王中林院士/刁东风院士课题组Nano Energy：基于摩擦纳米发电机和机器学习的多种语言笔迹自驱动识别
The following article is from 科学材料站 Author 科学材料站
点击蓝字关注我们
签名笔迹是最重要的个人行为生物特征之一，在广泛的生物特征中占有非常特殊的地位。与此同时，手写签名被广泛应用于各种实际应用中，以增强个人身份验证的安全性和私密性。根据采集方式，签名分为离线和在线两种。在离线模式下，签名被存储为灰度或者二进制图像；而在在线状态下，可以获取更丰富的书写过程信息（如位置、速度、加速度、压力等）。离线方式由于获取信息有限，导致笔迹识别率低，而在线方式虽然笔迹识别准确度高，但需要专用的硬件，成本高昂。因此，以低代价实现个人笔迹的高精度识别依旧是一个挑战。
摩擦纳米发电（Triboelectric Nanogenerator，TENG）机输出性能与外激励直接相关，可用于感知压力、应变、速度、位置等信息。目前，基于摩擦纳米发电机的自驱动传感器及器件在人机交互等领域展现出卓越的应用价值。利用基于摩擦纳米发电机的自驱动智能笔迹信息采集设备获取丰富的在线书写特征信息，开发基于摩擦纳米发电机自驱动设备和机器学习的笔迹信息获取及智能识别系统，可以以低成本实现签名笔迹的高精度识别。为摩擦纳米发电机在个人书写笔迹识别，安全防御和隐私保护等领域的应用提供新的思路。
近日，深圳大学刁东风院士课题组联合佐治亚理工学院王中林院士课题组及其他课题组在国际顶级期刊Nano Energy（影响因子：16.6）上发表题为“Multilanguage-handwriting Self-powered Recognition Based on Triboelectric Nanogenerator Enabled Machine Learning”的研究论文。作者：张维强1，邓林峰1，杨雷1，杨平
通讯作者：刁东风*，汪朋飞*，王中林*
单位：深圳大学，佐治亚理工学院，西安交通大学，兰州理工大学，北京纳米能源与系统研究所该文通过制备系列特色微纳米结构表面，开发了基于微/纳织构化表面的接触-分离模式摩擦纳米发电机的笔迹信息采集器件，可以实现不同个体书写笔迹信息的全面采集。利用小波包分解技术处理采集到的书写笔迹信号，并通过机器学习方法识别不同个体的书写笔迹。试验结果表明，设计的智能识别系统能够实现对中文词组、英文单词、阿拉伯数字、英文句子和中文语句的高精度识别。此工作展示了基于TENG的自驱动器件在个人信息采集和隐私保护上的潜在应用。
该文章共同第一作者为西安交通大学与深圳大学联合培养博士研究生张维强、兰州理工大学邓林峰副教授和西安交通大学杨雷副教授。王中林院士、刁东风院士和汪朋飞副研究员为本论文的共同通讯作者。
要点解析
要点一：微纳织构化表面制备过程及结构表征图1. 微/纳米结构PDMS样品制备及表征
（a）树叶仿生结构PDMS样品制备流程（b）微圆柱结构PDMS样品制备流程（c）树叶仿生结构PDMS样品微观形貌结构表征。图1示例了微纳米结构织构化PDMS样品的制备及表征。
图1a展示了树叶仿生结构PDMS样品制备工艺，这里面选择了鸡蛋花、羊蹄甲、重阳木和紫薇树叶并将其表面微纳米结构复制到PDMS。
图1b展示了利用铸造工艺制备微圆柱体结构PDMS样品的过程。图1c展示了四种树叶仿生微纳米结构PDMS的表面形貌。
要点二：自驱动笔迹信息采集器工作原理及输出特性
图2.自驱动笔迹信息采集器工作原理及输出特性
（a）自驱动笔迹信息采集器件工作原理（b-d）仿重阳木、羊蹄甲、鸡蛋花、和紫薇树微纳米结构的笔迹信息采集器件在5N载荷下的输出电流。图2展示了自驱动笔迹信息采集器工作原理及输出特性。
图2a是自驱动笔迹信息采集器工作原理示意图，说明了在外激励下信号的产生过程。
图2(b-d) 展示了仿重阳木、羊蹄甲、鸡蛋花、和紫薇树微纳米结构的笔迹信息采集器在5N载荷下的输出电流，可以看到重阳木微纳米结构笔迹信息采集器输出电流最高，表明其对外激励灵敏度最优。
要点三：微纳米表面结构自驱动书写笔迹信息采集器信号采集过程及笔迹信号分析
图3.微纳米表面结构自驱动书写笔迹信息采集器信号采集过程及笔迹信号分析
（a）传统笔迹信号记录示意图（b）自驱动智能笔迹信号采集器笔迹信号采集示意（c）三个人书写英文单词“Advanced”的时域笔迹信号（c’) 三个人书写Advanced的信号能量谱密度（d）三个人书写中文词语“传感”的笔迹信号（d’）三个人书写中文词语“传感”的信号能量谱密度（e）三个人书写阿拉伯数字“01”的笔迹信号.（e’）三个人书写阿拉伯数字“01”的信号能量谱密度。图3微纳米表面结构自驱动书写笔迹信息采集器信号采集过程及笔迹信号分析。图3a和图3b分别是传统笔迹信号记录和自驱动智能笔迹信号采集示意图。图3c、图3d和图3e分别展示了三个不同个体书写英文单词“Advanced”、中文词语“传感”和阿拉伯数字“01”的笔迹信号。图3c’、图3d’和图3e’分别展示了三个不同个体书写英文单词“Advanced”、中文词语“传感”和阿拉伯数字“01”的笔迹信号能量谱密度。可以看到，不同个体书写英文单词、中文词语和阿拉伯数字时的笔迹信号在时域和频域内都表现出明显的特征差异。这表明，基于TENG的自驱动笔迹信号采集器可以采集到丰富的书写信号，进而用于不同个体笔迹的识别。要点四：书写笔迹信号分析、特征提取及不同个体书写笔迹的识别结果
