的传感器结构有望在未来的动态压力量化应用中得到应用，特别是在高灵敏度的手写检测中。”

合著者 Chaeyong Ryu 表示：“这些进步将有助于开发适用于机器人的基于人工智能学习的传感器。”