图4.基于TENG的自驱动笔迹信号采集器采集信号的处理、特征提取及在对不同个体书写笔迹的识别结果
（a）笔迹信号的采集及信号分析、信号特征提取（b）设计的基于TENG的自驱动笔迹信号采集器与机器学习的书写笔迹识别系统示意图（c）系统对三个不同个体英文单词、中文词语和阿拉伯数字笔迹的识别结果。图4展示了基于TENG的自驱动笔迹信号采集器采集信号的处理、特征提取及在对不同个体书写笔迹的识别结果。
图4（a）所示是书写笔迹信号的采集、笔迹信号分析及特征提取过程。
图4（b）表示利用基于TENG的自驱动笔迹信号采集器采集个体的笔迹信息并对信号进行处理、提取特征信息、训练分类器并用分类器识别个体笔迹的全过程。
图4（c）是利用设计的自驱动记录与智能识别系统对三个不同个体书写英文单词、中文词语和阿拉伯数字笔迹的识别结果。结果表明，设计的笔迹信号采集及识别系统，可以实现对不同个体多种语言词组书写笔迹的高精度识别。
要点五：不同个体书写的语句信号及设计的自动驱动采集-智能识别系统对不同个体语句笔迹的识别结果
图5. 不同语句及系统对不同个体书写语句笔迹的识别结果
（a）选取的英文句子及对应的中文句子（b) 采集的三个不同个体书写英文句子“I love TENG”及对应中文表达“我爱摩擦纳米发电机”的笔迹信号（c）信号采集-分析、特征提取-基于机器学习的语句笔迹识别过程示意（d）三个不同个体语句书写笔迹的识别结果。图5所示是不同语句及设计的自驱动信号采集-智能识别系统对不同个体书写语句笔迹的识别结果。
图5（a）是选取的用于笔迹采集与识别的英文句子及对应的中文句子。图
5（b）展示了采集的三个不同个体书写英文句子“I love TENG”及对应中文表达“我爱摩擦纳米发电机”的笔迹信号。
图5（c）是信号采集-分析、特征提取-基于机器学习的语句笔迹识别过程示意。
图5（d）是设计的自驱动信号采集-智能识别系统对不同个体书写语句笔迹的识别准确率。可以看到，开发的基于TENG的自驱动笔迹信号采集器可以采集不同个体书写语句的丰富笔迹信息，设计的系统能够实现对不同个体语句笔迹的高精度识别。
文章链接:Multilanguage-handwriting self-powered recognition based on triboelectric nanogenerator enabled machine learninghttps://www.sciencedirect.com/science/article/pii/S2211285520307527
导师介绍:
刁东风，工学博士，教授，博士生导师，日本工程院院士，深圳大学纳米表面科学与工程研究所所长，深圳大学电镜中心主任。2013年1月起任深圳大学纳米所所长，2016年7月起任深圳大学电镜中心主任。至今已发表论文250篇以上（SCI检索英文杂志论文100余篇，国际会议论文110篇，日文论文30篇）(代表杂志：Nano Energy, ACS Applied Materials & Interfaces, Nanoscale, Carbon, Acta Materialia, Electrochimica Acta, Applied Physics Letters, Applied Surface Science, Friction, ASME-Journal of Tribology, etc)，发明专利40余项（两项专利已转化成产品核心技术）。2013年以来，在深圳大学纳米所开展纳米表面设计-制造-检测-传感-应用5个方向研究（包括：先进纳米表面制造科学基础与工程技术装备研究；纳米表面的超低摩擦发电原理与应用技术及相关测设装备研究；纳米表面的自旋电子学与光电传感学研究）、为国家自然科学基金“纳米制造基础研究重大研究计划No.91323303”开辟新的碳纳米结构表面的光磁机电研究领域。2020年入选日本工程院院士。
刁东风院士课题组网页：
http://nanosurface.szu.edu.cn/index-index.html
免责声明：部分资料来源于网络，转载的目的在于传递更多信息及分享，并不意味着赞同其观点或证实其真实性，也不构成其他建议。仅提供交流平台，不为其版权负责。如涉及侵权，请联系我们及时修改或删除。邮箱：chen@chemshow.cn
扫描二维码
关注我们
微信号 : Chem-TTC
诚邀投稿
欢迎专家学者提供化学化工产学研方面的稿件至chen@chemshow.cn，并请注明详细联系信息。化学技术转移中心®会及时推送。